Дударин Павел Владимирович, окончил Ульяновский государственный университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета. Имеет научные работы в области обработки данных с использованием нейронных сетей. [e-mail:p.dudarin@ulstu.ru]П.В. Дударин,

Тронин Вадим Георгиевич, кандидат технических наук, окончил УлГТУ, доцент кафедры «Информационные системы» УлГТУ. Имеет научные работы в области экономики, финансов и информационных технологий. [e-mail: v.tronin@ulstu.ru]В.Г. Тронин,

Святов Кирилл Валерьевич, кандидат технических наук, окончил УлГТУ, декан факультета информационных систем и технологий УлГТУ. Имеет научные работы в области автоматизации процессов управления. [e-mail: k.svyatov@ulstu.ru]К.В. Святов,

Белов Владимир Александрович, окончил бакалавриат «Программная инженерия» УлГТУ, магистрант кафедры «Информационные системы» УлГТУ. Имеет статью по мониторингу работы компьютера. [e-mail: v.belov@ulstu.ru]В.А. Белов,

Шакуров Роман Азатович, окончил бакалавриат «Программная инженерия» УлГТУ, магистрант кафедры «Информационные системы» УлГТУ. Имеет статьи по мониторингу работы компьютера и разработке системы определения победителя киберсоревнований. [e-mail: r.shakurov@ulstu.ru]Р.А. Шакуров

Подход к оценке трудоемкости задач в процессе разработки программного обеспечения на основе нейронных сетей

Процесс разработки программного обеспечения (ПО) активно изучается экспертами из различных областей науки с различных точек зрения. Тем не менее степень успешности проектов в области разработки ПО меняется незначительно и остается на уровне 50% соответствия первоначальным требованиям (бюджет, время и функциональность) для проектов среднего размера. Годовые финансовые потери в этой области в связи с этим исчисляются сотнями миллиардов долларов. Ввиду высокой сложности процесса разработки ПО, оценки трудоемкости возникающих задач содержат большие погрешности. При этом даже повсеместный переход к гибким и итеративным методикам разработки не решают указанную проблему. В данной работе показывается, что экспертная ретроспективная оценка трудоемкости решения задачи в процессе разработки ПО может быть аппроксимирована функцией, реализованной в виде нейронной сети, от определенного набора метрик сложности программного кода. Также описан процесс сбора необходимых метрик и обучения нейронной сети, позволяющий автоматизировать получение оценок трудоемкости задач, выполненных в ходе спринта в парадигме гибкой разработки ПО. Проведенные эксперименты на реальном функционирующем проекте по разработке ПО демонстрируют работоспособность и эффективность предлагаемого подхода.

Процесс разработки программного обеспечения, нейронные сети, обогащение данных, метрика Холстеда, цикломатическая метрика.

2019_ 3

Дударин Павел Владимирович, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» Ульяновского государственного технического университета, окончил Ульяновский государственный университет. Имеет научные работы в области кластеризации текстов. [e-mail: PDudarin@ibs.ru]П.В. Дударин,

Пинков Александр Петрович, Ульяновский государственный технический университет, кандидат экономических наук, окончил ульяновский филиал Куйбышевского планового института. Исполняющий обязанности ректора УлГТУ. Имеет более 50 научных работ, в том числе монографию и статьи, по экономике, планированию, маркетингу, организации производства, организации высшего образования и корпоративного обучения. [e-mail: rector@ulstu.ru]А.П. Пинков,

Ярушкина Надежда Глебовна, Ульяновский государственный технический университет, доктор технических наук, профессор, первый проректор - проректор по научной работе УлГТУ, заведующая кафедрой «Информационные системы» УлГТУ. Окончила Ульяновский политехнический институт. Имеет более 300 работ в области мягких вычислений, нечеткой логики, гибридных систем. [e-mail: jng@ulstu.ru]Н.Г. Ярушкина

Методика и алгоритм кластеризации объектов экономической аналитики

Целью исследования, результаты которого изложены в данной статье, является разработка новых и модифицированных методов и алгоритмов решения задачи кластеризации объектов экономической аналитики. Применение известных алгоритмов кластеризации формулировок экономических показателей для установления сходства объектов затруднено тем, что формулировки показателей очень короткие и традиционные показатели встречаемости (частотности) терминов становятся недостаточными. Кроме того, широкое распространение в экономической аналитике опросов и различных анкет подразумевает использование лингвистических оценок. Например, показатель «Уровень удовлетворенности потребителя» затруднительно оценить количественно, поэтому вместо условных баллов часто используют нечеткие значения «высокая», «средняя», «низкая». В результате целесообразным становится использование нечеткого варианта метода k-средних - метода Fuzzy k-means. обычно количество показателей экономического анализа велико, что делает целесообразным модификацию алгоритма с учетом параллельного выполнения. В ходе исследования решены задачи: модифицирован метод k-средних, адаптированный к особенностям объектов экономической аналитики; разработана методика предварительной обработки данных для кластеризации; разработаны новые варианты кластеризации объектов экономической аналитики и проведено экспериментальное исследование результативности разработанных методов для больших объемов данных.

Кластеризация, метод k-средних, экономический анализ, большие данные, распараллеливание.

2017_ 1