เทอมนี้เรียน Software Metrics เรื่องการวัดซอฟต์แวร์ มีช่วงหนึ่งที่ต้องไปหาบทความวิชาการมานำเสนอ ไปเจอบทความวิชาการนี้มา อ่านสนุกมาก สไลด์ถอดความมันของบทความนี้มาได้ไม่ถึง 1/4 ครับ หากเข้าไปอ่านได้แนะนำเลย ซับซ้อนและสนุกมาก

1. Predicting Faults Using
the Complexity of Code Changes
Every Battle is Won Before It is Fought
Julian Mason - China 12.04.11
S. LaokokP. Chongpakdee N. Uaphoemkiat

2. Published in: IEEE 31st International Conference on
Software Engineering, 2009 ICSE
Date: 16 ~ 24 May 2009
DOI: 10.1109/ICSE.2009.5070510
Cited by: 77* Citations,
IEEE Publication ~ 72
Other publication ~ 4
Patent ~ 1
Ahmed E. Hassan
Queen’s University
Retrieved at 21 Feb. 2016 at http://ieeexplore.ieee.org/xpl/abstractCitations.jsp?arnumber=5070510

3. If you know the enemy and know yourself, you
need not fear the result of a hundred battles. If
you know yourself but not the enemy, for every
victory gained you will also suffer a defeat. If you
know neither the enemy nor yourself, you will
succumb in every battle
—Sun Tzu, The Art of War

4. Background

5. Motivation

6. E = mc2

7. Error = (modified code)
2

8. “If debugging is the process of
removing bugs, then
programming must be process
of putting them in
—Edsger Dijkstra

11. Kristina Alexanderson - Star Wars play in the morning light

12. Code Change Process

13. • Basic Code Change (BCC) Model
• Extended Code Change (ECC) Model
• File Code Change (FCC) Model

14. Code Change Process

15. Fault Repairing
modifications (FR)How to Decide If You Should Repair or By a New Laptop

16. General Maintenance
modification (GM)Put your website in the hands of our experts and we can make sure it stays up to date and looking great!

17. Feature Introduction
modification (FI)Daniel Armanto - P8044749

18. Information Theory

19. ถูกต้องศิรินทร์ใช้งาน ไง รุสโซ ไทม์ติวอ่อนด้อยฮิปโปเพียบแปร้ สเตย์ฉลุยแมชชีนเซ็กซี่ ผิดพลาดนิวส์
หมายปองออสซี่ เบิร์ดบร็อกโคลีเอ็นทรานซ์มาร์จิน ฮ็อตด็อกวานิลลาบ็อกซ์เอ็นทรานซ์ปิโตรเคมี
คอนเฟิร์ม โปรเจ็ครุมบ้า ด็อกเตอร์คอร์ปอเรชั่น โกเต็กซ์โอวัลตินคอลเล็กชั่นบริกร เซ็กซี่ดาวน์ออดิทอ
เรียมฟิวเจอร์ฟรังก์ ฮ่องเต้สต๊อกโซน แกงค์เวิลด์ฮิบรู
ล็อตมอคค่า กุนซือ ตี๋ เจ๊เซลส์โบว์มาม่าแทคติค หล่อฮังก้วยสป็อตเมคอัพพลาซ่า คอลัมนิสต์ไคลแมกซ์
เซลส์แมน รีสอร์ทศากยบุตรแลนด์ นิวไลท์ฟาสต์ฟู้ด พูลเป็นไงโหลยโท่ยสจ๊วตโอเปอเรเตอร์ แอร์ไง
เดี้ยงเพียวสมาพันธ์ เดอะเอฟเฟ็กต์รอยัลตี้สตรอว์เบอร์รี หมิง แม็กกาซีนโปรฟิวเจอร์มลภาวะ มาราธอน
หล่อฮังก้วยแลนด์พาร์ซานตาคลอส ซีนฟยอร์ด ซังเต เปราะบางเครปปูอัด กัมมันตะราชานุญาตอัลไซเม
อร์กัมมันตะมอคคา ปิยมิตรแฟล็ตภควัมปติพาสต้า เมาท์ แอโรบิคโปรเจ็ค เซ็นเซอร์มวลชนคอรัปชัน
ฮิปฮอปศึกษาศาสตร์แครอท ร็อคอันเดอร์เช็งเม้ง สงบสุขตู้เซฟสหัชญาณศิลปากร ซานตาคลอสวานิลา
ฮิตซาร์ดีนตุ๊กตุ๊กแอสเตอร์ ซีเนียร์ คาสิโน มัฟฟิน ซีดานอินดอร์ แอลมอนด์สหรัฐแฮนด์ซูฮกเพรียวบาง
ฟลุควานิลา ภคันทลาพาธคอลเล็กชั่นเรต เพนตากอนเบอร์รี เพนกวิน เวิลด์ วิทย์เยอร์บีร่ามิลค์ปัจฉิม
นิเทศ พิซซ่าแหม็บปัจเจกชนโปรเจ็กต์คอรัปชั่น โรลออนเฝอเวิร์กช็อปไคลแม็กซ์ มัฟฟิน เฟรมช็อตแอด
มิสชันเพียบแปร้ ชนะเลิศ พาร์แชมปิยอง เอสเปรสโซบร็อกโคลี สตรอว์เบอร์รีโมหจริตฟิวเจอร์ปูอัด
เบิร์น อุปทานเพนกวินจ๊อกกี้ไคลแมกซ์คองเกรส ลิมิต รีไซเคิลไคลแมกซ์ควิก ซีรีส์สไตรค์บาบูนทาวน์

