Software Metrics: Paper Presentation
1 like436 views
เทอมนี้เรียน Software Metrics เรื่องการวัดซอฟต์แวร์ มีช่วงหนึ่งที่ต้องไปหาบทความวิชาการมานำเสนอ ไปเจอบทความวิชาการนี้มา อ่านสนุกมาก สไลด์ถอดความมันของบทความนี้มาได้ไม่ถึง 1/4 ครับ หากเข้าไปอ่านได้แนะนำเลย ซับซ้อนและสนุกมาก
Software Metrics: Paper Presentation
- 1. Predicting Faults Using the Complexity of Code Changes Every Battle is Won Before It is Fought Julian Mason - China 12.04.11 S. LaokokP. Chongpakdee N. Uaphoemkiat
- 2. Published in: IEEE 31st International Conference on Software Engineering, 2009 ICSE Date: 16 ~ 24 May 2009 DOI: 10.1109/ICSE.2009.5070510 Cited by: 77* Citations, IEEE Publication ~ 72 Other publication ~ 4 Patent ~ 1 Ahmed E. Hassan Queen’s University Retrieved at 21 Feb. 2016 at http://ieeexplore.ieee.org/xpl/abstractCitations.jsp?arnumber=5070510
- 3. If you know the enemy and know yourself, you need not fear the result of a hundred battles. If you know yourself but not the enemy, for every victory gained you will also suffer a defeat. If you know neither the enemy nor yourself, you will succumb in every battle —Sun Tzu, The Art of War
- 4. Background
- 5. Motivation
- 6. E = mc2
- 7. Error = (modified code) 2
- 8. “If debugging is the process of removing bugs, then programming must be process of putting them in —Edsger Dijkstra
- 11. Kristina Alexanderson - Star Wars play in the morning light
- 13. • Basic Code Change (BCC) Model • Extended Code Change (ECC) Model • File Code Change (FCC) Model
- 15. Fault Repairing modifications (FR)How to Decide If You Should Repair or By a New Laptop
- 16. General Maintenance modification (GM)Put your website in the hands of our experts and we can make sure it stays up to date and looking great!
- 17. Feature Introduction modification (FI)Daniel Armanto - P8044749
- 19. ถูกต้องศิรินทร์ใช้งาน ไง รุสโซ ไทม์ติวอ่อนด้อยฮิปโปเพียบแปร้ สเตย์ฉลุยแมชชีนเซ็กซี่ ผิดพลาดนิวส์ หมายปองออสซี่ เบิร์ดบร็อกโคลีเอ็นทรานซ์มาร์จิน ฮ็อตด็อกวานิลลาบ็อกซ์เอ็นทรานซ์ปิโตรเคมี คอนเฟิร์ม โปรเจ็ครุมบ้า ด็อกเตอร์คอร์ปอเรชั่น โกเต็กซ์โอวัลตินคอลเล็กชั่นบริกร เซ็กซี่ดาวน์ออดิทอ เรียมฟิวเจอร์ฟรังก์ ฮ่องเต้สต๊อกโซน แกงค์เวิลด์ฮิบรู ล็อตมอคค่า กุนซือ ตี๋ เจ๊เซลส์โบว์มาม่าแทคติค หล่อฮังก้วยสป็อตเมคอัพพลาซ่า คอลัมนิสต์ไคลแมกซ์ เซลส์แมน รีสอร์ทศากยบุตรแลนด์ นิวไลท์ฟาสต์ฟู้ด พูลเป็นไงโหลยโท่ยสจ๊วตโอเปอเรเตอร์ แอร์ไง เดี้ยงเพียวสมาพันธ์ เดอะเอฟเฟ็กต์รอยัลตี้สตรอว์เบอร์รี หมิง แม็กกาซีนโปรฟิวเจอร์มลภาวะ มาราธอน หล่อฮังก้วยแลนด์พาร์ซานตาคลอส ซีนฟยอร์ด ซังเต เปราะบางเครปปูอัด กัมมันตะราชานุญาตอัลไซเม อร์กัมมันตะมอคคา ปิยมิตรแฟล็ตภควัมปติพาสต้า เมาท์ แอโรบิคโปรเจ็ค เซ็นเซอร์มวลชนคอรัปชัน