基于类比的工作量估算：一种从数据集特征发现类比项集合的新方法
软件工程
2017-03-20 v1
摘要
基于类比的工作量估算(ABE)是软件工作量估算的有效方法之一，因其出色的性能和处理噪声数据集的能力。传统的ABE模型通常对数据集中的所有项目使用相同数量的类比项以做出良好估算。作者认为，使用相同数量的类比项可能对整个数据集产生总体最佳性能，但不一定对每个单独项目产生最佳性能。因此，需要更好地理解数据集特征，以便为每个项目发现最佳类比项集合，而不是使用静态的k个最近邻项目。方法：我们提出一种基于二分k-medoids聚类算法的新技术，在预测之前为每个单独项目得出最佳类比项集合。结果与结论：利用二分k-medoids可以更好地理解数据集特征，并自动为每个测试项目找到最佳类比项集合。所提估算方法的性能表现良好，且优于其他常规ABE模型。
引用
@article{arxiv.1703.04564,
title = {Analogy-based effort estimation: a new method to discover set of analogies from dataset characteristics},
author = {Mohammad Azzeh and Ali Bou Nassif},
journal= {arXiv preprint arXiv:1703.04564},
year = {2017}
}