Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/65629
Title: การประยุกต์ใช้วิธีการจัดกลุ่มข้อมูลแบบลำดับชั้นในการระบุวัตถุซอฟต์แวร์ที่เป็นไปได้ จากโปรแกรมต้นฉบับเชิงโครงสร้างภาษาซี
Other Titles: Applying hierarchical clustering method for identifying possible software objects in a structural C source program
Authors: สมศักดิ์ ภัทรศุกล
Advisors: พรศิริ หมื่นไชยศรี
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: Pornsiri.Mu@Chula.ac.th
Subjects: ซอฟต์แวร์ -- การพัฒนา
การโปรแกรมเชิงวัตถุ
การโปรแกรมโครงสร้าง
ซี (ภาษาคอมพิวเตอร์)
Computer software -- Development
Object-oriented programming (Computer science)
Structured programming
C (Computer program language)
Issue Date: 2545
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: วิทยานิพนธ์นี้ได้ทำการออกแบบวิธีการระบุวัตถุซอฟต์แวร์ที่เป็นไปได้ ซึ่งนำวิธีการจัดกลุ่มข้อมูลแบบลำดับชั้นมาประยุกต์ใช้ ร่วมกับการให้ค่าน้ำหนักความสัมพันธ์ที่เกิดจากส่วนข้อมูลสตรักท์และยังได้ทำการพัฒนาเครื่องมือระบุวัตถุซอฟต์แวร์ที่เป็นไปได้ รวมถึงการทดลองเพื่อศึกษาผลการใช้งานวิธีการดังกล่าวเปรียบเทียบกับวิธีการอื่น ๆ วิธีการที่ออกแบบขึ้นประกอบด้วยชั้นตอนการทำงานหลัก 4 ชั้น คือ (1) การคัดแยกส่วนประกอบเดิม โดยเลือกเอาเฉพาะส่วนข้อมูลสตรักท์ ส่วนข้อมูลตัวแปรโกลบอล และส่วนคำสังแยกออกมา (2) การหาความสัมพันธ์ระหว่างส่วนประกอบเดิม โดย กำหนดนิยามความสัมพันธ์เฉพาะเจาะจงขึ้นมาใช้ตรวจสอบ (3) การจัดเรียงส่วนประกอบเดิม โดยใช้วิธีการจัดกลุ่มข้อมูลแบบลำดับชั้นร่วมกับการให้ค่าน้ำหนัก และ (4) การระบุวัตถุซอฟต์แวร์ที่เป็นไปได้โดยเลือกส่วนคำสั่งภายในคลัสเตอร์ที่มีความหมาย นำมาประกอบเข้ากับส่วนข้อมูลที่เกี่ยวข้องกัน จากการทดลองใช้วิธีการนี้กับโปรแกรมเชิงโครงสร้างภาษาซีที่ค่าน้ำหนักต่าง ๆ กัน ได้ข้อสรุปว่า วิธีการนี้ทำงานให้ผลลัพธ์ดีที่สุดที่ค่าน้ำหนัก -1% -5% และ -25% รองลงมาคือค่าน้ำหนัก +1% +5%+25% +75% และอันดับถัดไปคือค่าน้ำหนัก -75%
Other Abstract: This research has been performed to design, develop and study the object identification method that applies hierarchical clustering analysis and struct-based relation weighting. The designed method consists of several steps, which are (1) extracting artifacts: struct, global variable and function, (2) exploring relation between these artifacts, (3) using hierarchical clustering analysis and weighting for artifact classification, and (4) identifying candidate objects. The results showed that this method provided different outputs at different weight values. The best output came from the experiment at -1%, -5% and -25% weight, the next occurred at +1%, +5%, +25% and +75% weight, and then the output at -75% weight.
Description: วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2545
Degree Name: วิศวกรรมศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิศวกรรมคอมพิวเตอร์
URI: http://cuir.car.chula.ac.th/handle/123456789/65629
ISSN: 9741708793
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
Somsak_ph_front_p.pdfหน้าปก บทคัดย่อ และสารบัญ900.52 kBAdobe PDFView/Open
Somsak_ph_ch1_p.pdfบทที่ 1685.32 kBAdobe PDFView/Open
Somsak_ph_ch2_p.pdfบทที่ 2947.72 kBAdobe PDFView/Open
Somsak_ph_ch3_p.pdfบทที่ 3853.16 kBAdobe PDFView/Open
Somsak_ph_ch4_p.pdfบทที่ 4847.53 kBAdobe PDFView/Open
Somsak_ph_ch5_p.pdfบทที่ 5811.63 kBAdobe PDFView/Open
Somsak_ph_ch6_P.pdfบทที่ 6883.63 kBAdobe PDFView/Open
Somsak_ph_ch7_p.pdfบทที่ 7757.18 kBAdobe PDFView/Open
Somsak_ph_ch8_p.pdfบทที่ 8800.15 kBAdobe PDFView/Open
Somsak_ph_ch9_p.pdfบทที่ 9632.55 kBAdobe PDFView/Open
Somsak_ph_back_p.pdfรายการอ้างอิง และภาคผนวก2.79 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.