Filtreler

2013 - 20142
Filtreleri Sıfırla

Ayarlar

Bölüm: Işık University, Faculty of Engineering, Department of Computer Engineering × Konu: Defects ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Yayın
    Raylı sistemlerde yüksek gerilim aksamının otomatik denetimi
    (IEEE, 2014-04-23) Ağdoğan, Didem; Babacan, Veysel Karani; Eskil, Mustafa Taner
    Raylı sistemlerde yolculugun sorunsuz tamamla-nabilmesi için sistem bütünlüğü kritik öneme sahiptir. Sistem bütünlüğü, lokomotif ve vagonlar haricinde katener (yüksek gerilim) hattı, pantograf ve raylara bağlıdır. Katener hattı ve pantograf, lokomotife elektrik iletimini sağlarken rayların seviyesi pantografın elektrik hattına düzenli temasına etki eder. Raylarda oluşabilecek çöküntüler katener hattı ile pantograf arasında ark (kıvılcım) oluşumuna neden olur. Katener hattının pantograf sınırları dışına çıkması, pantografta oluşabilecek çentikler ve ark oluşumu lokomotif üzerinden anlık izlenebilir. Bu çalışmada amacımız, bu üç ögeden kaynaklanabilecek hataları kameralı bir sistemle, gerçek zamanlı ve otomatik izleyerek tren yolculuğunun güvenli ve kesintisiz yapılmasına katkıda bulunmaktır.
  • Küçük Resim
    Yayın
    A novel regression method for software defect prediction with kernel methods
    (2013) Okutan, Ahmet; Yıldız, Olcay Taner
    In this paper, we propose a novel method based on SVM to predict the number of defects in the files or classes of a software system. To model the relationship between source code similarity and defectiveness, we use SVM with a precomputed kernel matrix. Each value in the kernel matrix shows how much similarity exists between the files or classes of the software system tested. The experiments on 10 Promise datasets indicate that SVM with a precomputed kernel performs as good as the SVM with the usual linear or RBF kernels in terms of the root mean square error (RMSE). The method proposed is also comparable with other regression methods like linear regression and IBK. The results of this study suggest that source code similarity is a good means of predicting the number of defects in software modules. Based on the results of our analysis, the developers can focus on more defective modules rather than on less or non defective ones during testing activities.