| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-13页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 课题研究背景与意义 | 第14-16页 |
| 1.2 研究现状与存在的问题 | 第16-23页 |
| 1.2.1 同项目缺陷预测 | 第17-19页 |
| 1.2.2 跨项目缺陷预测 | 第19-21页 |
| 1.2.3 异质缺陷预测 | 第21-22页 |
| 1.2.4 亟待解决的问题 | 第22-23页 |
| 1.3 本文的研究内容 | 第23-24页 |
| 1.4 本文的组织结构 | 第24-26页 |
| 第2章 软件缺陷预测的基础 | 第26-33页 |
| 2.1 软件缺陷预测过程 | 第26-27页 |
| 2.2 软件度量 | 第27-28页 |
| 2.3 软件缺陷预测数据集 | 第28-30页 |
| 2.4 性能评价指标 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于代价敏感迁移核典型相关分析的异质缺陷预测方法 | 第33-61页 |
| 3.1 引言 | 第33-35页 |
| 3.1.1 研究动机 | 第34-35页 |
| 3.1.2 主要贡献 | 第35页 |
| 3.2 相关工作 | 第35-39页 |
| 3.2.1 跨项目缺陷预测方法 | 第36-37页 |
| 3.2.2 异质缺陷预测方法 | 第37页 |
| 3.2.3 基于典型相关分析的迁移学习方法 | 第37-38页 |
| 3.2.4 类不平衡学习方法 | 第38-39页 |
| 3.3 方法 | 第39-43页 |
| 3.3.1 迁移核典型相关分析 | 第39-41页 |
| 3.3.2 代价敏感迁移核典型相关分析 | 第41-43页 |
| 3.4 实验设置 | 第43-46页 |
| 3.4.1 研究问题 | 第43页 |
| 3.4.2 数据集 | 第43页 |
| 3.4.3 评价指标 | 第43页 |
| 3.4.4 实验设计 | 第43-46页 |
| 3.5 实验结果 | 第46-55页 |
| 3.5.1 与相关方法的比较 | 第46-49页 |
| 3.5.2 统计显著性检验 | 第49-52页 |
| 3.5.3 效应量检验 | 第52-53页 |
| 3.5.4 研究问题的结论 | 第53-55页 |
| 3.6 进一步讨论和分析 | 第55-60页 |
| 3.6.1 参数D取值大小的影响 | 第55-57页 |
| 3.6.2 不同分类器的影响 | 第57-58页 |
| 3.6.3 可视化结果图示 | 第58-59页 |
| 3.6.4 运行时间对比 | 第59页 |
| 3.6.5 方法的有效性分析 | 第59-60页 |
| 3.7 本章小结 | 第60-61页 |
| 第4章 基于代价敏感标签与结构一致性单向投影的异质缺陷预测方法 | 第61-82页 |
| 4.1 引言 | 第61-63页 |
| 4.1.1 研究动机 | 第62-63页 |
| 4.1.2 主要贡献 | 第63页 |
| 4.2 相关工作 | 第63-66页 |
| 4.2.1 跨项目缺陷预测方法 | 第63-64页 |
| 4.2.2 异质缺陷预测方法 | 第64-65页 |
| 4.2.3 类不平衡学习方法 | 第65页 |
| 4.2.4 现有方法的局限性 | 第65-66页 |
| 4.3 研究方法 | 第66-69页 |
| 4.3.1 符号定义 | 第66-67页 |
| 4.3.2 标签与结构一致性单向投影方法 | 第67-68页 |
| 4.3.3 提出的CLSUP方法 | 第68-69页 |
| 4.4 实验 | 第69-72页 |
| 4.4.1 研究问题 | 第69-71页 |
| 4.4.2 数据集 | 第71页 |
| 4.4.3 评价指标 | 第71页 |
| 4.4.4 实验设计 | 第71-72页 |
| 4.5 实验结果 | 第72-78页 |
| 4.5.1 与相关方法的比较 | 第72-74页 |
| 4.5.2 统计显著性检验 | 第74-76页 |
| 4.5.3 效应量检验 | 第76-77页 |
| 4.5.4 研究问题的结论 | 第77-78页 |
| 4.6 进一步讨论与分析 | 第78-81页 |
| 4.6.1 不同比例的目标训练数据的影响 | 第78-79页 |
| 4.6.2 不同分类器的作用 | 第79页 |
| 4.6.3 只使用LOC的预测性能 | 第79页 |
| 4.6.4 实用指导 | 第79-81页 |
| 4.6.5 方法的有效性分析 | 第81页 |
| 4.7 本章小结 | 第81-82页 |
| 第5章 基于多源与隐私保护的异质缺陷预测框架 | 第82-114页 |
| 5.1 引言 | 第82-84页 |
| 5.1.1 研究动机 | 第82-83页 |
| 5.1.2 主要贡献 | 第83页 |
| 5.1.3 研究问题 | 第83-84页 |
| 5.2 相关工作 | 第84-86页 |
| 5.2.1 跨项目缺陷预测方法 | 第84-85页 |
| 5.2.2 异质缺陷预测方法 | 第85-86页 |
| 5.2.3 缺陷预测中的隐私保护方法 | 第86页 |
| 5.3 研究方法 | 第86-95页 |
| 5.3.1 提出的隐私保护算法 | 第86-90页 |
| 5.3.2 多源异质缺陷预测 | 第90-95页 |
| 5.4 实验 | 第95-99页 |
| 5.4.1 数据集 | 第95页 |
| 5.4.2 评价指标 | 第95-96页 |
| 5.4.3 实验设置 | 第96-97页 |
| 5.4.4 实验设计 | 第97-99页 |
| 5.5 实验结果和分析 | 第99-105页 |
| 5.5.1 研究问题1的结果 | 第99-100页 |
| 5.5.2 研究问题2的结果 | 第100-105页 |
| 5.6 进一步讨论和分析 | 第105-113页 |
| 5.6.1 不同查询大小的隐私性结果 | 第105-106页 |
| 5.6.2 不同比例的目标训练数据的影响 | 第106-107页 |
| 5.6.3 目标训练数据的作用 | 第107-108页 |
| 5.6.4 多源选择流形鉴别对齐方法的作用 | 第108-109页 |
| 5.6.5 不同分类器的影响 | 第109-110页 |
| 5.6.6 实用指导 | 第110-112页 |
| 5.6.7 有效性分析 | 第112-113页 |
| 5.7 本章小结 | 第113-114页 |
| 第6章 总结与展望 | 第114-117页 |
| 6.1 本文工作总结 | 第114-115页 |
| 6.2 未来工作展望 | 第115-117页 |
| 参考文献 | 第117-126页 |
| 读博期间取得的研究成果 | 第126-127页 |
| 读博期间参与的研究课题 | 第127-128页 |
| 致谢 | 第128页 |