| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题背景分析 | 第7-9页 |
| 1.1.1 软件危机 | 第7-8页 |
| 1.1.2 软件可靠性 | 第8-9页 |
| 1.1.3 软件缺陷 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 静态预测技术 | 第9-10页 |
| 1.2.2 动态预测技术 | 第10-11页 |
| 1.3 缺陷预测技术存在的问题 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 2 相关理论基础 | 第13-17页 |
| 2.1 软件缺陷度量元 | 第13-14页 |
| 2.1.1 代码度量元 | 第13页 |
| 2.1.2 McCabe 度量元 | 第13-14页 |
| 2.1.3 Halstead 度量元 | 第14页 |
| 2.2 度量元选择 | 第14-15页 |
| 2.2.1 主成分分析 | 第14-15页 |
| 2.2.2 线性判别分析 | 第15页 |
| 2.2.3 基于信息熵的方法 | 第15页 |
| 2.3 软件缺陷预测方法 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 软件缺陷数据集及预处理 | 第17-22页 |
| 3.1 软件缺陷数据集 | 第17-18页 |
| 3.2 数据预处理 | 第18-21页 |
| 3.2.1 缺失值 | 第18-19页 |
| 3.2.2 错误数据 | 第19页 |
| 3.2.3 离群点 | 第19页 |
| 3.2.4 标准化 | 第19-21页 |
| 3.3 本章小结 | 第21-22页 |
| 4 基于改进模糊 C 均值的软件缺陷预测方法 | 第22-32页 |
| 4.1 基于划分的聚类方法 | 第22-24页 |
| 4.1.1 K 均值算法 | 第22-23页 |
| 4.1.2 k 中心点算法 | 第23页 |
| 4.1.3 CLARANS 算法 | 第23-24页 |
| 4.2 模糊 C 均值 | 第24-25页 |
| 4.2.1 模糊 C 均值算法描述 | 第24页 |
| 4.2.2 模糊 C 均值的优缺点 | 第24-25页 |
| 4.3 模拟退火 | 第25页 |
| 4.4 遗传算法 | 第25-26页 |
| 4.5 改进模糊 C 均值 | 第26-27页 |
| 4.6 实验过程及结果分析 | 第27-31页 |
| 4.7 本章小结 | 第31-32页 |
| 5 基于改进 DBSCAN 算法的软件缺陷预测方法 | 第32-44页 |
| 5.1 基于密度的聚类算法 | 第32-33页 |
| 5.1.1 OPTICS 算法 | 第32-33页 |
| 5.1.2 DENCLUE 算法 | 第33页 |
| 5.2 DBSCAN 算法 | 第33-36页 |
| 5.2.1 DBSCAN 算法描述 | 第33-35页 |
| 5.2.2 DBSCAN 算法的优缺点 | 第35-36页 |
| 5.3 DBSCAN 算法的改进 | 第36-40页 |
| 5.4 实验过程及结果分析 | 第40-43页 |
| 5.5 本章小结 | 第43-44页 |
| 6 总结与展望 | 第44-46页 |
| 6.1 总结 | 第44页 |
| 6.2 展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51页 |
| 在校期间发表的论文以及科研成果等 | 第51页 |