軟件缺陷預(yù)測(cè)技術(shù)可以用于預(yù)測(cè)軟件缺陷是否存在以及其可能存在的數(shù)目,以決定軟件是否可以交付,對(duì)于軟件性能的提升、質(zhì)量的保證和測(cè)試成本的控制有著重要的意義。已有的軟件缺陷預(yù)測(cè)模型大多利用機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練和構(gòu)建,傳統(tǒng)機(jī)器學(xué)習(xí)的應(yīng)用則存在缺少原始數(shù)據(jù)、數(shù)據(jù)之間不滿足獨(dú)立同分布等固有限制,這些限制條件制約了該項(xiàng)技術(shù)的發(fā)展。遷移學(xué)習(xí)可以較好的彌補(bǔ)這一缺陷。因此本課題針對(duì)遷移學(xué)習(xí)與缺陷預(yù)測(cè)相關(guān)算法進(jìn)行了深入研究和優(yōu)化。首先本文對(duì)遷移學(xué)習(xí)分類(lèi)和軟件缺陷預(yù)測(cè)的基礎(chǔ)理論及相關(guān)技術(shù)進(jìn)行了研究,并針對(duì)跨項(xiàng)目的軟件缺陷預(yù)測(cè)問(wèn)題,重點(diǎn)分析和研究了現(xiàn)有的軟件缺陷分布預(yù)測(cè)技術(shù)。對(duì)相關(guān)技術(shù)的核心步驟進(jìn)行了可優(yōu)化性關(guān)鍵要素分析,具體包括數(shù)據(jù)預(yù)處理階段的特征選擇和構(gòu)建預(yù)測(cè)模型的相關(guān)算法。然后在軟件預(yù)測(cè)模型構(gòu)建過(guò)程中,首先對(duì)數(shù)據(jù)預(yù)處理技術(shù)進(jìn)行了研究和分析,基于過(guò)濾式特征選擇方法和SMOTE抽樣方法開(kāi)展研究工作。然后針對(duì)TrAdaboost和Rareboost兩個(gè)算法,分析了其樣本權(quán)值變更和子分類(lèi)器構(gòu)建方式,對(duì)軟件缺陷問(wèn)題的不平衡性特征,設(shè)計(jì)出了一個(gè)新的TrRareboost算法,且對(duì)其合理性和正確性進(jìn)行了分析。并結(jié)合Ad... 

