Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Improved Rotated Local Binary Pattern Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

A Review of Software Defect Prediction Models

verfasst von : Harshita Tanwar, Misha Kakkar

Erschienen in: Data Management, Analytics and Innovation

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper analyzes the performance of various software defects prediction techniques. Different datasets have been analyzed for finding defects in various researches. The main aim of this paper is to study many techniques used for predicting defects in software.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Privacy Protection Data Analytics in Smart Home Environments with Secure Computation
Nächstes Kapitel A Study on Privacy-Preserving Approaches in Online Social Network for Data Publishing
Literatur
1.
Ai-jamimi, H. A. (2016). Toward comprehensible software defect prediction models using fuzzy logic (pp. 127–130).
2.
Koroglu, Y., Sen, A., Kutluay, D., Bayraktar, A., Tosun, Y., Cinar, M., & et al. (2016). Defect prediction on a legacy industrial software : A case study on software with few defects. In 2016 IEEE/ACM 4th International Workshop on Conducting Empirical Studies in Industry (CESI) (pp. 14–20).
3.
Sharmin, S. (2015). SAL: An effective method for software defect prediction (pp. 184–189).
4.
Sethi, T., & Gagandeep. (2016). Improved approach for software defect prediction using artificial neural networks. In 2016 5th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (pp. 480–485).
5.
Suffian, M. D. M., Ibrahim, S., Dhiauddin, M., Suffian, M. D. M., & Ibrahim, S. (2012). A prediction model for system testing defects using regression analysis. International Journal of Soft Computing and Software Engineering, 2(7), 69–78.CrossRef
6.
Mandal, P., & Ami, A. S. (2015). Selecting best attributes for software defect prediction. In 2015 IEEE International WIE Conference on Electrical and Computer Engineering (pp. 110–113).
7.
Can, H., Jianchun, X., Ruide, Z., Juelong, L., Qiliang, Y., & Liqiang, X. (2013). A new model for software defect prediction using Particle Swarm Optimization and support vector machine. In 2013 25th Chinese Control and Decision Conference (pp. 4106–4110).
8.
Jiarpakdee, J., Tantithamthavorn, C., Ihara, A., & Matsumoto, K. (2011). A study of redundant metrics in defect prediction datasets (pp. 37–38).
9.
Wang, T., & Li, W. (2010). Naïve Bayes software defect prediction model. IEEE, no. 2006 (pp. 0–3).
10.
Liu, J., Xu, Z., Qiao, J., & Lin, S. (2009). A defect prediction model for software based on service oriented architecture using EXPERT COCOMO. In 2009 Chinese Control and Decision Conference (pp. 2591–2594).
11.
Kakkar, M., & Jain, S. (2016, January). Feature selection in software defect prediction: A comparative study. In 2016 6th International Conference on Cloud System and Big Data Engineering (Confluence), (pp. 658–663).
12.
Verma, D. K., & Kumar, S. (2015). Emperical study of defects dependency on software metrics using clustering approach (pp. 0–4).
13.
Yang, X., Tang, K., & Yao, X. (2015). A learning-to-rank approach to software defect prediction. IEEE Transactions on Reliability, 64(1), 234–246.CrossRef
14.
Sawadpong, P., & Allen, E. B. (2016). Software defect prediction using exception handling call graphs : A case study.
15.
Shuai, B., Li, H., Li, M., Zhang, Q., & Tang, C. (2013). Software defect prediction using dynamic support vector machine. In 2013 9th International Conference on Computational Intelligence and Security (CIS) (pp. 260–263).
16.
Armah, G. K., Luo, G., & Qin, K. (2013). Multi_level data pre_processing for software defect prediction. In 2013 6th International Conference on Information Management, Innovation Management and Industrial Engineering (ICIII) (pp. 170–174).
17.
Lo, J.-H. (2012). A data-driven model for software reliability prediction. In IEEE International Conference on Granular Computing.
18.
Oral, A. D., & Bener, A. B. (2007, November). Defect prediction for embedded software. In 22nd International Symposium on Computer and Information Sciences, 2007. ISCIS 2007 (pp. 1–6). New York: IEEE.
19.
Singh, A., & Singh, R. (2013, March). Assuring Software Quality using data mining methodology: A literature study. In 2013 International Conference on Information Systems and Computer Networks (ISCON) (pp. 108–113). New York: IEEE.
20.
Challagulla, V. U. B., Bastani, F. B., Yen, I. L., & Paul, R. A. (2008). Empirical assessment of machine learning based software defect prediction techniques. International Journal on Artificial Intelligence Tools, 17(02), 389–400.
Metadaten
Titel
A Review of Software Defect Prediction Models
verfasst von
Harshita Tanwar
Misha Kakkar
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Data Management, Analytics and Innovation

Print ISBN: 978-981-13-1401-8

Electronic ISBN: 978-981-13-1402-5

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-1402-5_7

Neuer Inhalt

    Bildnachweise