| 详细摘要 | 第2-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 软件缺陷预测技术简介 | 第14-18页 |
| 1.3 论文主要工作 | 第18-19页 |
| 1.4 论文的结构安排 | 第19-20页 |
| 第二章 应用于软件缺陷预测的数据挖掘技术 | 第20-31页 |
| 2.1 数据挖掘技术 | 第20-22页 |
| 2.2 数据挖掘流程 | 第22-23页 |
| 2.3 应用于软件缺陷预测的数据挖掘方法及评估指标 | 第23-27页 |
| 2.3.1 数据挖掘方法 | 第23-26页 |
| 2.3.2 评估指标 | 第26-27页 |
| 2.4 应用于软件缺陷预测的数据挖掘框架 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 软件缺陷预测中的特征选择 | 第31-48页 |
| 3.1 特征选择方法介绍 | 第32-34页 |
| 3.1.1 特征排序方法 | 第32-33页 |
| 3.1.2 特征子集评估方法 | 第33-34页 |
| 3.2 CHCP方法 | 第34-39页 |
| 3.2.1 CHCP方法介绍 | 第34-35页 |
| 3.2.2 CHCP算法步骤 | 第35-39页 |
| 3.3 实验设置及分析 | 第39-47页 |
| 3.3.1 实验环境与数据集 | 第39-40页 |
| 3.3.2 实验评估指标与评估方法 | 第40-41页 |
| 3.3.3 实验结果分析 | 第41-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于集成学习的软件缺陷预测 | 第48-63页 |
| 4.1 集成学习简介 | 第48-51页 |
| 4.2 集成学习方法介绍 | 第51-55页 |
| 4.2.1 Bagging方法 | 第51-53页 |
| 4.2.2 Boosting方法 | 第53-54页 |
| 4.2.3 随机子空间(RandomSubSpace) | 第54-55页 |
| 4.3 软件缺陷预测 | 第55-62页 |
| 4.3.1 不同弱分类器对集成学习的影响 | 第55-58页 |
| 4.3.2 集成学习方法在软件缺陷预测中的应用 | 第58-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71页 |