An Improved Calibration Method for the COCOMO II Post-Architecture Model

To date many software engineering cost models have been developed to predict cost, schedule, and effort of the software under development. The COCOMO Ⅱ is well- suited for the new software development life cycle such as non-sequential and rapid- development processes. The traditional regression approach based on the least square criterion is the most commonly used technique for empirical calibration in the COCOMO Ⅱ model. It has a few assumptions frequently violated by software engineering data sets. The source data is also generally imprecise in reporting size effort, and cost-driver ratings, particularly across different organizations. And that the outlier for the source data is a peculiarity and indicates a data point. To cope with difficulties, in this paper, we propose a new regression method for calibrating COCOMO Ⅱ post-architecture model based on the minimum relative error(MRE) criterion. The characteristic of the proposed method is insensitive to the extreme values of the data in the empirical calibration. As the experimental results, It is evident that our proposed calibration method MRE was shown to be superior to the traditional regression approach for model calibration, as illustrated by the values obtained for standard deviation(^σ), and prediction at level LPRED(L) measures.

개발하는 소프트웨어의 비용, 스케줄 및 노력을 예측하기 위하여 오늘날 많은 소프트웨어 비용 모델이 개발되었다. COCOMO II은 비순차적이며, 빠른 개발방법 과정 등의 새로운 소프트웨어 생명주기에 적합한 비용 모델이다. COCOMO II모델에서 최소자승 회귀분석 방법은 조율 방법으로 널리 사용되었다. 전통적인 회귀분석 조율 방법은 데이터 ？에 대한 가정이 위배된다. 즉, 원시자료는 특히 서로 다른 개발조직으로부터 비용인자 등급, 노력, 크기가 수집되며 부정확하고 이상치가 존재한다. 본 논문에서는 이러한 한계를 극복하기 위하여 우리는 COCOMO II모델을 가지고 상대오차를 최소화하는 모델 조율에 대한 새로운 방법을 제안한다. 제안된 방법의 특징은 이상치를 갖는 원시 데이터에 덜 민감한 특성을 갖고 있다. 실험결과, 제안된 새로운 조율방법 MRE가 조정된 결정계수(adj-$R^2$), 표준편차(^$\sigma$), 예측 정도(PRED(L))에서 기존의 전통적 회귀분석 방법보다 우수하게 나타났다.