| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 软件缺陷预测技术研究 | 第15-23页 |
| 2.1 软件缺陷 | 第15-18页 |
| 2.1.1 软件缺陷定义 | 第15-16页 |
| 2.1.2 软件缺陷的成因 | 第16-17页 |
| 2.1.3 软件缺陷的划分 | 第17-18页 |
| 2.2 软件度量 | 第18-20页 |
| 2.3 软件缺陷预测技术 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 支持向量机分类方法研究 | 第23-31页 |
| 3.1 基本思想 | 第23页 |
| 3.2 统计学习理论 | 第23-27页 |
| 3.3 支持向量机分类方法 | 第27-30页 |
| 3.3.1 基本原理 | 第27-28页 |
| 3.3.2 核函数 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 改进的参数优化方法和软件缺陷预测模型 | 第31-51页 |
| 4.1 遗传算法 | 第31-36页 |
| 4.1.1 编码及初始种群生成 | 第31-32页 |
| 4.1.2 个体适应度评价 | 第32页 |
| 4.1.3 遗传操作 | 第32-36页 |
| 4.2 改进的遗传算法 | 第36-38页 |
| 4.2.1 遗传操作概率调节方法 | 第36-37页 |
| 4.2.2 算法流程 | 第37-38页 |
| 4.3 基于改进遗传算法的参数优化和度量元属性选择 | 第38-43页 |
| 4.3.1 编码方式 | 第39-40页 |
| 4.3.2 适应度评价 | 第40页 |
| 4.3.3 遗传操作参数选择 | 第40-41页 |
| 4.3.4 算法流程 | 第41-43页 |
| 4.4 基于遗传优化支持向量机的软件缺陷预测模型 | 第43-49页 |
| 4.4.1 预测原理描述 | 第43-47页 |
| 4.4.2 模型框架描述 | 第47-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第5章 实验分析 | 第51-62页 |
| 5.1 实验数据 | 第51-54页 |
| 5.2 参数优化和度量元属性选择性能仿真实验 | 第54-58页 |
| 5.2.1 评价方法 | 第54页 |
| 5.2.2 实验设置 | 第54-55页 |
| 5.2.3 实验结果与分析 | 第55-58页 |
| 5.3 软件缺陷预测模型性能仿真实验 | 第58-61页 |
| 5.3.1 评价方法 | 第58-59页 |
| 5.3.2 实验设置 | 第59页 |
| 5.3.3 实验结果与分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表论文与研究成果清单 | 第67-68页 |
| 致谢 | 第68页 |