基于监督学习的开源平台软件开发行为研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究目的和意义 | 第14-15页 |
| 1.4 研究目标和内容 | 第15-16页 |
| 1.5 论文结构 | 第16-17页 |
| 第2章 相关理论 | 第17-31页 |
| 2.1 分布式版本控制系统 | 第17-18页 |
| 2.2 分布式软件开发策略 | 第18-19页 |
| 2.3 GitHub数据归档 | 第19-22页 |
| 2.4 机器学习 | 第22-29页 |
| 2.4.1 逻辑回归 | 第25-26页 |
| 2.4.2 支持向量机 | 第26-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于拖拽式开发模型的开发行为研究 | 第31-45页 |
| 3.1 拖拽式请求的工作模式 | 第31-34页 |
| 3.2 基于拖拽式开发的项目样本 | 第34-36页 |
| 3.3 拖拽式请求生命周期特性研究 | 第36-38页 |
| 3.3.1 拖拽式请求合并时间研究 | 第36-37页 |
| 3.3.2 拖拽式请求的规模及和测试的关系 | 第37页 |
| 3.3.3 拖拽式请求对贡献审核的研究 | 第37-38页 |
| 3.4 行为特征影响力研究 | 第38-42页 |
| 3.4.1 行为特征的提取 | 第39-41页 |
| 3.4.2 行为特征影响力分析 | 第41-42页 |
| 3.5 本章小结 | 第42-45页 |
| 第4章 拖拽式请求可接纳性的预测模型 | 第45-59页 |
| 4.1 基于支持向量机算法的预测模型 | 第45-50页 |
| 4.1.1 核函数参数对支持向量机推广能力的影响 | 第45-46页 |
| 4.1.2 核函数参数对支持向量机分类性能的影响 | 第46-47页 |
| 4.1.3 网格探测参数选择算法 | 第47-50页 |
| 4.2 Weka平台介绍 | 第50-52页 |
| 4.3 实验对比结果及分析 | 第52-58页 |
| 4.3.1 实验说明 | 第53-54页 |
| 4.3.2 实验结果及分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
