Placeholder text

Go to cart

Abordagens de aprendizagem automática para a previsão de defeitos de software

By Shaheen Layaq

Abordagens de aprendizagem automática para a previsão de defeitos de software

By Shaheen Layaq

0 - Default Title
Description
No mundo atual, orientado por dados, a maioria das aplicações reais enfrenta o desafio do desequilíbrio de classes, em que dados críticos são raros. Esse desequilíbrio afeta gravemente a precisão dos modelos de classificação, especialmente em domínios sensíveis, como diagnóstico médico, finanças e previsão de defeitos de software. Em sistemas de software, a previsão precoce de defeitos é essencial para reduzir custos e melhorar a confiabilidade. No entanto, muitos modelos de aprendizado de máquina falham devido a conjuntos de dados distorcidos. Para resolver isso, propomos três algoritmos inovadores: IDROS (sobreamostragem), IDRUS (subamostragem) e uma abordagem híbrida IDROSUS. O IDROS usa KNN em torno do centroide minoritário para gerar dados sintéticos, enquanto o IDRUS remove amostras majoritárias menos relevantes com base na distância da média. O híbrido IDROSUS equilibra ambos os lados simultaneamente, reduzindo o sobreajuste e o subajuste. Avaliámos estes métodos utilizando 40 conjuntos de dados do repositório PROMISE e testámo-los em oito classificadores. Métricas de desempenho como precisão, recall, exatidão e medida F mostraram que o IDROSUS superou as técnicas existentes.
Product details
Binding:
Paperback
Number of Pages:
80
Release Date:
2025-10-30
Publication Date:
2025-10-30
Publisher:
Edições Nosso Conhecimento
Languages:
Original: Portuguese
ISBN10:
6209207243
ISBN13:
9786209207242
Weight:
137 g
Height:
150 cm
Width:
220 cm
Thickness:
5 cm
Buy on Amazon
Currently sold out