特征选择在软件缺陷预测中的应用技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 应用背景和研究意义 | 第11-12页 |
| 1.2 研究方向和进展 | 第12-15页 |
| 1.2.1 动态缺陷预测和静态缺陷预测 | 第12-13页 |
| 1.2.2 回归任务的缺陷预测 | 第13-14页 |
| 1.2.3 分类任务的缺陷预测 | 第14页 |
| 1.2.4 特征选择 | 第14-15页 |
| 1.3 本文工作 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 软件缺陷预测 | 第17-35页 |
| 2.1 问题及过程 | 第17-18页 |
| 2.1.1 问题定义 | 第17页 |
| 2.1.2 预测过程 | 第17-18页 |
| 2.2 软件度量 | 第18-23页 |
| 2.2.1 代码度量 | 第19-22页 |
| 2.2.2 过程度量 | 第22-23页 |
| 2.2.3 其他软件度量 | 第23页 |
| 2.3 缺陷预测模型 | 第23-26页 |
| 2.3.1 常用机器学习算法 | 第23-26页 |
| 2.3.2 缺陷预测中的研究进展 | 第26页 |
| 2.4 特征选择 | 第26-30页 |
| 2.4.1 定义及选择过程 | 第27-28页 |
| 2.4.2 方法分类 | 第28-29页 |
| 2.4.3 缺陷预测中的研究进展 | 第29-30页 |
| 2.5 评测方法 | 第30-34页 |
| 2.5.1 评测流程 | 第30-31页 |
| 2.5.2 评测指标 | 第31-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 基于聚类的特征选择 | 第35-49页 |
| 3.1 方法动机 | 第35-36页 |
| 3.2 方法框架 | 第36-39页 |
| 3.3 特征关联性度量 | 第39-41页 |
| 3.4 特征相关性度量 | 第41-42页 |
| 3.5 算法描述和分析 | 第42-44页 |
| 3.5.1 算法描述 | 第42页 |
| 3.5.2 算法分析 | 第42-44页 |
| 3.6 算法设计与实现 | 第44-47页 |
| 3.6.1 算法设计 | 第44-45页 |
| 3.6.2 算法实现 | 第45-47页 |
| 3.7 本章小节 | 第47-49页 |
| 第四章 实证研究 | 第49-67页 |
| 4.1 研究问题 | 第49-50页 |
| 4.2 数据集 | 第50-51页 |
| 4.3 评价指标和显著性检验 | 第51-55页 |
| 4.4 实验设计 | 第55-57页 |
| 4.5 实验结果 | 第57-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表论文及参与项目情况 | 第77-78页 |
