| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| List of Abbreviations | 第13-20页 |
| Chapter 1 Introduction | 第20-38页 |
| 1.1. Semi-supervised Learning | 第24-26页 |
| 1.2. Clustering | 第26-27页 |
| 1.3. Feature Learning | 第27-29页 |
| 1.4. Class Imbalance Problem | 第29-30页 |
| 1.5. Multi-Class Problem | 第30-32页 |
| 1.6. Comparison between FCM and DFCM | 第32页 |
| 1.7. Motivations | 第32-35页 |
| 1.7.1. Motivation of Semi-Supervised DFCM Clustering for Software FaultPrediction | 第32-33页 |
| 1.7.2. Motivation of the Empirical study of Semi-Supervised DFCM Clustering forSoftware Fault Prediction | 第33-34页 |
| 1.7.3. Motivation of Semi-Supervised DFCM Clustering for Imbalanced Multi-classClassification | 第34-35页 |
| 1.8. Contributions | 第35-37页 |
| 1.8.1. Contribution of Semi-Supervised DFCM Clustering for Software FaultPrediction | 第35页 |
| 1.8.2. Contribution of the Empirical study of Semi-Supervised DFCM Clustering forSoftware Fault Prediction | 第35-36页 |
| 1.8.3. Contribution of Semi-Supervised DFCM Clustering for Imbalanced Multi-class Classification | 第36-37页 |
| 1.9. Organization | 第37-38页 |
| Chapter 2 Semi-Supervised Deep Fuzzy C-Mean Clustering For Software Fault Prediction | 第38-66页 |
| 2.1. Introduction | 第38-39页 |
| 2.1.1. Motivation | 第39页 |
| 2.2. Semi-supervised Deep Fuzzy C-Mean Clustering | 第39-46页 |
| 2.2.1. Framework of Our Approach | 第39-40页 |
| 2.2.2. Theoretical Description of Proposed Approach | 第40-43页 |
| 2.2.3. Convergence of Proposed Approach | 第43-46页 |
| 2.3. Experiments | 第46-63页 |
| 2.3.1. Data Preparation | 第46-47页 |
| 2.3.2. Performance Measure | 第47页 |
| 2.3.3. Experimental Design | 第47-49页 |
| 2.3.4. Experimental Results and Analysis | 第49-61页 |
| 2.3.5. Statistical Analysis | 第61-63页 |
| 2.4. Threats to Validity | 第63-64页 |
| 2.4.1. Construct Validity | 第63页 |
| 2.4.2. Internal Validity | 第63页 |
| 2.4.3. External Validity | 第63-64页 |
| 2.5. Chapter Summary | 第64-66页 |
| Chapter 3 The Empirical study of Semi-Supervised Deep Fuzzy C-Mean Clustering for Software Fault Prediction | 第66-92页 |
| 3.1. Introduction | 第66-67页 |
| 3.1.1. Motivation | 第66-67页 |
| 3.2. Empirical Study of Semi-Supervised Deep Fuzzy-C Means Clustering | 第67-70页 |
| 3.2.1. Framework of Our Approach | 第67-68页 |
| 3.2.2. Theoretical Description of Proposed Approach | 第68-70页 |
| 3.3. Experiments | 第70-88页 |
| 3.3.1. Research Questions | 第71页 |
| 3.3.2. Data Preparation | 第71-72页 |
| 3.3.3. Performance Measure | 第72-73页 |
| 3.3.4. Experimental Design | 第73-76页 |
| 3.3.5. Experimental Result and Analysis | 第76-88页 |
| 3.4. Threats to Validity | 第88-90页 |
| 3.4.1. External Validity | 第88-89页 |
| 3.4.2. Internal Validity | 第89页 |
| 3.4.3. Construct Validity | 第89-90页 |
| 3.5. Chapter Summary | 第90-92页 |
| Chapter 4 Semi-Supervised Deep Fuzzy C-Mean Clustering for Imbalanced Multi-class Classification | 第92-116页 |
| 4.1. Introduction | 第92-93页 |
| 4.1.1. Motivation | 第92-93页 |
| 4.2. Semi-Supervised Deep Fuzzy C-Mean Clustering for imbalanced Multi-Class Classification (DFCM-MC) | 第93-97页 |
| 4.2.1. Framework of Our Approach | 第93页 |
| 4.2.2. Theoretical Description of Proposed Approach | 第93-97页 |
| 4.3. Experiments | 第97-113页 |
| 4.3.1. Data Preparation | 第97-98页 |
| 4.3.2. Performance Measure | 第98-100页 |
| 4.3.3. Experimental Setup | 第100页 |
| 4.3.4. Statistical Tests | 第100-101页 |
| 4.3.5. Results & Analysis | 第101-113页 |
| 4.4. Threats to Validity | 第113-115页 |
| 4.4.1. Construct Validity | 第113-114页 |
| 4.4.2. Internal Validity | 第114页 |
| 4.4.3. External Validity | 第114页 |
| 4.4.4. Statistical Validity | 第114-115页 |
| 4.5. Chapter Summary | 第115-116页 |
| Chapter 5 Concluding Remarks and Future Work | 第116-118页 |
| 5.1. Concluding Remarks | 第116-117页 |
| 5.2. Future work | 第117-118页 |
| References | 第118-128页 |
| Acknowledgements | 第128-130页 |
| Bibliography | 第130-131页 |
