摘要 | 第1-11页 |
ABSTRACT | 第11-13页 |
第一章 绪论 | 第13-20页 |
·研究背景及意义 | 第13-14页 |
·国内外研究现状 | 第14-19页 |
·基于模型的估算技术 | 第14-15页 |
·专家判定技术 | 第15-16页 |
·基于机器学习的估算技术 | 第16-18页 |
·回归分析技术 | 第18页 |
·多种方法的组合运用 | 第18-19页 |
·论文主要工作 | 第19页 |
·论文的组织结构 | 第19-20页 |
第二章 软件估算中分类方法的选择 | 第20-30页 |
·软件估算中的问题 | 第20-22页 |
·估算方法使用不当 | 第20页 |
·可解释性差 | 第20-21页 |
·主观性 | 第21页 |
·历史项目集标准各异 | 第21-22页 |
·主要分类方法介绍 | 第22-26页 |
·常用分类方法 | 第22-24页 |
·其他分类方法 | 第24-25页 |
·组合方法 | 第25-26页 |
·软件估算中分类方法的选择分析 | 第26-28页 |
·决策树分类对于软件估算的意义 | 第28-29页 |
·本章小结 | 第29-30页 |
第三章 基于分类预测技术的软件成本估算 | 第30-39页 |
·分类预测概述 | 第30页 |
·估算流程 | 第30-32页 |
·数据预处理 | 第32-34页 |
·数据选择 | 第33页 |
·数据清理 | 第33页 |
·属性选择 | 第33页 |
·目标属性分类 | 第33-34页 |
·构建决策树分类模型 | 第34-35页 |
·模型的后处理 | 第35-38页 |
·决策树的剪枝 | 第35页 |
·模型的评估 | 第35-38页 |
·模型的优化 | 第38页 |
·估算软件项目 | 第38页 |
·本章小结 | 第38-39页 |
第四章 数据预处理 | 第39-50页 |
·数据选择 | 第39页 |
·数据清理 | 第39-41页 |
·缺失值 | 第39-41页 |
·噪声数据 | 第41页 |
·属性选择 | 第41-43页 |
·目标属性分类 | 第43-49页 |
·聚类分析概述 | 第44-45页 |
·离散化 | 第45-46页 |
·软件项目工作量的分类 | 第46-48页 |
·确定目标属性类别到预测值的映射 | 第48-49页 |
·本章小结 | 第49-50页 |
第五章 决策树分类模型的构建 | 第50-59页 |
·决策树基本概念 | 第50页 |
·典型决策树算法的基本思想 | 第50-55页 |
·C4.5 算法 | 第51-53页 |
·CART算法 | 第53-54页 |
·PUBLIC算法 | 第54页 |
·SLIQ算法 | 第54-55页 |
·常用决策树算法的比较 | 第55页 |
·构建决策树分类模型 | 第55-58页 |
·导入数据 | 第56页 |
·建立模型 | 第56-58页 |
·本章小结 | 第58-59页 |
第六章 模型的后处理 | 第59-70页 |
·决策树的剪枝 | 第59-62页 |
·先剪枝 | 第59页 |
·后剪枝 | 第59-62页 |
·模型的评估 | 第62-66页 |
·混淆矩阵评估 | 第64-65页 |
·lift图评估 | 第65-66页 |
·MMRE和PRED评估 | 第66页 |
·模型的优化 | 第66-69页 |
·本章小结 | 第69-70页 |
第七章 实验验证 | 第70-79页 |
·实验数据的介绍 | 第70-71页 |
·Desharnais数据集 | 第70页 |
·ISBSGv9 数据集 | 第70-71页 |
·Desharnais数据集实验验证 | 第71-72页 |
·ISBSG数据集实验验证 | 第72-77页 |
·数据预处理 | 第72-74页 |
·构建模型 | 第74-75页 |
·模型评估 | 第75-76页 |
·模型优化 | 第76-77页 |
·实验结论 | 第77-78页 |
·本章小结 | 第78-79页 |
第八章 结束语 | 第79-81页 |
·工作总结 | 第79页 |
·下一步的工作 | 第79-81页 |
致谢 | 第81-82页 |
参考文献 | 第82-85页 |
作者在学期间取得的学术成果 | 第85-86页 |
附录A 基于Desharnais数据集的决策树分类模型 | 第86-87页 |
附录B 基于Desharnais数据集的软件成本估算规则集 | 第87-116页 |
附录C ISBSGv9 数据集数据(部分) | 第116页 |