ПʼЯТИФАКТОРНА МАТЕМАТИЧНА МОДЕЛЬ ДЛЯ ОБРОБКИ ІНФОРМАЦІЇ З МЕТРИК КОДУ JAVA-ЗАСТОСУНКІВ ДЛЯ ОЦІНЮВАННЯ ЇХ РОЗМІРУ
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.4.2.18Ключові слова:
математична модель, обробка інформації, метрика програмного коду, Java, нормалізуюче перетворення, нелінійна регресія, негаусівські дані.Анотація
Достовірна обробка інформації з метрик коду JAVA-застосунків на ранніх стадіях їх проєктування має велике значення, оскільки це безпосередньо впливає на прогнозування трудомісткості розробки. В роботі запропоновано математична модель, а саме пʼятифакторна нелінійна регресійна модель, для раннього оцінювання розміру JAVA-застосунків, а саме кількості рядків коду. Об’єктом дослідження є процес обробки інформації з метрик коду програмних JAVA-застосунків. Предметом дослідження є нелінійна регресійна модель для обробки інформації з метрик коду програмних JAVA-застосунків. Метою роботи є підвищення достовірності обробки інформації з метрик коду, які доступні з UML-діаграми класів, для оцінювання параметру розміру JAVA застосунків на ранніх етапах проєктування програмного забезпечення шляхом побудови математичної моделі нелінійної регресії з пʼятьма факторами. Для досягнення поставленої мети зібрано дані за метриками програмного коду 571 загальних JAVA-застосунків з відкритим кодом, які розташовані на платформі GitHub. Отриманий набір даних випадковим чином розділено на навчальну та тестові вибірки розміром 286 та 285 векторів характеристик. В процесі попередньої обробки даних, для побудови математичної моделі нелінійної регресії з пʼятьма факторами, вперше розділено параметр загальної кількості класів та інтерфейсів на окремі метрики та обрані середні значення видимих методів класів та інтерфейсів, полів класів та звʼязності між класами та інтерфейсами, що дозволило уникнути проблем з мультиколінеарністю для побудови регресійної моделі. Нормалізацію багатовимірних даних проведено за допомогою шестивимірного нормалізуючого перетворення Бокса-Кокса. Отримана математична модель має кращі показники якості, а саме R2, MMRE та PRED(0,25), у порівнянні з існуючими трьохфакторною та чотирьохфакторними нелінійними регресійними моделями для обробки інформації з метрик коду JAVA-застосунків для оцінювання їх розміру.
Посилання
Boehm B., Abts C., Brown A.W., Chulani S., Clark B.K., Horowitz E., Madachy R., Reifer D., Steece B. Software cost estimation with COCOMO II. Prentice Hall. 2000.
Munialo S.W. A Review of Agile Software Effort Estimation Methods // International Journal of Computer Applications Technology and Research. Association of Technology and Science. 2016. Vol. 5. pp. 612–618. DOI:10.7753/IJCATR0509.1009.
Johnson J., Mulder H. Endless modernization: How infinite flow keeps software fresh. ResearchGate. 2021. URL: https://www.researchgate.net/publication/348849361_Endless_Modernization_How_Infinite_Flow_Keeps_Software_Fresh
The Standish Group. Chaos report 2015. 2015. URL: https://standishgroup.com/sample_research_files/CHAOSReport2015-Final.pdf
Oracle. Java. 2025. URL: https://www.oracle.com/java/
Cass S. Top programming languages 2024. IEEE Spectrum. 2024. URL: https://spectrum.ieee.org/topprogramming-languages-2024
Tan H.B.K., Zhao Y., Zhang H. Estimating LOC for information systems from their conceptual data models // Proceedings – International Conference on Software Engineering. 2006. pp. 321-330. DOI:10.1145/1134285.1134331.
Tan H.B.K., Zhao Y., Zhang H. Conceptual Data Model-Based Software Size Estimation for Information Systems // ACM Transactions of Software Engineering and Methodology. 2009. Vol. 19. DOI:10.1145/1571629.1571630.
