軟件缺陷預(yù)測(cè)是軟件工程中最活躍的研究領(lǐng)域之一。缺陷預(yù)測(cè)模型能夠提供容易出錯(cuò)的源代碼組件或更改等,使得質(zhì)量保證團(tuán)隊(duì)可以通過(guò)更多努力應(yīng)對(duì)易出錯(cuò)的源代碼,有效地分配有限的資源來(lái)驗(yàn)證軟件產(chǎn)品。隨著軟件項(xiàng)目規(guī)模的擴(kuò)大,缺陷預(yù)測(cè)技術(shù)將在開發(fā)人員的工作中起到至關(guān)重要的作用,它幫助開發(fā)人員開發(fā)出更可靠的軟件產(chǎn)品,從而加快上市速度。本文從機(jī)器學(xué)習(xí)的角度研究分析軟件缺陷預(yù)測(cè)技術(shù)。目前,基于機(jī)器學(xué)習(xí)的缺陷預(yù)測(cè)已經(jīng)研究出很多方法,而且大多數(shù)方法在項(xiàng)目?jī)?nèi)預(yù)測(cè)很有效,但是也存在一些問(wèn)題:（1）在跨項(xiàng)目缺陷預(yù)測(cè)的表現(xiàn)通常較差,這主要是由于源項(xiàng)目和目標(biāo)項(xiàng)目之間的特征分布差異造成的,而大多數(shù)機(jī)器學(xué)習(xí)分類器都假設(shè)訓(xùn)練和測(cè)試數(shù)據(jù)在相同的特征空間中表示并且來(lái)自相同的數(shù)據(jù)分布。（2）很多研究主要集中在粗粒度水平的預(yù)測(cè)缺陷,如文件、包或模塊。（3）缺陷數(shù)據(jù)集的不平衡性一旦處理不當(dāng),將造成學(xué)習(xí)到的缺陷預(yù)測(cè)模型偏向大多數(shù)無(wú)缺陷類,從而嚴(yán)重影響了預(yù)測(cè)模型的預(yù)測(cè)性能�；谏鲜鰡�(wèn)題,本文著手研究了基于機(jī)器學(xué)習(xí)的軟件缺陷預(yù)測(cè)技術(shù)中最先進(jìn)的方法,包括遷移成分分析、深度學(xué)習(xí)等方法,并在此基礎(chǔ)上提出了創(chuàng)新的實(shí)用技術(shù),為解決軟件缺陷預(yù)測(cè)中的上述問(wèn)題... 

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 引言
    1.2 軟件缺陷預(yù)測(cè)及研究現(xiàn)狀
        1.2.1 軟件缺陷預(yù)測(cè)的基本內(nèi)容
        1.2.2 軟件缺陷預(yù)測(cè)的研究簡(jiǎn)史
    1.3 本文研究?jī)?nèi)容與創(chuàng)新點(diǎn)
        1.3.1 本文研究?jī)?nèi)容
        1.3.2 本文創(chuàng)新點(diǎn)
    1.4 本文的組織結(jié)構(gòu)
第二章 軟件缺陷預(yù)測(cè)的相關(guān)技術(shù)
    2.1 軟件失效機(jī)理
    2.2 軟件缺陷預(yù)測(cè)度量
        2.2.1 代碼度量
        2.2.2 McCabe度量
        2.2.3 Halstead度量
        2.2.4 CK度量
        2.2.5 其它度量指標(biāo)
    2.3 軟件缺陷預(yù)測(cè)的研究種類
    2.4 構(gòu)建軟件缺陷預(yù)測(cè)模型的主要機(jī)器學(xué)習(xí)算法
        2.4.1 基于邏輯回歸的軟件缺陷預(yù)測(cè)
        2.4.2 基于支持向量機(jī)的軟件缺陷預(yù)測(cè)
        2.4.3 基于高斯判別分析的軟件缺陷預(yù)測(cè)
    2.5 軟件缺陷預(yù)測(cè)模型的評(píng)估指標(biāo)
    2.6 本章小結(jié)
第三章 基于遷移學(xué)習(xí)的軟件缺陷預(yù)測(cè)
    3.1 研究背景
    3.2 遷移學(xué)習(xí)概述
    3.3 遷移成分分析
    3.4 基于遷移成分分析的軟件缺陷預(yù)測(cè)
        3.4.1 數(shù)據(jù)預(yù)處理
        3.4.2 數(shù)據(jù)歸一化選擇
    3.5 實(shí)驗(yàn)和結(jié)果
        3.5.1 缺陷預(yù)測(cè)過(guò)程
        3.5.2 數(shù)據(jù)集與評(píng)估指標(biāo)簡(jiǎn)介
        3.5.3 實(shí)驗(yàn)設(shè)置
        3.5.4 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于深度信念網(wǎng)絡(luò)的軟件缺陷預(yù)測(cè)
    4.1 研究背景
    4.2 基于深度信念網(wǎng)絡(luò)的軟件缺陷預(yù)測(cè)
        4.2.1 提出的方法框架
        4.2.2 數(shù)據(jù)預(yù)處理
        4.2.3 特征集成
        4.2.4 分類器的結(jié)構(gòu)
    4.3 實(shí)驗(yàn)和結(jié)果
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士期間參與的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Software Defect Detection with ROCUS[J]. 姜遠(yuǎn),黎銘,周志華.  Journal of Computer Science ＆ Technology. 2011(02)
[2]軟件缺陷預(yù)測(cè)技術(shù)[J]. 王青,伍書劍,李明樹.  軟件學(xué)報(bào). 2008(07)



本文編號(hào)：3698786