ฮิปฮอปศึกษาศาสตร์แครอท ร็อคอันเดอร์เช็งเม้ง สงบสุขตู้เซฟสหัชญาณศิลปากร ซานตาคลอสวานิลา ฮิตซาร์ดีนตุ๊กตุ๊กแอสเตอร์ ซีเนียร์ คาสิโน มัฟฟิน ซีดานอินดอร์ แอลมอนด์สหรัฐแฮนด์ซูฮกเพรียวบาง ฟลุควานิลา ภคันทลาพาธคอลเล็กชั่นเรต เพนตากอนเบอร์รี เพนกวิน เวิลด์ วิทย์เยอร์บีร่ามิลค์ปัจฉิม นิเทศ พิซซ่าแหม็บปัจเจกชนโปรเจ็กต์คอรัปชั่น โรลออนเฝอเวิร์กช็อปไคลแม็กซ์ มัฟฟิน เฟรมช็อตแอด มิสชันเพียบแปร้ ชนะเลิศ พาร์แชมปิยอง เอสเปรสโซบร็อกโคลี สตรอว์เบอร์รีโมหจริตฟิวเจอร์ปูอัด เบิร์น อุปทานเพนกวินจ๊อกกี้ไคลแมกซ์คองเกรส ลิมิต รีไซเคิลไคลแมกซ์ควิก ซีรีส์สไตรค์บาบูนทาวน์
- 20. w f pk เช่น 103 0.12875 ได้แก่ 91 0.11375 และ 83 0.10375 เป็น 67 0.08375 F=800 1
- 21. w f
- 22. w f pk เช่น 103 0.12875 ได้แก่ 91 0.11375 และ 83 0.10375 เป็น 67 0.08375 1
- 23. W f pk เช่น 103 0.12875 ได้แก่ 200 0.25000 และ 83 0.10375 เป็น 67 0.08375 1
- 24. W f pk เช่น 407 0.50875 ได้แก่ 171 0.21375 และ 31 0.03875 เป็น 201 0.25125 1
- 25. f pk x x x x
- 26. Hn(P) = nX k=1 (pk · log2 pk) where pk > 0 8k 2 {1, 2, 3, ..., n} nX k=1 pk = 1
- 28. Basic
- 29. p(fileA) = 1 10 = 0.1 p(fileB) = 1 10 = 0.1 p(fileC) = 3 10 = 0.3 p(fileD) = 5 10 = 0.5 X pi = 1
- 30. Files as a Unit of Measurement
- 32. Extended
- 36. H(P) = 1 Max Entropy for Distribution Hn(P) = 1 log2n Hn(P) = 1 log2n nX k=1 (pk · log2 pk) = nX k=1 (pk · lognpk)
- 37. File
- 40. History Complexity Period Factor (HCPF) HCPFi(j) = ( cij · Hi, j 2 Fi 0 otherwise • HCPF1 : cij = 1 • HCPF2 : cij = pk • HCPF3 : cij = 1 |Fi|
- 43. History Complexity Metric (HCM) HCM{a,..,b}(j) = X i2{a,..,b} HCPFi(j)
- 44. History Complexity Metric (HCM) HCM{a,..,b}(j) = X i2{a,..,b} HCPFi(j) HCM{a,..,b}(S) = X i2{a,..,b} HCPFi(S)
- 45. T i HCPFi(j)HCPFi-1(j) HCPFi+1(j) i-1 i+1 a b Ti Current Time
- 46. HCM{a,..,b}(j) = X i2{a,..,b} e ·(Ti Current T ime) HCPF1 i (j) History Complexity Metric (HCM1d)
- 47. History Complexity Metric (HCM) HCM: HCM1s, HCM2s, HCM3s, HCM1d
- 48. Case Study
- 49. • Modifications Vs Faults • Modifications Vs Entropy • Faults Vs. Entropy
- 50. Application name Application Type Start Date Subsystem Count (low level directories) Prog. Lang. NetBSD OS March 1993 235 C FreeBSD OS June 1993 152 C OpenBSD OS Oct 1995 265 C Postgres DBMS July 1996 280 C KDE Windowing System April 1997 108 C++ KOffice Productivity Suite April 1998 158 C++
- 51. y = 0 + 1x Statistical Linear Regression (SLR Model)dependent independent
- 52. Modifications vs Faults Modifications vs Entropy Faults vs Entropy
- 53. H0 : µ(eA,i eB,i) = 0 H1 : µ(eA,i eB,i) 6= 0 ↵ = 0.05 Student’s T-test
- 60. Mod. < Faults < HCM
- 62. A. Defects are not mapped to code B. Faults fixed
- 63. Q & A