| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 研究内容与目标 | 第9-10页 |
| 1.3 研究的贡献 | 第10页 |
| 1.4 本文框架 | 第10-11页 |
| 第2章 文献综述 | 第11-18页 |
| 2.1 国内外对软件项目风险管理的研究情况总述 | 第11页 |
| 2.2 外包软件项目风险管理 | 第11-13页 |
| 2.3 软件项目风险预测模型 | 第13-14页 |
| 2.4 代价敏感学习 | 第14-15页 |
| 2.5 集成方法 | 第15-16页 |
| 2.6 总结 | 第16-18页 |
| 第3章 方法论 | 第18-23页 |
| 3.1 单分类器 | 第18页 |
| 3.2 集成方法 | 第18-20页 |
| 3.2.1 Majority Voting 机制 | 第19页 |
| 3.2.2 Bagging 机制 | 第19页 |
| 3.2.3 Boosting 机制 | 第19-20页 |
| 3.3 代价敏感学习 | 第20-21页 |
| 3.3.1 混淆矩阵 | 第20-21页 |
| 3.3.2 Metacost 方法 | 第21页 |
| 3.4 模型评估方法 | 第21-23页 |
| 第4章 实验以及结果分析 | 第23-43页 |
| 4.1 研究设计 | 第23-24页 |
| 4.2 步骤一：数据收集 | 第24-28页 |
| 4.2.1 输入变量 | 第24页 |
| 4.2.2 输出变量 | 第24-25页 |
| 4.2.3 样本数据信息 | 第25-27页 |
| 4.2.4 数据预处理 | 第27-28页 |
| 4.3 步骤二：最优单分类器的选择 | 第28-31页 |
| 4.3.1 非代价敏感框架 | 第28页 |
| 4.3.2 代价敏感框架 | 第28-31页 |
| 4.4 步骤三：集成分类器的构建 | 第31-40页 |
| 4.4.1 异质集成分类器 | 第31-32页 |
| 4.4.2 同质集成分类器 | 第32-40页 |
| 4.5 步骤四：选择最优的分类器 | 第40-41页 |
| 4.6 实验结论 | 第41-43页 |
| 第5章 总结 | 第43-45页 |
| 5.1 对软件项目风险管理的意义 | 第43-44页 |
| 5.1.1 研究意义 | 第43页 |
| 5.1.2 实践意义 | 第43-44页 |
| 5.2 研究的不足和进一步讨论 | 第44-45页 |
| 参考文献 | 第45-53页 |
| 致谢 | 第53-55页 |
| 附录 A 外包软件项目风险管理调查问卷 | 第55-60页 |
| 附录 B 代价敏感框架下单分类器实验结果 | 第60-61页 |
| 附录 C 基于 bagging 的同质集成分类器最优迭代次数的选择 | 第61-70页 |
| 附录 D 基于 boosting 的同质集成分类器最优迭代次数的选择 | 第70-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80-81页 |
| 在学期间参与的科研项目 | 第81页 |