Побудова нелінійної регресійної моделі для оцінювання розміру веб-додатків, реалізованих мовою Java

dc.contributor.authorМакарова, Л. М.
dc.contributor.authorПриходько, Н. В.
dc.contributor.authorКудін, О. О.
dc.contributor.authorMakarova, L. M.
dc.contributor.authorPrykhodko, N.V.
dc.contributor.authorKudin, O. O.
dc.date.accessioned2021-09-28T06:49:44Z
dc.date.available2021-09-28T06:49:44Z
dc.date.issued2019
dc.descriptionМакарова, Л. М. Побудова нелінійної регресійної моделі для оцінювання розміру веб-додатків, реалізованих мовою Java = Constructing the non-linear regression model for size estimation of web-applications implemented in Java / Л. М. Макарова, Н. В. Приходько, О. О. Кудін // Вісн. ХНТУ. – Херсон : ХНТУ, 2019. – № 2 (69), ч. 1. – С. 145–153.uk_UA
dc.description.abstractРозглянуто проблему отримання ефективної системи оцінки кількості строк коду та оцінювання розміру веб-додатків, реалізованих мовою Java. Побудована нелінійна регресійна модель для оцінювання розміру веб-додатків, реалізованих мовою Java, на основі одновимірного нормалізуючого перетворення Джонсона. Проведено порівняння отриманих результатів з іншими моделями. Розраховані границі інтервалу передбачення для лінійної моделі, нелінійної моделі на основі десяткового логарифму та нелінійної моделі на основі нормалізуючого перетворення Джонсона. Усі значення нижньої границі інтервалу передбачення для нелінійних моделей більші нуля. Ширина інтервалу передбачення нелінійної регресії на основі нормалізуючого перетворення Джонсона менше, ніж для лінійної регресії, майже для всіх проектів. При порівнянні нелінійних моделей, ширина інтервалу передбачення моделі на основі нормалізуючого перетворення Джонсона менша для великих значень вихідних емпіричних даних. Також порівняно значення коефіцієнту детермінації R2, сeредньої величини відносної похибки MMRE та рівня прогнозування PRED(0,25) для трьох побудованих регресійних моделей. Значення наведених параметрів кращі для нелінійної регресійної моделі на основі нормалізуючого перетворення Джонсона, однак прийнятні значення MMRE та PRED(0,25) (не більше 0,25 та не менше 0,75 відповідно) для нелінійної регресії з використанням одновимірного нормалізуючого перетворення Джонсона не досягнуті, що свідчить про необхідність застосування двовимірного нормалізуючого перетворення Джонсона для урахування взаємного впливу двох випадкових величин.uk_UA
dc.description.abstract1The problem of obtaining an effective system for estimating the number of lines of code and size estimating of web applications implemented in Java was considered. The non-linear regression model for size estimation of Java web-applications were constructed on the basis of the univariate Johnson normalizing transformation. Obtained results were compared with other models. The bounds of a prediction interval for the linear model, the nonlinear model based on the decimal logarithm, and the nonlinear model based on the Johnson normalizing transformation, was calculated. All values of the lower bound of the prediction interval for nonlinear models are more than zero. The width of a prediction interval of nonlinear regression based on the Johnson normalizing transformation is less than for linear regression for almost all projects. In case comparing nonlinear models, the width of a prediction interval of model based on the Johnson normalizing transformation is less for large values of the initial empirical data. Comparison of the values of coefficient of determination R2, mean magnitude of the relative error MMRE and percentage of prediction PRED (0,25) for the three constructed regression models was performed too. The values of all parameters are better for the non-linear regression model based on the Johnson normalization transformation. However, acceptable values of MMRE and PRED (0,25) (no more than 0,25 and no less than 0,75, respectively) for non-linear regression model with using the univariate Johnson normalizing transformation are not achieved, that indicates the need to use the bivariate Johnson normalizing transformation to consider a mutual impact of two random variables.uk_UA
