| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究目的和意义 | 第9-10页 |
| 1.2 软件缺陷预测介绍 | 第10-11页 |
| 1.3 特征提取方法介绍 | 第11-12页 |
| 1.4 本文主要研究工作概述 | 第12页 |
| 1.5 本文内容章节安排 | 第12-14页 |
| 第二章 相关方法介绍 | 第14-24页 |
| 2.1 分类算法 | 第14-17页 |
| 2.1.1 朴素贝叶斯算法 | 第14-15页 |
| 2.1.2 支持向量机算法 | 第15-16页 |
| 2.1.3 决策树算法 | 第16-17页 |
| 2.2 特征提取方法 | 第17-23页 |
| 2.2.1 主成分分析 | 第17-19页 |
| 2.2.2 多维尺度算法 | 第19-20页 |
| 2.2.3 等距映射算法 | 第20-21页 |
| 2.2.4 拉普拉斯特征映射方法 | 第21-22页 |
| 2.2.5 局部保留投影方法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于半监督学习的拉普拉斯特征映射方法 | 第24-34页 |
| 3.1 动机与基本思想 | 第24页 |
| 3.2 SSLE方法 | 第24-27页 |
| 3.2.1 半监督学习下的距离度量 | 第25页 |
| 3.2.2 SSLE模型 | 第25-27页 |
| 3.3 实验分析 | 第27-33页 |
| 3.3.1 数据库介绍 | 第27-29页 |
| 3.3.2 评价指标 | 第29-30页 |
| 3.3.3 对比方法介绍 | 第30页 |
| 3.3.4 实验结果及分析 | 第30-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于半监督学习的整体正交拉普拉斯特征映射方法 | 第34-42页 |
| 4.1 动机与基本思路 | 第34页 |
| 4.2 SSHOLE方法 | 第34-37页 |
| 4.2.1 SSHOLE模型 | 第35-37页 |
| 4.3 实验分析 | 第37-41页 |
| 4.3.1 实验结果及分析 | 第37-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 核半监督整体正交拉普拉斯特征映射方法 | 第42-58页 |
| 5.1 动机与基本思路 | 第42页 |
| 5.2 KSSHOLE方法 | 第42-47页 |
| 5.2.1 核空间下的距离度量 | 第43-44页 |
| 5.2.2 KSSHOLE模型 | 第44-47页 |
| 5.3 实验分析 | 第47-57页 |
| 5.3.1 实验结果及分析 | 第47-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58-59页 |
| 6.2 进一步研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 致谢 | 第64页 |