WseBasedPrediction

Author: Kaoru Matsui

実績

• 松井 薫, 肖 霄, “Predicting the number of software faults using wavelets and nonlinear regression ,”日本オペレーションズ・リサーチ学会 2024 年春季研究発表会，3 月 7 日 - 8 日, 2024.

• Kaoru Matsui, Xiao Xiao, “On predicting software intensity using wavelets and nonlinear regression ,” The 3rd International Workshop on Dependable Computing for Complex Systems, June 24 – 27, 2024 - 発表スライド, 論文

WseBasedPrediction について

WseBasedPredictionは，ソフトウェアフォールト発見数データから，ウェーブレット縮小推定を拡張し,フォールト発見数（欠陥数）を予測するものです． 現在以下の手法が実装されています.

手法名	備考
Quadratic-based Prediction	2015 Xiao
Periodic-based Prediction	2023 Matsui

WseBasedPrediction の使い方

このリポジトリを clone した後, 必要なパッケージをインストールして WseBasedPrediction 直下で/src/WseBasedPrediction.Rをインポートして使用してください.

詳しい使い方は PeriodicBasedPrediction/Example/exampleUsage.R をご覧ください．

Warning

このプログラムは高速化するために並列処理を実装しています. 8 コア以上の cpu を用いることを推奨します.

WseBasedPrediction で使える各関数について

loadData()

データセットを読み込むための関数です. txt 形式で, 1 行目にテスト時刻, 2 行目にフォール発見数が記載されているものに限ります.

loadData(
    dataPath = "データセットのパス"
)

quadraticBasedPrediction()

回帰関数を二次関数 : $a*(x^2+b)+c$をベースに予測する関数です. 引数は以下をとることができます. データ変換, 閾値決定アルゴリズム, 閾値法の詳しい内容は後述します.

Warning

予測値の精度向上のために,初期値を網羅的に与えています. 実行時間は約 1min です.

PeriodicBasedPrediction(
    data =  データセット
    dt =  ("none", "A1", "A2", "A3", "B1", "B2", "Fi", "Fr"), #データ変換の指定
    thresholdName = ("ldt", "ut", "lut", "lht"), #閾値決定アルゴリズムの指定
    thresholdMode = ("h", "s"), #閾値法の指定
    var = データ変換の際の分散を指定(デフォルトは1),
    index = 分割データのデータ長を指定(デフォルトは3),
    initThresholdvalue = 閾値の初期値(適当で良い)
    predictionPercentage = 予測期間の割合設定
)

データ変換

データ変換はdtによって指定することができます. WseBasedPrediction では次の表のデータ変換が実装され, 変換式に違いがあります. すべての変換において逆変換の式に違いがあるため, 逆変換の式のみ参考に載せておきます.

変数名	変換名	逆変換の式
none	データ変換を行わない	式なし
A1	Anscombe transformation 1	$(s_i^2-3/2)/4$
A2	Anscombe transformation 2	$(s_i^2-1/2)/4$
A3	Anscombe transformation 3	$(s_i^2)/4+\sqrt{3/2}/(4*s_i)-11/(8*s_i^2)+5*\sqrt{3/2}/(8*s_i^3)-1/8$
B1	Bartlet transformation 1	$(b_i^2-2)/4$
B2	Bartlet transformation 2	$(b_i^2)/4$
Fi	Fisz transformation	複雑なため省略
Fr	Freeman transformation	$(f_i^2+f_i^{-2}-2)/4$

閾値決定アルゴリズム

閾値決定アルゴリズムはthresholdNameによって指定することができます. WseBasedPrediction では次の表の閾値決定アルゴリズムが実装されています.

変数名	閾値決定アルゴリズム名	備考
ldt	Level-dependent-Threshold	dt="none"を指定した場合のみ適用化
ut	Universal-Threshold	dt="none"以外を指定した場合のみ適用化
lut	Level-dependent Universal Threshold	dt="none"以外を指定した場合のみ適用化

[!CAUTION] > lht は未実装.

閾値法

閾値法はthresholdModeによって指定することができます. WseBasedPrediction では次の表の閾値法が実装されています.

変数名	閾値決定アルゴリズム名
s	Soft thresholding method
h	Hard thresholding method

実行結果

PeriodicBasedPrediction()は予測値と係数の時系列データを回帰した際の最も精度の良い回帰関数の回帰係数を返します.

result = PeriodicBasedPrediction()

result
$predictionData #予測値
$regressionCoefficient
        a         b         c
1  scaling coefficient c00
2  denoised wavelet coefficient d30
3  denoised wavelet coefficient d31
4  denoised wavelet coefficient d32
5  denoised wavelet coefficient d33
6  denoised wavelet coefficient d20
7  denoised wavelet coefficient d21
8  denoised wavelet coefficient d30

PeriodicBasedPrediction()

回帰関数を周期関数 : $a*sin(b*x+c)+d$をベースに予測する関数です. 引数は以下をとることができます. データ変換, 閾値決定アルゴリズム, 閾値法の詳しい内容はquadraticBasedPrediction()と同様です.

Warning

予測値の精度向上のために,初期値を網羅的に与えています. 実行時間は約 1.5h です.

PeriodicBasedPrediction(
    data =  データセット
    dt =  ("none", "A1", "A2", "A3", "B1", "B2", "Fi", "Fr"), #データ変換の指定
    thresholdName = ("ldt", "ut", "lut"), #閾値決定アルゴリズムの指定
    thresholdMode = ("h", "s"), #閾値法の指定
    var = データ変換の際の分散を指定(デフォルトは1),
    index = 分割データのデータ長を指定(デフォルトは3),
    initThresholdvalue = 閾値の初期値(適当で良い)
    predictionPercentage = 予測期間の割合設定
)

実行結果

PeriodicBasedPrediction()は予測値と係数の時系列データを回帰した際の最も精度の良い回帰関数の回帰係数を返します.

result = PeriodicBasedPrediction()

result
$predictionData #予測値
$regressionCoefficient
    a         b         c         d
1  scaling coefficient c00
2  wavelet coefficient d30
3  wavelet coefficient d31
4  wavelet coefficient d32
5  wavelet coefficient d33
6  wavelet coefficient d20
7  wavelet coefficient d21
8  wavelet coefficient d30