dc.description.abstract2Рассмотрена проблема получения эффективной системы оценки количества строк кода и оценивания размера веб-приложений, реализованных на языке Java. Построена нелинейная регрессионная модель для оценивания размера веб-приложений, реализованных на языке Java, на основе одномерного нормализирующего преобразования Джонсона. Проведено сравнение полученных результатов с другими моделями. Рассчитаны границы интервала предсказания для линейной модели, нелинейной модели на основе десятичного логарифма и нелинейной модели на основе нормализирующего преобразования Джонсона. Все значения нижней границы интервала предсказания для нелинейных моделей больше нуля. Ширина интервала предсказания нелинейной регрессии на основе нормализирующего преобразования Джонсона меньше, чем для линейной регрессии, почти для всех проектов. При сравнении нелинейных моделей, ширина интервала предсказания модели на основе нормализирующего преобразования Джонсона меньше для больших значений исходных эмпирических данных. Также произведено сравнение значений коэффициента детерминации R2, средней величины относительной погрешности MMRE и уровня прогнозирования PRED (0,25) для трех построенных регрессионных моделей. Значения приведенных параметров лучше для нелинейной регрессионной модели на основе нормализирующего преобразования Джонсона, однако приемлемые значения MMRE и PRED (0,25) (не более 0,25 и не менее 0,75 соответственно) для нелинейной регрессии с использованием одномерного нормализирующего преобразования Джонсона не достигнуты, что свидетельствует о необходимости применения двумерного нормализирующего преобразования Джонсона для учета взаимного влияния двух случайных величин.uk_UA
dc.description.provenanceSubmitted by Диндеренко Катерина (kateryna.dynderenko@nuos.edu.ua) on 2021-09-28T06:47:44Z No. of bitstreams: 1 Makarova.pdf: 1298684 bytes, checksum: ed709d8a669cbcd28581b5edf14ecf68 (MD5)en
dc.description.provenanceApproved for entry into archive by Диндеренко Катерина (kateryna.dynderenko@nuos.edu.ua) on 2021-09-28T06:48:27Z (GMT) No. of bitstreams: 1 Makarova.pdf: 1298684 bytes, checksum: ed709d8a669cbcd28581b5edf14ecf68 (MD5)en
dc.description.provenanceApproved for entry into archive by Диндеренко Катерина (kateryna.dynderenko@nuos.edu.ua) on 2021-09-28T06:49:06Z (GMT) No. of bitstreams: 1 Makarova.pdf: 1298684 bytes, checksum: ed709d8a669cbcd28581b5edf14ecf68 (MD5)en
dc.description.provenanceMade available in DSpace on 2021-09-28T06:49:44Z (GMT). No. of bitstreams: 1 Makarova.pdf: 1298684 bytes, checksum: ed709d8a669cbcd28581b5edf14ecf68 (MD5)en
dc.identifier.issn2078-4481
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/4443
dc.language.isoukuk_UA
dc.relation.ispartofseries004.412:519.25uk_UA
dc.subjectрозмір програмного забезпеченняuk_UA
dc.subjectнелінійна регресіяuk_UA
dc.subjectнормалізуюче перетворення Джонсонаuk_UA
dc.subjectJavauk_UA
dc.subjectвеб-додатокuk_UA
dc.subjectразмер программного обеспеченияuk_UA
dc.subjectнелинейная регрессияuk_UA
dc.subjectнормализирующее преобразование Джонсонаuk_UA
dc.subjectJavauk_UA
dc.subjectвеб-приложениеuk_UA
dc.subjectsoftware sizeuk_UA
dc.subjectnon-linear regressionuk_UA
dc.subjectJohnson normalizing transformationuk_UA
dc.subjectJavauk_UA
dc.subjectwebapplicationuk_UA
dc.titleПобудова нелінійної регресійної моделі для оцінювання розміру веб-додатків, реалізованих мовою Javauk_UA
dc.title1Constructing the non-linear regression model for size estimation of web-applications implemented in Javauk_UA
dc.title22019
dc.typeArticleuk_UA

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
Makarova.pdf
Розмір:
1.24 MB
Формат:
Adobe Portable Document Format
Опис:
стаття
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.05 KB
Формат:
Item-specific license agreed upon to submission
Опис: