prikaz prve stranice dokumenta Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja
  Preuzmi
PDF 1.93 MB
diplomski rad
Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja
2024. urn:nbn:hr:200:276115
Cvitković, Marko
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za programske jezike i sustave

Citirajte ovaj rad

Cvitković, M. (2024). Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:276115

Cvitković, Marko. "Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:276115

Cvitković, Marko. "Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:276115

Cvitković, M. (2024). 'Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 10.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:276115

Cvitković M. Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 10.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:276115

M. Cvitković, "Predviđanje pogrešaka u programskoj podršci pomoću strojnog učenja", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:276115

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:276115
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPredviđanje pogrešaka u programskoj podršci pomoću strojnog učenja
Naslov (engleski)Software defect prediction using machine learning
AutorMarko Cvitković
MentorDražen Bajer (mentor)
MentorMario Dudjak (sumentor)
Član povjerenstvaZdravko Krpić (predsjednik povjerenstva)
Član povjerenstvaMario Dudjak (član povjerenstva)
Član povjerenstvaBruno Zorić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za programske jezike i sustave)
Osijek
Datum i država obrane2024-10-04, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Cilj ovog diplomskog rada je istražiti problem predviđanja pogrešaka u programskoj podršci koristeći različite metode strojnog učenja. Glavni izazov bio je neuravnoteženost klasa unutar korištenih skupova podataka, što je negativno utjecalo na učinkovitost klasifikacijskih modela. U cilju poboljšanja performansi modela, primijenjene su tehnike odabira značajki (Pearsonov koeficijent korelacije, zajednička informacija, ANOVA F-test i slijedna pretraga unaprijed) te metode uzorkovanja (nasumično preuzorkovanje, nasumično poduzorkovanje i SMOTE). Najbolje rezultate postigla je kombinacija NB s tehnikom odabira značajki pomoću omotača slijedne pretrage unaprijed, kao i DT u kombinaciji s nasumičnim preuzorkovanjem. Unatoč tome, pokazalo se da ne postoji univerzalna metoda koja donosi optimalne rezultate za sve skupove podataka, već je potrebno prilagoditi pristup ovisno o specifičnostima problema.
Sažetak (engleski)
The aim of this thesis is to explore the problem of software defect prediction using various machine learning methods. The main challenge was the class imbalance within the datasets used, which negatively impacted the performance of classification models To improve model performance, feature selection techniques (Pearson correlation coefficient, mutual information, ANOVA F-test, and sequential forward selection) and sampling methods (random oversampling, random undersampling, and SMOTE) were applied. The best results were achieved by combining Naive Bayes with the sequential forward selection wrapper feature selection method, as well as decision trees combined with random oversampling. However, it was found that no universal method guarantees optimal results for all datasets, and the approach must be adapted based on the specific characteristics of the problem.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:276115
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka računarstva (univ. mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-10-16 07:39:53