Приходько Н.В., Приходько С.Б. Нелінійна регресійна модель для оцінювання розміру програмного забезпечення промислових інформаційних систем на Java // Моделювання та інформаційні технології. 2018. Вип. 85. С. 81–88. URL: http://nbuv.gov.ua/UJRN/Mtit_2018_85_14
Макарова Л.М., Приходько Н.В., Кудін О.О. Побудова нелінійної регресійної моделі для оцінювання розміру веб-додатків, реалізованих мовою Java // Вісник Херсонського національного технічного університету. 2019. № 2 (69). С. 145–153. URL: http://eir.nuos.edu.ua/handle/123456789/4443
Приходько С.Б., Приходько Н.В., Смикодуб Т.Г. Чотирьохфакторна нелінійна регресійна модель для оцінювання розміру JAVA-застосунків з відкритим кодом // Вчені записки ТНУ імені В.І. Вернадського. Серія: технічні науки Том 31 (70) № 2 Частина 1. 2020. С. 157–162. DOI:10.32838/2663-5941/2020.2-1/25
Орєхов О.С., Фаріонова Т.А. Математичні моделі для оцінювання розміру JAVA-застосунків // Вісник Херсонського національного технічного університету. 2024. Т. 89, № 2. С. 196–203. DOI:10.35546/kntu2078-4481.2024.2.28.
Oriekhov O., Farionova T., Chernova L. Three-factor nonlinear regression model of estimating the size of JAVAsoftware // Proceedings of the International Conference on Information Control Systems and Technologies (ICST-2024). 2024. pp. 506–518. URL: https://ceur-ws.org/Vol-3790/paper44.pdf
Орєхов О.С. Чотирьохфакторна нелінійна регресійна модель для оцінювання розміру JAVA-застосунків на ранніх стадіях розробки // Розвиток інформаційно-керуючих систем та технологій. 2024. С. 360–379. DOI:10.36059/978-966-397-422-4
Port D., Korte M. Comparative studies of the model evaluation criterions MMRE and PRED in software cost estimation research // Proceedings of the 2nd ACM-IEEE International Symposium on Empirical Software Engineering and Measurement, New York, 2008. pp. 51–60. DOI:10.1145/1414004.1414015
Subramanyam R., Krishnan M. Empirical analysis of CK metrics for object-oriented design complexity: Implications for software defects // IEEE Transactions on Software Engineering. 2003. Vol. 29, No. 4. pp. 297–310. DOI:10.1109/TSE.2003.1191795.
Olkin I., Sampson A.R. Multivariate Analysis: Overview // International encyclopedia of social & behavioral sciences (eds.) 1st edn., Elsevier, Pergamon, 2001. pp. 10240–10247
Mardia K. V., Measures of multivariate skewness and kurtosis with applications // Biometrika. 1970. Vol. 57. pp. 519–530. DOI:10.1093/biomet/57.3.519.
Prykhodko S., Prykhodko N., Mathematical Modeling of Non-Gaussian Dependent Random Variables by Nonlinear Regression Models Based on the Multivariate Normalizing Transformations // Mathematical Modeling and Simulation of Systems (MODS'2020). Advances in Intelligent Systems and Computing. 2021. Vol. 1265. PP. 166-174. DOI:10.1007/978-3-030-58124-4_16
Prykhodko S., Prykhodko N., Makarova L., Pukhalevych A. Outlier Detection in Non-Linear Regression Analysis Based on the Normalizing Transformations // 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET). Lviv-Slavske, Ukraine, 2020. pp. 407–410, DOI:10.1109/TCSET49122.2020.235464.
Lindsey C., Sheather S. Power transformation via multivariate Box–Cox // The Stata Journal. 2010. Vol. 10, No. 1. pp. 69–81. DOI:10.1177/1536867X1001000108.
Oriekhov O., Farionova T., Chernova L., Vorona M. A Five-Factor Nonlinear Regression Model for JAVA Applications Size Estimation // Proceedings of VI International Workshop on IT Project Management. 2025. Vol. 4023. pp. 1–10. URL: https://ceur-ws.org/Vol-4023/paper1.pdf
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
