| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 论文的结构和安排 | 第15-17页 |
| 第2章 软件缺陷预测概述 | 第17-22页 |
| 2.1 软件缺陷概念 | 第17-18页 |
| 2.2 软件缺陷预测技术 | 第18-19页 |
| 2.3 性能评估度量 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 改进的软件缺陷预测模型FREDSVM | 第22-37页 |
| 3.1 相关理论 | 第22-26页 |
| 3.1.1 改进的频繁项集挖掘算法（IMMFIA） | 第22-23页 |
| 3.1.2 相关度和排序规则强度（RSS） | 第23-24页 |
| 3.1.3 SVM算法 | 第24-25页 |
| 3.1.4 KNN算法 | 第25页 |
| 3.1.5 EDSVM算法 | 第25-26页 |
| 3.2 构造分类器 | 第26页 |
| 3.3 结合EDSVM进行分类预测 | 第26-27页 |
| 3.4 实验分析 | 第27-35页 |
| 3.4.1 数据集介绍 | 第27-30页 |
| 3.4.2 数据预处理 | 第30-31页 |
| 3.4.3 实验结果与分析 | 第31-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于XGBoost的软件缺陷预测模型 | 第37-53页 |
| 4.1 相关理论 | 第37-46页 |
| 4.1.1 Boosting算法 | 第37页 |
| 4.1.2 Adaboost算法 | 第37-38页 |
| 4.1.3 GBDT算法 | 第38-39页 |
| 4.1.4 XGBoost算法 | 第39-45页 |
| 4.1.5 代价敏感学习 | 第45-46页 |
| 4.2 构造新的损失函数 | 第46-47页 |
| 4.3 基于XGBoost的软件缺陷预测模型实现 | 第47-48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |