지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김현수
- 발행연도
- 2016
- 저작권
- 충남대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
This thesis suggests methods for selecting a Software Reliability Growth Model considering failure prediction ability with multiple goodness-of-fit evaluation methods.
Software Reliability Growth Models (SRGMs) are used to quantitatively evaluate software reliability and to determine the software release date or additional testing efforts using software failure data. Because a single SRGM is not universally applicable to all kinds of software, the selection of an optimal SRGM suitable to a specific case has been an important issue.
The existing methods for selecting SRGM have evaluated by only SRGM''s goodness-of-fit (GOF) to collected failure data and without considering the accuracy of future failure prediction.
In this thesis, we propose methods for selecting SRGM considering not only the trend of failure data but also failure prediction ability. In addition, during evaluating trend and failure prediction ability, two GOF evaluation approaches are applied: one is using only one GOF evaluation and the other is a distance approach based on the various GOF evaluations.
To justify our approach, we identify problems associated with the existing SRGM selection methods through experiments and show that our method for selecting SRGMs is superior to the existing methods with respect to the accuracy of future failure prediction.
Software Reliability Growth Models (SRGMs) are used to quantitatively evaluate software reliability and to determine the software release date or additional testing efforts using software failure data. Because a single SRGM is not universally applicable to all kinds of software, the selection of an optimal SRGM suitable to a specific case has been an important issue.
The existing methods for selecting SRGM have evaluated by only SRGM''s goodness-of-fit (GOF) to collected failure data and without considering the accuracy of future failure prediction.
In this thesis, we propose methods for selecting SRGM considering not only the trend of failure data but also failure prediction ability. In addition, during evaluating trend and failure prediction ability, two GOF evaluation approaches are applied: one is using only one GOF evaluation and the other is a distance approach based on the various GOF evaluations.
To justify our approach, we identify problems associated with the existing SRGM selection methods through experiments and show that our method for selecting SRGMs is superior to the existing methods with respect to the accuracy of future failure prediction.
목차
1. 서론 11.1. 연구 배경 및 목적 11.2. 연구 내용 및 범위 31.3. 논문 구성 42. 관련 연구 52.1. 배경 지식 52.1.1. 소프트웨어 신뢰도 평가 방법 52.1.2. 소프트웨어 신뢰도 성장 모델 102.2. 관련 연구 132.2.1. 기준을 사용한 소프트웨어 신뢰도 모델 선택 132.2.2. 고장 데이터를 사용한 소프트웨어 신뢰도 성장 모델 선택 143. 소프트웨어 신뢰도 성장 모델 선택 방법 173.1. 고장 예측 능력과 단일 적합도 평가 방법을 사용한 소프트웨어 신뢰도 성장 모델 선택 방법 173.1.1. 기존 방법의 문제점 173.1.2. 고장 데이터 분할 183.1.3. 고장 예측 능력과 단일 적합도 평가 방법을 사용한 소프트웨어 신뢰도 성장 모델 선택 방법 203.2. 고장 예측 능력과 다중 적합도 평가 방법을 사용한 소프트웨어 신뢰도 성장 모델 선택 방법 263.2.1. 기존 방법의 문제점 263.2.2. 고장 예측 능력과 다중 적합도 평가 방법을 사용한 소프트웨어 신뢰도 성장 모델 선택 방법 274. 실험 334.1. 실험 환경 334.2. 기존 방법의 문제점 확인 364.3. 고장 예측 능력과 단일 적합도 평가 방법을 사용한 소프트웨어 신뢰도 성장 모델 선택 방법 384.4. 고장 예측 능력과 다중 적합도 평가 방법을 사용한 소프트웨어 신뢰도 성장 모델 선택 방법 405. 결론 및 향후 연구방향 436. 참고문헌 44
최근 본 자료
댓글(0)
0