| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 问题的提出 | 第9页 |
| 1.2 研究进展 | 第9-12页 |
| 1.3 选题的目的和意义 | 第12页 |
| 1.4 本文主要研究内容及组织结构 | 第12-15页 |
| 第2章 软件缺陷预测概述 | 第15-23页 |
| 2.1 软件缺陷概述 | 第15-18页 |
| 2.1.1 软件缺陷的定义 | 第15页 |
| 2.1.2 软件缺陷的来源 | 第15-16页 |
| 2.1.3 软件缺陷的分类 | 第16-17页 |
| 2.1.4 软件缺陷描述常用指标 | 第17-18页 |
| 2.1.5 软件度量 | 第18页 |
| 2.2 软件缺陷预测概述 | 第18-22页 |
| 2.2.1 软件缺陷预测步骤 | 第19页 |
| 2.2.2 软件缺陷预测模型评估指标 | 第19-20页 |
| 2.2.3 常见软件缺陷预测模型及比较 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 BP神经网络算法研究 | 第23-31页 |
| 3.1 BP神经网络 | 第23-27页 |
| 3.1.1 BP神经网络算法 | 第23-27页 |
| 3.1.2 BP神经网络的优缺点 | 第27页 |
| 3.2 BP神经网络改进传统改进方法 | 第27-29页 |
| 3.3 BP神经网络的软件缺陷预测模型 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于SAPSO-BP网络的软件缺陷预测模型 | 第31-45页 |
| 4.1 粒子群算法及模拟退火算法 | 第31-35页 |
| 4.1.1 粒子群算法 | 第31-33页 |
| 4.1.2 模拟退火算法 | 第33-35页 |
| 4.2 改进的SAPSO-BP算法 | 第35-38页 |
| 4.2.1 算法可行性分析 | 第35-36页 |
| 4.2.2 算法的设计与实现流程 | 第36-38页 |
| 4.3 基于SAPSO-BP软件缺陷预测模型的建立 | 第38-43页 |
| 4.3.1 度量元的选取 | 第38-40页 |
| 4.3.2 网络结构设计 | 第40页 |
| 4.3.3 参数设定 | 第40-41页 |
| 4.3.4 SAPSO-BP网络训练 | 第41-43页 |
| 4.4 本章小节 | 第43-45页 |
| 第5章 仿真实验 | 第45-55页 |
| 5.1 实验背景 | 第45-46页 |
| 5.1.1 实验环境 | 第45-46页 |
| 5.1.2 数据集描述 | 第46页 |
| 5.2 实验设计 | 第46-49页 |
| 5.2.1 数据选取 | 第46-48页 |
| 5.2.2 实验参数设置 | 第48页 |
| 5.2.3 评价方法 | 第48-49页 |
| 5.3 仿真比较 | 第49-54页 |
| 5.4 本章小节 | 第54-55页 |
| 第6章 工作总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士期间发表的论文情况 | 第63页 |