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容與架構(gòu)
        1.3.1 論文主要研究?jī)?nèi)容
        1.3.2 論文架構(gòu)
第2章 遷移學(xué)習(xí)與軟件缺陷預(yù)測(cè)相關(guān)技術(shù)
    2.1 遷移學(xué)習(xí)相關(guān)技術(shù)
        2.1.1 機(jī)器學(xué)習(xí)與遷移學(xué)習(xí)
        2.1.2 遷移學(xué)習(xí)定義
        2.1.3 遷移學(xué)習(xí)分類(lèi)
    2.2 軟件缺陷預(yù)測(cè)相關(guān)理論及技術(shù)
        2.2.1 軟件可靠性及其度量
        2.2.2 軟件缺陷預(yù)測(cè)相關(guān)理論
    2.3 軟件缺陷預(yù)測(cè)問(wèn)題所屬類(lèi)別分析
    2.4 本章小結(jié)
第3章 基于遷移學(xué)習(xí)的軟件缺陷預(yù)測(cè)算法
    3.1 數(shù)據(jù)預(yù)處理方法研究與優(yōu)化
        3.1.1 數(shù)據(jù)預(yù)處理方法研究
        3.1.2 數(shù)據(jù)預(yù)處理方法優(yōu)化
    3.2 軟件缺陷預(yù)測(cè)算法
        3.2.1 bagging、Boosting和 Adaboost算法研究
        3.2.2 TrAdaboost算法
    3.3 缺陷預(yù)測(cè)算法優(yōu)化設(shè)計(jì)
        3.3.1 問(wèn)題定義
        3.3.2 算法描述
        3.3.3 TrRareboost算法分析
    3.4 TRADABOOST算法優(yōu)化
        3.4.1 算法優(yōu)化思想
        3.4.2 算法描述
        3.4.3 算法合理性分析
    3.5 軟件缺陷預(yù)測(cè)模型評(píng)價(jià)指標(biāo)
    3.6 本章小結(jié)
第4章 實(shí)驗(yàn)設(shè)計(jì)及相關(guān)分析
    4.1 實(shí)驗(yàn)環(huán)境簡(jiǎn)介
    4.2 實(shí)驗(yàn)數(shù)據(jù)集簡(jiǎn)介
    4.3 實(shí)驗(yàn)設(shè)計(jì)及相關(guān)結(jié)論
        4.3.1 實(shí)驗(yàn)一:對(duì)比Rareboost同 Adaboost算法
        4.3.2 實(shí)驗(yàn)二:對(duì)比TrRareboost同 TrAdaboost算法
        4.3.3 實(shí)驗(yàn)三:對(duì)比TrAdaboost與 TrAdaboost優(yōu)化算法
        4.3.4 實(shí)驗(yàn)四:驗(yàn)證特征選擇在Adaboost等算法中的效果
        4.3.5 實(shí)驗(yàn)五:驗(yàn)證抽樣在Adaboost算法中的效果
        4.3.6 實(shí)驗(yàn)六:驗(yàn)證NN-filter抽樣在遷移學(xué)習(xí)中的預(yù)測(cè)效果
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于特征遷移和實(shí)例遷移的跨項(xiàng)目缺陷預(yù)測(cè)方法[J]. 倪超,陳翔,劉望舒,顧慶,黃啟國(guó),李娜.  軟件學(xué)報(bào). 2019(05)
[2]一種多源異構(gòu)軟件缺陷預(yù)測(cè)方法[J]. 楊杰,范貴生,虞慧群.  小型微型計(jì)算機(jī)系統(tǒng). 2019(04)
[3]開(kāi)源軟件缺陷預(yù)測(cè)技術(shù)與遷移學(xué)習(xí)[J]. 任俊樺,劉峰.  軟件和集成電路. 2018(05)
[4]基于失效數(shù)據(jù)的軟件可靠性測(cè)試方法[J]. 顧吉堂.  電腦知識(shí)與技術(shù). 2018(01)
[5]基于半監(jiān)督集成學(xué)習(xí)的軟件缺陷預(yù)測(cè)[J]. 王鐵建,吳飛,荊曉遠(yuǎn).  模式識(shí)別與人工智能. 2017(07)
[6]軟件產(chǎn)品質(zhì)量的度量和評(píng)估方法[J]. 王蕊.  中國(guó)管理信息化. 2017(04)
[7]基于不平衡數(shù)據(jù)集的軟件缺陷預(yù)測(cè)[J]. 張曉風(fēng),張德平.  計(jì)算機(jī)應(yīng)用研究. 2017(07)
[8]基于遷移學(xué)習(xí)的軟件缺陷預(yù)測(cè)[J]. 程銘,毋國(guó)慶,袁夢(mèng)霆.  電子學(xué)報(bào). 2016(01)
[9]遷移學(xué)習(xí)研究進(jìn)展[J]. 莊福振,羅平,何清,史忠植.  軟件學(xué)報(bào). 2015(01)
[10]軟件缺陷預(yù)測(cè)技術(shù)[J]. 王青,伍書(shū)劍,李明樹(shù).  軟件學(xué)報(bào). 2008(07)

博士論文
[1]軟件缺陷預(yù)測(cè)中數(shù)據(jù)預(yù)處理關(guān)鍵技術(shù)研究及應(yīng)用[D]. 劉望舒.南京大學(xué) 2017
[2]基于機(jī)器學(xué)習(xí)的軟件缺陷預(yù)測(cè)研究[D]. 陳琳.重慶大學(xué) 2016
[3]基于度量元的軟件缺陷預(yù)測(cè)技術(shù)[D]. 楊曉杏.中國(guó)科學(xué)技術(shù)大學(xué) 2014



本文編號(hào)：3656462