基于贝叶斯网络的软件缺陷预防研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 软件缺陷预测技术研究现状 | 第11-12页 |
| 1.2.2 贝叶斯网络研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 软件缺陷的研究 | 第16-30页 |
| 2.1 软件缺陷理论基础 | 第16-19页 |
| 2.1.1 软件缺陷定义 | 第16-17页 |
| 2.1.2 软件缺陷分类 | 第17-18页 |
| 2.1.3 软件缺陷产生原因 | 第18-19页 |
| 2.2 软件缺陷度量 | 第19-24页 |
| 2.2.1 软件度量与缺陷度量 | 第19-20页 |
| 2.2.2 缺陷度量元的层次 | 第20页 |
| 2.2.3 缺陷度量元的选择 | 第20-22页 |
| 2.2.4 缺陷度量模型与实施过程 | 第22-24页 |
| 2.3 软件缺陷分析及预测 | 第24-28页 |
| 2.3.1 缺陷度量数据分析 | 第24-26页 |
| 2.3.2 软件缺陷预测的几种方法 | 第26-28页 |
| 2.3.3 缺陷预测步骤 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 贝叶斯网络的研究 | 第30-44页 |
| 3.1 不确定知识 | 第30-32页 |
| 3.1.1 不确定知识表示与推理 | 第30-31页 |
| 3.1.2 贝叶斯网络与 KDD | 第31-32页 |
| 3.2 贝叶斯网络综述 | 第32-35页 |
| 3.2.1 贝叶斯网络相关定义 | 第32-33页 |
| 3.2.2 贝叶斯网络图模型 | 第33-34页 |
| 3.2.3 贝叶斯网络学习算法 | 第34-35页 |
| 3.3 贝叶斯网络构造 | 第35-40页 |
| 3.4 贝叶斯网络推理 | 第40-42页 |
| 3.5 贝叶斯网络在软件缺陷预测中的优势 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 贝叶斯网络算法改进 | 第44-54页 |
| 4.1 贝叶斯网络中的独立关系 | 第44-48页 |
| 4.1.1 d－分离 | 第44-46页 |
| 4.1.2 上下文独立 | 第46-47页 |
| 4.1.3 条件独立 | 第47页 |
| 4.1.4 因果关系独立 | 第47-48页 |
| 4.2 贝叶斯网络的简化 | 第48-52页 |
| 4.2.1 根据条件独立进行简化 | 第48-50页 |
| 4.2.2 网络结构简化 | 第50-51页 |
| 4.2.3 预计算 | 第51页 |
| 4.2.4 贝叶斯网络简化方法分析 | 第51-52页 |
| 4.3 实例分析 | 第52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 改进算法在软件缺陷预测中的应用 | 第54-64页 |
| 5.1 项目案例 | 第54-60页 |
| 5.1.1 确定软件缺陷预测模型的变量集和变量域 | 第54-55页 |
| 5.1.2 确定软件缺陷预测模型的网络结构 | 第55-56页 |
| 5.1.3 确定概率分布表 | 第56-60页 |
| 5.1.4 计算过程 | 第60页 |
| 5.2 结果分析 | 第60-62页 |
| 5.3 评估模型有效性 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 结论 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 前景展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
