Outliners detection method for software effort estimation models

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28140%2F19%3A63522744" target="_blank" >RIV/70883521:28140/19:63522744 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-19807-7_43" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-19807-7_43</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-19807-7_43" target="_blank" >10.1007/978-3-030-19807-7_43</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Outliners detection method for software effort estimation models

Popis výsledku v původním jazyce

Outliner detection methods are studied as an approach for simulated in-house dataset creation. In-house datasets are understood as an approach for increasing the estimation accuracy of the functional points-based estimation models. The method which was selected as the best option for outliners’ detection is the median absolute deviation. The product delivery rate was used as a parameter for the median absolution deviation method. The estimation accuracy was compared for a public dataset and simulated in-house datasets, using stepwise regression models.

Název v anglickém jazyce

Outliners detection method for software effort estimation models

Popis výsledku anglicky

Outliner detection methods are studied as an approach for simulated in-house dataset creation. In-house datasets are understood as an approach for increasing the estimation accuracy of the functional points-based estimation models. The method which was selected as the best option for outliners’ detection is the median absolute deviation. The product delivery rate was used as a parameter for the median absolution deviation method. The estimation accuracy was compared for a public dataset and simulated in-house datasets, using stepwise regression models.

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

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

SOFTWARE ENGINEERING METHODS IN INTELLIGENT ALGORITHMS, VOL 1

ISBN

978-3-030-19806-0

ISSN

2194-5357

e-ISSN

—

Počet stran výsledku

11

Strana od-do

444-455

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Praha

Datum konání akce

24. 4. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000503384000043