| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·目前软件估算存在的问题 | 第11-12页 |
| ·软件成本估算不足 | 第11页 |
| ·估算方法使用不当 | 第11-12页 |
| ·历史数据标准各异 | 第12页 |
| ·论文主要研究工作 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 2 软件估算方法研究概述 | 第14-21页 |
| ·软件估算的定义与分类 | 第14-15页 |
| ·常用的软件估算方法 | 第15-20页 |
| ·传统软件估算方法 | 第15-17页 |
| ·面向对象的软件估算方法 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 3 POPs 软件估算方法 | 第21-34页 |
| ·预测性对象点方法概述 | 第21页 |
| ·POPs 方法中的参数度量 | 第21-24页 |
| ·顶层类数 | 第21-22页 |
| ·继承树深度 | 第22页 |
| ·基类的子类数 | 第22-23页 |
| ·每类的加权方法数 | 第23-24页 |
| ·类中方法的分类及权值 | 第24-26页 |
| ·POPs 估算方法的计算步骤 | 第26-27页 |
| ·POPs 图表法应用实例 | 第27-31页 |
| ·POPs 图表法的不足 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 软件度量数据的建模方法 | 第34-44页 |
| ·机器学习 | 第34-35页 |
| ·决策树 | 第34-35页 |
| ·基于范例学习 | 第35页 |
| ·神经网络 | 第35-36页 |
| ·基于多准则的决策方法 | 第36页 |
| ·统计方法 | 第36-43页 |
| ·多元线性回归模型 | 第36-39页 |
| ·最小二乘法求解参数估计值 | 第39-43页 |
| ·参数的标准 | 第43页 |
| ·本章小结 | 第43-44页 |
| 5 基于多元线性回归模型的 POPs 软件估算模型 | 第44-49页 |
| ·POPs 方法的多元线性回归模型 | 第44-45页 |
| ·样本数据的提取和表结构 | 第45-46页 |
| ·WMC 建模及校准 | 第46-47页 |
| ·估算准确性的验证 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 6 软件估算系统的设计实现及实验结果分析 | 第49-58页 |
| ·开发工具 | 第49-50页 |
| ·模块设计 | 第50-52页 |
| ·数据采集及模型计算结果 | 第52-55页 |
| ·效率比较 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 7 结束语 | 第58-60页 |
| ·全文总结 | 第58页 |
| ·未来的工作和展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
| 发表的学术论文 | 第70页 |