| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.3 本文研究的内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 软件缺陷预测概述 | 第19-33页 |
| 2.1 软件缺陷预测概述 | 第19-20页 |
| 2.2 跨项目缺陷预测概述 | 第20-24页 |
| 2.3 软件度量指标 | 第24-29页 |
| 2.3.1 软件度量指标基本概念 | 第24-25页 |
| 2.3.2 规模和复杂性度量 | 第25-26页 |
| 2.3.3 面向对象度量 | 第26-29页 |
| 2.4 常用软件缺陷预测分类器 | 第29-32页 |
| 2.4.1 J48分类器 | 第29-30页 |
| 2.4.2 逻辑回归分类器 | 第30页 |
| 2.4.3 朴素贝叶斯 | 第30-31页 |
| 2.4.4 支持向量机 | 第31页 |
| 2.4.5 随机森林 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于改进相似度训练数据选择策略 | 第33-40页 |
| 3.1 基于相似度匹配的训练数据选择方法 | 第34-35页 |
| 3.2 改进的相似度匹配训练数据选择方法 | 第35-39页 |
| 3.2.1 传统相似度计算 | 第35-36页 |
| 3.2.2 基于缺陷数量的相似度方法 | 第36-38页 |
| 3.2.3 算法描述 | 第38-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第4章 基于改进相似度的跨项目缺陷预测模型 | 第40-44页 |
| 4.1 基于改进相似度的跨项目缺陷预测集成方法框架 | 第40页 |
| 4.2 基于改进相似度的跨项目缺陷预测集成方法 | 第40-42页 |
| 4.2.1 投票集成 | 第41-42页 |
| 4.2.2 加权集成 | 第42页 |
| 4.3 算法描述 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 实验分析及结果 | 第44-61页 |
| 5.1 实验数据 | 第44-46页 |
| 5.2 实验环境 | 第46页 |
| 5.3 性能评估指标 | 第46页 |
| 5.4 结果分析 | 第46-60页 |
| 5.5 实验结论 | 第60页 |
| 5.6 本章小结 | 第60-61页 |
| 总结及展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |