Impacts des techniques de construction des ensembles flous sur la précision d'un modèle d'estimation des coûts de logiciels par analogie floue
Notice bibliographique
Résumé
Fuzzy Analogy est une approche d'estimation des couts de developpement de logiciels qui remedie a la problematique d'utilisation des valeurs linguistiques tout le long d'un processus d'estimation base sur la technique CBR (Case-Based reasoning). En effet, Fuzzy Analogy utilise la logique floue pour representer et traiter convenablement les valeurs linguistiques. Dans un precedent travail, nous avons valide Fuzzy Analogy sur la base de projets COCOMO'81 en utilisant une representation floue empirique des differents attributs affectant le cout; les ensembles flous utilises sont associes a des fonctions trapezoidales. Cet article, propose une validation de Fuzzy Analogy sur la meme base de projets avec une representation floue generee automatiquement a partir de donnees historiques. Les ensembles flous et leurs fonctions d'appartenance sont obtenus par l'algorithme FCM (Fuzzy C-Means) et un Algorithme Genetique a Codage Reel (AGCR). Les fonctions d'appartenance de ces ensembles flous peuvent avoir differentes formes : trapezoidale, triangulaire et gaussienne. Une comparaison de la precision des estimations fournies par Fuzzy Analogy, utilisant une technique empirique pour la generation des ensembles flous, avec celle de Fuzzy Analogy, utilisant la technique FCM- AGCR pour la generation des ensembles flous, est aussi presentee dans cet article.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».