Mining software change data stream to predict changeability of classes of object-oriented software system

Parashar, Anshu; Chhabra, Jitender Kumar

doi:10.1007/s12530-016-9151-y

Cited by 21 publications

(8 citation statements)

References 35 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Machado and Choren [9] suggested the use of a sliding reference set for calculating the co‐change probability as it improves the prediction results over using a single snapshot of the system. Parashar and Chhabra [11] used a similar approach and proposed a co‐change metric change‐coupling index for coupling quantification in object‐oriented software applications. The introduced coupling measure is evaluated on the change logs of four open‐source software projects.…”

Section: Related Workmentioning

confidence: 99%

“…Mining change patterns from revision history using association rules is a viable solution and more related studies are needed to discover improvement techniques for prediction results. Most of the proposed studies [6, 9, 11, 13, 14, 22, 25–27] consider all the old and new change commits equivalent in their prediction behaviour. Recent studies [15, 16, 28, 29] recommend emphasising recent changes, as they signify instability and can improve co‐change prediction probability.…”

Section: Related Workmentioning

confidence: 99%

“…to predict the imminent changes. The techniques based on change history mining [11–14] give equal weightage to all the old and new commits in the change history. Change history length and revision age influence the prediction results derived with this approach.…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

Predicting co‐change probability in software applications using historical metadata

Agrawal

Singh

2020

IET softw.

View full text Add to dashboard Cite

It is quite challenging to track the after‐effects of changes with increased dependencies among classes while making a change in software applications. Software change impact analysis aims to identify classes affected by a change in software applications. In recent years, researchers have found that revision history has great potential for identifying evolutionary coupling. The two main factors affecting the prediction results are the length and the age of change history considered for deriving dependencies. The effect of age of change history on co‐change prediction results in software applications is empirically studied by varying the weightage of change commits. The results indicate that the older commits have less influence in deriving dependent classes than the newer ones. The proposed approach is useful for software effort estimation and identifying dependencies during the software development, testing, and maintenance phase.

show abstract

Section: Related Workmentioning

confidence: 99%

Section: Related Workmentioning

confidence: 99%

See 1 more Smart Citation

Predicting co‐change probability in software applications using historical metadata

Agrawal

Singh

2020

IET softw.

View full text Add to dashboard Cite

show abstract

“…Таким образом, полученная модель оказалась достаточно гибкой и пригодной для использования со всеми программными приложениями и фундаментальными технологиями. Аншу Парашар и Джитендер Кумар Чхабра [19] представили оригинальные оценки, предназначенные специально для классов: набор изменений-воздействий классов и индекс изменяемого связывания (CC). Сначала эти оценки используются для вычисления индекса СС классов, затем, рассчитываются показатели для классов.…”

Section: Introductionunclassified

DOOR: Distributed Object Oriented Software Restructuring Approach Using Neural Network

Khan

2019

Proceedings of ISP RAS

View full text Add to dashboard Cite

Аннотация. Для развития распространенных программных систем инженерами и дизайнерами в настоящее время используется объектно-ориентированный подход, который помогает строить распределенные объектно-ориентированные системы. Отличительной особенностью распределенных объектно-ориентированных систем является компетентное распределение классов объектов по различным узлам. Обычно информация о распределении классов по серверам в приложениях отсутствует, что стимулирует проведение процедуры реструктуризации, позволяющей повысить производительность. В предлагаемом подходе реструктуризация программного обеспечения систем осуществляется с помощью адаптивного метода с использованием нейронной сети. На начальном этапе создается граф зависимости классов, узлы в котором представляют классы, а связи между узлами соответствуют зависимостям между классами. Затем извлекаются свойства классов, входящих в этот граф, которые передаются в качестве входных данных в нейронную сеть для ее обучения. После этого на основе учета зависимостей классов выполняется кластеризация, приводящая к разбиению множества классов распределенной объектно-ориентированной системы на слабосвязанные подмножества. Далее создается граф кластеров, вершины в котором соответствуют кластерам, а ребра-каналам связи, которые могут существовать между кластерами. К полученному графу применяется алгоритм k-medoids, который используется для сбора кластеров таким образом, что количество собранных групп кластеров становится равным количеству доступных узлов системы. Сформированные в результате группы кластеров оказываются слабосвязанными. В завершение группы кластеров приписываются различным доступным узлам в распределенной среде. Результаты моделирования показали, что предлагаемая работа дает более эффективные результаты по сравнению с существующими методами. Ключевые слова: распределенные объектно-ориентированные системы; диаграмма зависимости классов; рекурсивная кластеризация графов; слабое связывание; нейронная сеть; распределенная архитектура

show abstract

“…Successful accomplishment of software maintenance is based on the how much information taken by the software maintains [7]. There are some metaheuristic algorithms like Particle swarm optimization (PSO), Ant colony optimization (ACO), Genetic algorithm (GA) used by the researchers for CRA problems [8], [9].…”

Section: Introductionmentioning

confidence: 99%

Automization of Object Oriented Design Using Back Propagation Neural Network for Better Maintainability of Software

Vorsu¹,

Arramraju²,

Bhanothu³

2018

IJIES

View full text Add to dashboard Cite

Object Oriented Program (OOP) provides the way to reuse the program by pre-implementing functionalities in the software. It is difficult to develop the object oriented software, which is important in the computer programing. For OOP, modularization mainly depends on the class. There are many methods present for the assigning responsibilities, but most of them are based on the human for decision making. In this research, back propagation neural network (BPNN) was used to provide the solution to object oriented design of the software. The Cinema Booking System (CBS) was taken as the input documentation and Formal Concept analysis (FCA) then found the relationship of the element in the lattice manner, after that the relationship was set with each other. The result showed that the proposed system outperformed the existing system and also the design made manually.

show abstract

Mining software change data stream to predict changeability of classes of object-oriented software system

Cited by 21 publications

References 35 publications

Predicting co‐change probability in software applications using historical metadata

Predicting co‐change probability in software applications using historical metadata

DOOR: Distributed Object Oriented Software Restructuring Approach Using Neural Network

Automization of Object Oriented Design Using Back Propagation Neural Network for Better Maintainability of Software

Contact Info

Product

Resources

About