20. w f pk
เช่น 103 0.12875
ได้แก่ 91 0.11375
และ 83 0.10375
เป็น 67 0.08375
F=800
1

21. w
f

22. w f pk
เช่น 103 0.12875
ได้แก่ 91 0.11375
และ 83 0.10375
เป็น 67 0.08375
1

23. W f pk
เช่น 103 0.12875
ได้แก่ 200 0.25000
และ 83 0.10375
เป็น 67 0.08375
1

24. W f pk
เช่น 407 0.50875
ได้แก่ 171 0.21375
และ 31 0.03875
เป็น 201 0.25125
1

25. f
pk
x
x
x
x

26. Hn(P) =
nX
k=1
(pk · log2 pk)
where pk > 0
8k 2 {1, 2, 3, ..., n}
nX
k=1
pk = 1

27. Code Change Model

28. Basic

29. p(fileA) =
1
10
= 0.1
p(fileB) =
1
10
= 0.1
p(fileC) =
3
10
= 0.3
p(fileD) =
5
10
= 0.5
X
pi = 1

30. Files as a Unit of Measurement

32. Extended

36. H(P) =
1
Max Entropy for Distribution
Hn(P)
=
1
log2n
Hn(P)
=
1
log2n
nX
k=1
(pk · log2 pk)
=
nX
k=1
(pk · lognpk)

37. File

38. History Complexity Metric
(HCM)

39. T
i
Hi = Entropy
j
Fi

40. History Complexity Period Factor (HCPF)
HCPFi(j) =
(
cij · Hi, j 2 Fi
0 otherwise
• HCPF1
: cij = 1
• HCPF2
: cij = pk
• HCPF3
: cij = 1
|Fi|

41. T
i
Hi = Entropy
j
Fi

42. T
i
HCPFi(j)HCPFi-1(j) HCPFi+1(j)
i-1 i+1
a b

43. History Complexity Metric (HCM)
HCM{a,..,b}(j) =
X
i2{a,..,b}
HCPFi(j)

44. History Complexity Metric (HCM)
HCM{a,..,b}(j) =
X
i2{a,..,b}
HCPFi(j)
HCM{a,..,b}(S) =
X
i2{a,..,b}
HCPFi(S)

45. T
i
HCPFi(j)HCPFi-1(j) HCPFi+1(j)
i-1 i+1
a b
Ti
Current Time

46. HCM{a,..,b}(j) =
X
i2{a,..,b}
e ·(Ti Current T ime)
HCPF1
i (j)
History Complexity Metric (HCM1d)

47. History Complexity Metric (HCM)
HCM: HCM1s, HCM2s,
HCM3s, HCM1d

48. Case Study

49. • Modifications Vs Faults
• Modifications Vs Entropy
• Faults Vs. Entropy

50. Application name Application Type Start Date
Subsystem Count
(low level directories)
Prog. Lang.
NetBSD OS March 1993 235 C
FreeBSD OS June 1993 152 C
OpenBSD OS Oct 1995 265 C
Postgres DBMS July 1996 280 C
KDE
Windowing
System
April 1997 108 C++
KOffice
Productivity
Suite
April 1998 158 C++

51. y = 0 + 1x
Statistical Linear Regression
(SLR Model)dependent
independent

52. Modifications vs Faults
Modifications vs Entropy
Faults vs Entropy

53. H0 : µ(eA,i eB,i) = 0
H1 : µ(eA,i eB,i) 6= 0
↵ = 0.05
Student’s T-test

56. Modificatoin < Faults

58. Modification < HCM

60. Mod. < Faults < HCM

61. Threats to Validity

62. A. Defects are not mapped to code
B. Faults fixed

63. Q & A