集成学习在软件缺陷检测中的运用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.1.1 软件缺陷预测的分类 | 第9-10页 |
| 1.2 软件缺陷检测框架 | 第10-12页 |
| 1.3 软件缺陷预测的主要方法 | 第12-13页 |
| 1.4 本文工作的概述 | 第13-14页 |
| 1.5 本文余下内容章节安排 | 第14-15页 |
| 第二章 相关基础知识 | 第15-26页 |
| 2.1 集成学习 | 第15-18页 |
| 2.1.1 Bagging | 第16-17页 |
| 2.1.2 随机特征子空间 | 第17-18页 |
| 2.2 类不平衡问题 | 第18-22页 |
| 2.2.1 常见运用中的类不平衡问题 | 第18-19页 |
| 2.2.2 常见分类器的类不平衡问题 | 第19-21页 |
| 2.2.3 类不平衡的解决方法 | 第21-22页 |
| 2.3 二分类度量指标 | 第22-24页 |
| 2.3.1 F值 | 第22-23页 |
| 2.3.2 ROC与AUC | 第23-24页 |
| 2.4 数据库介绍 | 第24-26页 |
| 第三章 基于下采样的改进Bagging方法 | 第26-36页 |
| 3.1 引言 | 第26-27页 |
| 3.2 基于下采样的改进Bagging | 第27-29页 |
| 3.3 实验结果和分析 | 第29-35页 |
| 3.3.1 实验一 | 第29-30页 |
| 3.3.2 实验二 | 第30-32页 |
| 3.3.3 实验三 | 第32-34页 |
| 3.3.4 实验四 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于特征构造的随机特征子空间 | 第36-46页 |
| 4.1 引言 | 第36页 |
| 4.2 方法动机 | 第36-37页 |
| 4.3 显示特征构造 | 第37-38页 |
| 4.4 随机特征子空间 | 第38-40页 |
| 4.5 实验结果和分析 | 第40-45页 |
| 4.5.1 实验一 | 第40-43页 |
| 4.5.2 实验二 | 第43-44页 |
| 4.5.3 实验三 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 分类器融合 | 第46-57页 |
| 5.1 引言 | 第46页 |
| 5.2 分类器融合概述 | 第46-47页 |
| 5.3 基于融合结构的方法 | 第47-49页 |
| 5.4 基于分类器结果的方法 | 第49-51页 |
| 5.4.1 简单平均 | 第49页 |
| 5.4.2 加权平均 | 第49-50页 |
| 5.4.3 神经网络方法 | 第50-51页 |
| 5.5 改进的加权融合方法 | 第51-52页 |
| 5.6 实验结果与分析 | 第52-54页 |
| 5.7 最终分类效果对比 | 第54-56页 |
| 5.8 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1攻读硕士学位期间撰写的论文 | 第62-63页 |
| 致谢 | 第63页 |
