[論文レビュー] A Classical Fuzzy Approach for Software Effort Estimation on Machine Learning Technique

S. Malathi, Sashank Sridhar|arXiv (Cornell University)|Dec 16, 2011

Software Engineering Research参考文献 13被引用数 9

ひとこと要約

本稿では、分類的および数値的プロジェクトデータの両方を扱う際に精度を向上させるために、アナロジーに基づくソフトウェア労働時間推定と統合された古典的ファジィ論理アプローチを提案する。ヒストリカルなソフトウェアプロジェクトデータにファジィ推論を適用することで、データ変換を必要とせず、曖昧または定性的な属性を効果的に管理できる。従来のアナロジーに基づく手法よりも、特に曖昧な属性を扱う際の推定精度が向上する。

ABSTRACT

Software Cost Estimation with resounding reliability,productivity and development effort is a challenging and onerous task. This has incited the software community to give much needed thrust and delve into extensive research in software effort estimation for evolving sophisticated methods. Estimation by analogy is one of the expedient techniques in software effort estimation field. However, the methodology utilized for the estimation of software effort by analogy is not able to handle the categorical data in an explicit and precise manner. A new approach has been developed in this paper to estimate software effort for projects represented by categorical or numerical data using reasoning by analogy and fuzzy approach. The existing historical data sets, analyzed with fuzzy logic, produce accurate results in comparison to the data set analyzed with the earlier methodologies.

研究の動機と目的

• 従来のアナロジーに基づくソフトウェア労働時間推定手法が分類的データを効果的に処理できないという限界を解消すること。
• ファジィ論理と機械学習の原則を統合した、推定精度を向上させた堅牢な手法を開発すること。
• 実際のヒストリカルなソフトウェアプロジェクトデータを用いて、提案手法の性能を従来手法と比較して評価すること。
• ファジィ論理が曖昧または定性的なソフトウェアプロジェクト属性を扱う際、推定精度を向上させることを示すこと。

提案手法

• 提案手法は、ソフトウェアプロジェクトの分類的および数値的属性をファジィ論理で表現・推論する。
• 複数の属性に基づいて、新しいプロジェクトとヒストリカルなプロジェクトとの間でファジィ類似度測度を適用する。
• 言語変数を用いて定性的データのためのファジィ推論ルールを構築し、プロジェクトの特徴を推定労働時間にマッピングする。
• ファジィ所属度数を用いて、類似した過去のプロジェクトの労働時間値を重みづけすることで、アナロジーに基づく推定を活用する。
• 最終的な労働時間推定値は、ヒストリカルなプロジェクトの労働時間の重み付き平均として計算され、重みはファジィ類似度スコアから導出される。
• データ正規化や変換の必要性を回避し、分類的および数値的データの元の構造を保持する。

実験結果

リサーチクエスチョン

• RQ1 分類的プロジェクト属性を扱う際、ファジィ論理ベースのアプローチはソフトウェア労働時間推定の精度を向上させることができるか？
• RQ2 提案されたファジィアナロジー手法は、従来のアナロジーに基づく推定と比較して、予測誤差の面でどのように異なるか？
• RQ3 ファジィ推論は、ソフトウェア労働時間推定における推定の不確実性をどの程度低減できるか？
• RQ4 ファジィ論理をアナロジーに基づく推定と統合することで、分類的および数値的データの混合型データに対する性能が向上するか？

主な発見

• 提案されたファジィアプローチは、同じデータセットにおいて従来のアナロジーに基づく手法よりもより正確な労働時間推定を達成した。
• 数値化の必要なしに分類的データを効果的に処理し、意味的意味を保持したままだった。
• ファジィ類似度測度により、関連するヒストリカルなプロジェクトの特定が向上し、推定精度が向上した。
• 結果として、混合データ型を有するプロジェクトにおいて、推定誤差が顕著に低減された。
• 言語変数モデルを用いることで、曖昧または曖昧なプロジェクト記述に対しても耐性があり、柔軟に処理できた。
• 本研究では、ファジィ論理が実世界のソフトウェア開発シナリオにおけるアナロジーに基づく推定の信頼性を向上させることを確認した。