Improving Algorithmic Optimisation Method by Spectral Clustering

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F17%3A63517639" target="_blank" >RIV/70883521:28140/17:63517639 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-57141-6_1" target="_blank" >http://dx.doi.org/10.1007/978-3-319-57141-6_1</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-57141-6_1" target="_blank" >10.1007/978-3-319-57141-6_1</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Improving Algorithmic Optimisation Method by Spectral Clustering

Popis výsledku v původním jazyce

In this paper, a spectral algorithm for effort estimation is evaluated. As effort prediction method the Algorithmic Optimisation Method is employed. Spectral clustering is used in version of normalized Laplacian matrix and k-means algorithm is used for clustering eigenvectors. Results shows that clustering lowers a Mean Absolute Percentage Error by 6% and Sum of Squared Errors/Residuals is decreased by 43,5%. Difference in mean value of residuals is statically significant (p = 0.0041, at 0.05 level).

Název v anglickém jazyce

Improving Algorithmic Optimisation Method by Spectral Clustering

Popis výsledku anglicky

In this paper, a spectral algorithm for effort estimation is evaluated. As effort prediction method the Algorithmic Optimisation Method is employed. Spectral clustering is used in version of normalized Laplacian matrix and k-means algorithm is used for clustering eigenvectors. Results shows that clustering lowers a Mean Absolute Percentage Error by 6% and Sum of Squared Errors/Residuals is decreased by 43,5%. Difference in mean value of residuals is statically significant (p = 0.0041, at 0.05 level).

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)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2017

Kód důvěrnosti údajů

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

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

10

Strana od-do

"nestrankovano"

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

000405338500001