| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 相关背景知识介绍 | 第19-27页 |
| 2.1 软件缺陷预测模型类别介绍 | 第19-20页 |
| 2.2 非线性软件缺陷预测建模技术 | 第20-25页 |
| 2.2.1 Bagging技术 | 第20-21页 |
| 2.2.2 随机森林技术 | 第21-22页 |
| 2.2.3 梯度Boosting回归技术 | 第22-23页 |
| 2.2.4 支持向量回归技术 | 第23-25页 |
| 2.3 基于遗传编程的预测建模技术 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于遗传算法的非线性缺陷预测模型构建优化 | 第27-35页 |
| 3.1 遗传算法 | 第27-28页 |
| 3.2 基于遗传算法的非线性预测模型构建优化 | 第28-33页 |
| 3.2.1 缺陷预测模型的构建方法 | 第28-31页 |
| 3.2.2 算法流程 | 第31-32页 |
| 3.2.3 模型框架图 | 第32-33页 |
| 3.3 预测效果的评估方法 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于多基因遗传编程的缺陷预测模型构建 | 第35-43页 |
| 4.1 基于多基因遗传编程的缺陷预测模型的设计 | 第35-39页 |
| 4.1.1 总体设计 | 第35-37页 |
| 4.1.2 详细设计 | 第37-39页 |
| 4.2 基于多基因遗传编程的缺陷预测模型的实现 | 第39-42页 |
| 4.2.1 多基因遗传编程的算法流程 | 第39-41页 |
| 4.2.2 算法描述 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验过程及结果分析 | 第43-53页 |
| 5.1 缺陷预测数据集的选取 | 第43-45页 |
| 5.2 缺陷预测实验过程 | 第45-46页 |
| 5.3 基于MGGP演化的软件缺陷预测模型对比结果分析 | 第46-50页 |
| 5.4 基于遗传算法构建的非线性预测模型对比结果分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者和导师简介 | 第61-63页 |
| 附件 | 第63-64页 |