haku: @keyword program comprehension / yhteensä: 3
hakutulos-lista
viite: 1 / 3
« edellinen | seuraava »
Tekijä:Taherkhani, Ahmad
Työn nimi:Recognizing Algorithms Using Roles of Variables, Language Constructs and Software Metrics: A Machine Learning Approach
Julkaisutyyppi:Lisensiaatintutkimus
Julkaisuvuosi:2010
Sivut:65 + [44]      Kieli:   eng
Koulu/Laitos/Osasto:Informaatio- ja luonnontieteiden tiedekunta
Oppiaine:Ohjelmistotekniikka   (T-106)
Valvoja:Malmi, Lauri
Ohjaaja:Korhonen, Ari
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto     | Arkisto
Avainsanat:algorithm recognition
program comprehension
roles of variables
static analysis
Tiivistelmä (eng): Roles of Variables (RoV) are concepts that describe the behaviour and usage of variables in computer programs.
RoV have originally been introduced to help novices learn programming Algorithm Recognition (AR) is a subfield of program comprehension, where the problem is to identify algorithms from the source code.
AR covers recognizing different algorithms that carry out different computational task, as well as different types of algorithms that perform the same task.
The main application of AR is in automatic assessment in students' programs to verify that the program implements the required algorithm.

This thesis investigates the applicability and usefulness of RoV in AR.
The idea is to analyze different implementations of basic algorithms to see whether RoV appear in those algorithms is such a way that they can be distinguished on this basis.
In addition to RoV, other distinctive characteristics that can be used in the recognition process are also identified from the algorithms.
These characteristics are related to language constructs and various software metrics.
Based on the results of these analyses, a method for AR is introduced and a tool for automatic algorithm recognition is developed.

Two experiments on sorting algorithms are carried out to illustrate the feasibility of the AR method.
In the first experiment, sorting algorithms are recognized using a manually constructed decision tree.
The second experiment uses the C4.5 algorithm to construct the decision tree.
The results of the experiments (86\% and 97.1\% correctly recognized algorithms respectively) show the applicability of RoV and the other characteristics in AR problem.
Moreover, the performance of the automatically constructed decision tree demonstrates that machine learning techniques are also suitable for AR task.
ED:2011-01-18
INSSI tietueen numero: 41492
+ lisää koriin
« edellinen | seuraava »
INSSI