Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

The effects of clustering to software size estimation for the use case points methods

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F17%3A63517638" target="_blank" >RIV/70883521:28140/17:63517638 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-57141-6_51" target="_blank" >http://dx.doi.org/10.1007/978-3-319-57141-6_51</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-57141-6_51" target="_blank" >10.1007/978-3-319-57141-6_51</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    The effects of clustering to software size estimation for the use case points methods

  • Popis výsledku v původním jazyce

    The main objective of the paper is to present the suitability and effects of several different clustering methods for improving accuracy of software size estimation. For software size estimation was used the Algorithmic Optimisation Method (AOM), which is based Use Case Points (UCP) method. The comparison of K-means, Hierarchical and Density-based clustering is provided. Gap, Silhouette and Calinski-Harabasz criterion were selected as an evaluation criterion for clustering quality. Estimation ability of clustered model is compared on Sum of squared error (SSE). Results shows that clustering improves an estimation ability.

  • Název v anglickém jazyce

    The effects of clustering to software size estimation for the use case points methods

  • Popis výsledku anglicky

    The main objective of the paper is to present the suitability and effects of several different clustering methods for improving accuracy of software size estimation. For software size estimation was used the Algorithmic Optimisation Method (AOM), which is based Use Case Points (UCP) method. The comparison of K-means, Hierarchical and Density-based clustering is provided. Gap, Silhouette and Calinski-Harabasz criterion were selected as an evaluation criterion for clustering quality. Estimation ability of clustered model is compared on Sum of squared error (SSE). Results shows that clustering improves an estimation ability.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    SOFTWARE ENGINEERING TRENDS AND TECHNIQUES IN INTELLIGENT SYSTEMS, CSOC2017, VOL 3 Book Series: Advances in Intelligent Systems and Computing

  • ISBN

    978-3-319-57141-6

  • ISSN

    2194-5357

  • e-ISSN

    neuvedeno

  • Počet stran výsledku

    11

  • Strana od-do

    479-490

  • Název nakladatele

    Springer International Publishing AG

  • Místo vydání

    Cham

  • Místo konání akce

    Zlín

  • Datum konání akce

    26. 4. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000405338500051