Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.017

Aluno: Juscelino Sebastião Avelino Júnior
Orientador: Prof. George Darmiton da Cunha Cavalcanti
Título: Uma abordagem de seleção dinâmica de classificadores para predição 
de defeitos de software
Data: 16/03/2022
Hora/Local: 14h – Virtual – interessados  entrar em contato com o aluno
Banca Examinadora:

Prof. George Darmiton da Cunha Cavalcanti (UFPE / Centro de Informática)

Prof. Rafael Menelau Oliveira e Cruz (Ecole de Tecnologie Superiéure)
Prof. Araken de Medeiros Santos(UFERSA / Departamento de Ciências Exatas e 
Tecnologia da Informação)


RESUMO:

A predição de defeitos é uma tarefa que visa alocar recursos e informações 
para predizer módulos de software propensos a defeitos. Contudo, devido a 
necessidade de quantidades suficientemente grandes de dados requeridas 
pelos modelos, pesquisadores tem se concentrado em pesquisas sobre 
Cross-Project Defect Prediction (CPDP). Essa abordagem envolve construir 
modelos usando um conjunto de treinamento composto por informações de 
diversos projetos externos. Diversas abordagens CPDP propostas na 
literatura utilizam abordagens tradicionais como, por exemplo, 
normalização/transformação dos dados através do logaritmo ou uso de 
algoritmos de aprendizagem de máquina, entretanto, essas abordagens não 
possuem nenhum mecanismo capaz de selecionar um classificador ou um 
conjunto de classificadores mais apto em predizer uma determinada amostra 
de teste. Logo, a seleção dinâmica de classificadores é uma abordagem ao 
qual seleciona classificadores básicos em tempo real de acordo com cada 
amostra de teste a ser classificada. Neste contexto e considerando as 
limitações das abordagens CPDP tradicionais, propomos uma abordagem CPDP 
que, com base nos dados de treinamento, seleciona a melhor configuração de 
parâmetros (técnica de seleção dinâmica de classificadores, classificador 
básico e tamanho do pool de classificadores) para classificaras novas 
amostras de entrada (dados de teste). A abordagem proposta é composta por 
três etapas: Definição do Alvo, Superprodução e Avaliação do Modelo. 
Portanto, nessa dissertação são almejados quatro principais pontos. 
Primeiro, é conduzida uma análise experimental para investigar o 
comportamento da abordagem proposta na predição de defeitos de software. 
Segundo, são realizadas comparações entre a abordagem proposta versus 
abordagens CPDP da literatura. Neste contexto, foram investigados quais 
métodos apresentam melhor desempenho para os mesmos conjuntos de dados ou 
projetos de software. Terceiro, para verificar a precisão de classificação 
dos métodos CPDP, foi analisada a qualidade da performance dos método sem 
relação à algumas escalas da área sob a curva ROC (ROC-AUC). Quarto, foi 
realizada uma análise experimental para verificar quando utilizar a 
abordagem proposta. Neste ponto, utilizamos um meta-classificador (árvore 
de decisão) que, através de regras de decisão, define quais características 
dos dados a abordagem proposta deve ser aplicada e, consequentemente, 
apresentar maior desempenho.

Palavras-chave: Predição de Defeitos de Software. Predição de Defeitos 
Cruzada entre Projetos. Seleção Dinâmica de Classificadores.

Comentários desativados