基于支持向量机的软件质量评价
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义及目的 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.3.1 国外研究现状 | 第13-14页 |
| 1.3.2 国内研究现状 | 第14-15页 |
| 1.4 论文研究内容 | 第15-19页 |
| 1.4.1 研究方法 | 第15页 |
| 1.4.2 研究内容 | 第15-16页 |
| 1.4.3 创新点和难点 | 第16-19页 |
| 2 支持向量机相关理论概述 | 第19-31页 |
| 2.1 统计学习理论 | 第19-22页 |
| 2.2 支持向量机理论 | 第22-27页 |
| 2.2.1 支持向量机分类 | 第22-23页 |
| 2.2.2 支持向量机回归 | 第23-27页 |
| 2.3 核函数理论 | 第27-29页 |
| 2.3.1 核函数基本性质 | 第27-28页 |
| 2.3.2 核函数分类 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 软件质量理论及其指标体系构建 | 第31-43页 |
| 3.1 软件质量及管理体系 | 第31-32页 |
| 3.1.1 软件质量概述 | 第31页 |
| 3.1.2 软件质量管理体系 | 第31-32页 |
| 3.2 软件质量度量 | 第32-35页 |
| 3.2.1 软件质量度量理论 | 第32页 |
| 3.2.2 软件质量度量模型 | 第32-35页 |
| 3.3 软件质量评价 | 第35-36页 |
| 3.4 软件质量评价方法概述 | 第36-39页 |
| 3.4.1 模糊综合评价方法 | 第36-37页 |
| 3.4.2 灰色聚类评价方法 | 第37页 |
| 3.4.3 粗糙集评价方法 | 第37-38页 |
| 3.4.4 层次分析评价方法 | 第38页 |
| 3.4.5 人工神经网络评价方法 | 第38-39页 |
| 3.5 软件质量评价指标体系建立 | 第39-41页 |
| 3.6 本章小结 | 第41-43页 |
| 4 支持向量机评价模型构建 | 第43-57页 |
| 4.1 核函数确定 | 第43-47页 |
| 4.1.1 核函数确定方法 | 第44页 |
| 4.1.2 实验及结果分析 | 第44-47页 |
| 4.2 模型参数选择 | 第47-55页 |
| 4.2.1 模型参数及其影响 | 第47-49页 |
| 4.2.2 模型参数选取 | 第49-55页 |
| 4.3 本章小结 | 第55-57页 |
| 5 实例分析 | 第57-63页 |
| 5.1 实验设计 | 第57-58页 |
| 5.2 仿真实验及结果分析 | 第58-60页 |
| 5.3 本章小结 | 第60-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 发表论文情况 | 第69-71页 |
| 致谢 | 第71-72页 |
