检索结果-南通市图书馆

Enhancing Software Effort Estimation:A Hybrid Model Combining LSTM and Random Forest

Journal of Harbin Institute of Technology(New Series) 2024年第4期31卷 42-51页

作者： Badana Mahesh Mandava Kranthi Kiran Department of Computer Science and Engineering GITAM Deemed to be UniversityVishakhapatnam 561203India Department of Computer Science and Engineering Anil Neerukonda Institute of Technology&SciencesVishakhapatnam 531162India

Effort estimation plays a crucial role in software development projects,aiding in resource allocation,project planning,and risk *** estimation techniques often struggle to provide accurate estimates due to the complex nature of software *** recent years,machine learning approaches have shown promise in improving the accuracy of effort estimation *** study proposes a hybrid model that combines Long Short-Term Memory(LSTM)and Random Forest(RF)algorithms to enhance software effort *** proposed hybrid model takes advantage of the strengths of both LSTM and RF *** evaluate the performance of the hybrid model,an extensive set of software development projects is used as the experimental *** experimental results demonstrate that the proposed hybrid model outperforms traditional estimation techniques in terms of accuracy and *** integration of LSTM and RF enables the model to efficiently capture temporal dependencies and non-linear interactions in the software development *** hybrid model enhances estimation accuracy,enabling project managers and stakeholders to make more precise predictions of effort needed for upcoming software projects.

关键词： software effort estimation hybrid model ensemble learning LSTM temporal dependencies non⁃linear relationships

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：