| 中文摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题来源和研究领域 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 研究目标及主要工作 | 第10-11页 |
| 1.4 本文贡献及组织结构 | 第11-13页 |
| 第2章 相关研究工作 | 第13-23页 |
| 2.1 克隆代码的相关介绍 | 第13-16页 |
| 2.1.1 克隆代码的相关术语 | 第13-14页 |
| 2.1.2 克隆代码的分类 | 第14-16页 |
| 2.2 国内外研究现状及分析 | 第16-21页 |
| 2.2.1 克隆代码有害性界定 | 第16-17页 |
| 2.2.2 不平衡数据的研究方法 | 第17-18页 |
| 2.2.3 特征选择 | 第18-20页 |
| 2.2.4 软件缺陷预测及自动识别 | 第20-21页 |
| 2.3 总结 | 第21-23页 |
| 第3章 分类不平衡与特征选择问题的研究 | 第23-37页 |
| 3.1 克隆代码有害性定义及标注 | 第23-25页 |
| 3.2 克隆代码有害性的多元特征提取 | 第25-30页 |
| 3.2.1 有害性特征的确定 | 第25-27页 |
| 3.2.2 有害性特征的提取 | 第27-28页 |
| 3.2.3 有害性特征的存储表示 | 第28-30页 |
| 3.3 分类不平衡问题的解决方法 | 第30-32页 |
| 3.3.1 分类不平衡率定义 | 第30-31页 |
| 3.3.2 改进的随机下采样算法K-Balance | 第31-32页 |
| 3.4 克隆代码有害性特征选择模型 | 第32-36页 |
| 3.4.1 IGR-SFFSM方法 | 第32-33页 |
| 3.4.2 特征评估指标—信息增益率 | 第33-34页 |
| 3.4.3 生成候选特征集合 | 第34-35页 |
| 3.4.4 搜索最优特征子集 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 实验及实验结果分析 | 第37-51页 |
| 4.1 实验环境 | 第37页 |
| 4.2 实验方案设计 | 第37-40页 |
| 4.2.1 实验数据 | 第37-38页 |
| 4.2.2 评估方法 | 第38-39页 |
| 4.2.3 评价指标 | 第39-40页 |
| 4.3 分类不平衡实验 | 第40-46页 |
| 4.3.1 关键参数选取实验及分析 | 第40-44页 |
| 4.3.2 同类方法对比实验及分析 | 第44-46页 |
| 4.4 克隆代码有害性特征选择实验 | 第46-50页 |
| 4.4.1 候选特征集选取实验及分析 | 第46-47页 |
| 4.4.2 相关算法对比实验及分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-54页 |
| 5.1 研究结论 | 第51-52页 |
| 5.1.1 分类不平衡问题的总结 | 第51-52页 |
| 5.1.2 有害性特征问题的总结 | 第52页 |
| 5.2 研究的不足及局限 | 第52-53页 |
| 5.3 后续工作及研究展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的论文及参与的项目 | 第60-61页 |
| 附录 | 第61-65页 |