| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究的主要内容及拟解决的关键问题 | 第14-15页 |
| 1.3.1 本文研究的主要内容 | 第14-15页 |
| 1.3.2 本文拟解决的关键问题 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 相关概念及理论基础 | 第17-27页 |
| 2.1 软件缺陷预测简述 | 第17-18页 |
| 2.1.1 软件缺陷 | 第17页 |
| 2.1.2 软件缺陷预测 | 第17-18页 |
| 2.2 软件缺陷预测技术 | 第18-27页 |
| 2.2.1 软件缺陷预测的数据处理 | 第18-20页 |
| 2.2.2 软件缺陷预测模型 | 第20-23页 |
| 2.2.3 模型评价指标 | 第23-25页 |
| 2.2.4 模型验证与确认方法 | 第25-27页 |
| 第三章 基于组合采样技术的数据处理方法研究 | 第27-33页 |
| 3.1 数据采样技术 | 第27-28页 |
| 3.2 基于组合采样技术（RSmote）的数据处理方法 | 第28-29页 |
| 3.3 实验结果与分析 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 不平衡数据集特征选择方法研究 | 第33-38页 |
| 4.1 特征选择 | 第33页 |
| 4.2 包装器（Wrapper）和过滤器（Filter） | 第33-35页 |
| 4.3 基于组合采样技术和特征选择的数据处理方法 | 第35-36页 |
| 4.4 实验结果与分析 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 基于RSFSBoost算法的软件缺陷预测模型研究 | 第38-47页 |
| 5.1 Boosting算法 | 第38-39页 |
| 5.2 基于RSFSBoost算法的软件缺陷预测模型 | 第39-42页 |
| 5.3 实验结果与分析 | 第42-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 主要工作总结 | 第47-48页 |
| 6.2 工作展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 攻读硕士学位期间取得的学术成果 | 第54-55页 |
| 致谢 | 第55页 |
