Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software
Fuente:
Redalyc
Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Artículo científico |
| Lingua: | es |
| Pubblicazione: |
Asociación de Técnicos de Informática
2007
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
| _version_ | 1876430982596263936 |
|---|---|
| author | Miguel Garre |
| author_facet | Miguel Garre |
| contents | Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software Miguel Garre Juan José Cuadrado Miguel A. Sicilia Ricardo Rejas Daniel Rodríguez Computación ISBSG clustering algoritmo EM segmentación estimación de coste software Los modelos de estimación de coste software que obtienen una única relación matemáticaentre el esfuerzo y algún otro atributo característico de los proyectos software,proporcionan buenos resultados cuando la base de datos de proyectos, a partir de la quemediante métodos de regresión se obtiene la relación anteriormente mencionada, estáformada por proyectos homogéneos. Sin embargo, para bases de datos de proyectosprocedentes de muy diversas fuentes, tales como la base de proyectos de ISBSG formadapor miles de proyectos heterogéneos, el utilizar una única relación matemática pararepresentar a todos estos proyectos, no ofrece tan buenos resultados como si los proyectosfuesen homogéneos. En este trabajo se plantea, como mejora del proceso de estimación,segmentar la base de datos ISBSG en diferentes grupos de proyectos mediante la utilizaciónde tres algoritmos de agrupamiento diferentes: COBWEB, EM, y k-means, de manera quepara cada uno de estos grupos (formados por proyectos homogéneos entre sí) se obtengauna relación matemática diferente. La segmentación llevada a cabo por estos algoritmosmejora la estimación con respecto al modelo que utiliza la base de datos sin segmentar. Porotra parte si se comparan entre sí los resultados obtenidos al aplicar cada uno de ellos, seobserva que el algoritmo que presenta un mejor comportamiento es EM debido a sunaturaleza probabilista. 2007 artículo científico 1885-4486 https://www.redalyc.org/articulo.oa?id=92230103 es http://www.redalyc.org/revista.oa?id=922 REICIS. Revista Española de Innovación, Calidad e Ingeniería del Software application/pdf Asociación de Técnicos de Informática REICIS. Revista Española de Innovación, Calidad e Ingeniería del Software (España) Num.1 Vol.3 |
| format | Artículo científico |
| id | redalyc_92230103 |
| institution | Redalyc |
| language | es |
| publishDate | 2007 |
| publisher | Asociación de Técnicos de Informática |
| spellingShingle | Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software Miguel Garre Computación ISBSG clustering algoritmo EM segmentación estimación de coste software Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software Miguel Garre Juan José Cuadrado Miguel A. Sicilia Ricardo Rejas Daniel Rodríguez Computación ISBSG clustering algoritmo EM segmentación estimación de coste software Los modelos de estimación de coste software que obtienen una única relación matemáticaentre el esfuerzo y algún otro atributo característico de los proyectos software,proporcionan buenos resultados cuando la base de datos de proyectos, a partir de la quemediante métodos de regresión se obtiene la relación anteriormente mencionada, estáformada por proyectos homogéneos. Sin embargo, para bases de datos de proyectosprocedentes de muy diversas fuentes, tales como la base de proyectos de ISBSG formadapor miles de proyectos heterogéneos, el utilizar una única relación matemática pararepresentar a todos estos proyectos, no ofrece tan buenos resultados como si los proyectosfuesen homogéneos. En este trabajo se plantea, como mejora del proceso de estimación,segmentar la base de datos ISBSG en diferentes grupos de proyectos mediante la utilizaciónde tres algoritmos de agrupamiento diferentes: COBWEB, EM, y k-means, de manera quepara cada uno de estos grupos (formados por proyectos homogéneos entre sí) se obtengauna relación matemática diferente. La segmentación llevada a cabo por estos algoritmosmejora la estimación con respecto al modelo que utiliza la base de datos sin segmentar. Porotra parte si se comparan entre sí los resultados obtenidos al aplicar cada uno de ellos, seobserva que el algoritmo que presenta un mejor comportamiento es EM debido a sunaturaleza probabilista. 2007 artículo científico 1885-4486 https://www.redalyc.org/articulo.oa?id=92230103 es http://www.redalyc.org/revista.oa?id=922 REICIS. Revista Española de Innovación, Calidad e Ingeniería del Software application/pdf Asociación de Técnicos de Informática REICIS. Revista Española de Innovación, Calidad e Ingeniería del Software (España) Num.1 Vol.3 |
| title | Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software |
| topic | Computación ISBSG clustering algoritmo EM segmentación estimación de coste software |
| url | https://www.redalyc.org/articulo.oa?id=92230103 |