軟件缺陷預(yù)測(cè)是一個(gè)活躍的研究領(lǐng)域,它尋求有效的方法來(lái)預(yù)測(cè)給定軟件項(xiàng)目中的缺陷傾向。軟件缺陷預(yù)測(cè)技術(shù)通過(guò)挖掘源代碼文件和一些開(kāi)發(fā)文檔,提取相應(yīng)的度量來(lái)學(xué)習(xí)構(gòu)建預(yù)測(cè)模型,然后對(duì)新的文件系統(tǒng)進(jìn)行預(yù)測(cè)。往往一個(gè)新的文件系統(tǒng)沒(méi)有足夠的歷史數(shù)據(jù)來(lái)訓(xùn)練模型,跨項(xiàng)目缺陷預(yù)測(cè)技術(shù)（Cross-Project Defect Prediction,CPDP）也就應(yīng)運(yùn)而生,它使用來(lái)自同公司的類似項(xiàng)目（源項(xiàng)目）作為訓(xùn)練數(shù)據(jù)建立預(yù)測(cè)模型,然后將當(dāng)前的項(xiàng)目（目標(biāo)項(xiàng)目）作為測(cè)試集預(yù)測(cè)模塊中是否有缺陷。然而CPDP的源項(xiàng)目數(shù)據(jù)和目標(biāo)項(xiàng)目數(shù)據(jù)之間的分布存在差異性,大部分的缺陷數(shù)據(jù)不僅有著復(fù)雜的數(shù)據(jù)結(jié)構(gòu)而且有著顯著的類不平衡的情況,基于以上問(wèn)題,本文著手研究跨項(xiàng)目的軟件缺陷預(yù)測(cè)技術(shù)中的難題,提高預(yù)測(cè)模型的預(yù)測(cè)性能。首先,提出了一種基于鄰域保留嵌入典型相關(guān)分析的軟件缺陷預(yù)測(cè)方法（NPE-CCA）。該方法先根據(jù)數(shù)據(jù)引力技術(shù)將目標(biāo)項(xiàng)目樣本信息傳輸?shù)皆错?xiàng)目樣本的權(quán)重中,得到一個(gè)有關(guān)源項(xiàng)目樣本的權(quán)重向量。再使用典型相關(guān)分析（CCA）對(duì)原本的源項(xiàng)目樣本與目標(biāo)項(xiàng)目樣本尋找共同空間,使得數(shù)據(jù)預(yù)測(cè)之間的相關(guān)性最大化。最后經(jīng)過(guò)鄰域保留嵌入算法... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 軟件缺陷預(yù)測(cè)研究現(xiàn)狀
    1.3 本文主要研究工作概述
    1.4 本文的組織結(jié)構(gòu)安排
第二章 相關(guān)背景知識(shí)介紹
    2.1 跨項(xiàng)目缺陷預(yù)測(cè)方法概述
    2.2 遷移學(xué)習(xí)技術(shù)的研究
        2.2.1 遷移學(xué)習(xí)的特點(diǎn)和分類
        2.2.2 遷移成分分析(TCA)
        2.2.3 最近鄰過(guò)濾方法(NN-filter)
    2.3 經(jīng)典分類算法模型
        2.3.1 邏輯回歸的算法模型
        2.3.2 支持向量機(jī)的算法模型
        2.3.3 樸素貝葉斯的算法模型
        2.3.4 集成學(xué)習(xí)算法模型
    2.4 本章小結(jié)
第三章 基于鄰域保留嵌入典型相關(guān)分析的軟件缺陷預(yù)測(cè)
    3.1 動(dòng)機(jī)與思路
    3.2 NPE-CCA方法介紹
        3.2.1 NPE-CCA方法模型
        3.2.2 NPE-CCA方法步驟
    3.3 實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)庫(kù)介紹
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 預(yù)測(cè)方案
        3.3.4 對(duì)比方法介紹
        3.3.5 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于鄰域保留嵌入核典型相關(guān)分析的軟件缺陷預(yù)測(cè)
    4.1 動(dòng)機(jī)與思路
    4.2 NPE-KCCA方法介紹
        4.2.1 核方法介紹
        4.2.2 NPE-KCCA方法模型
        4.2.3 NPE-KCCA方法步驟
    4.3 預(yù)測(cè)方案
    4.4 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第五章 基于代價(jià)敏感的遷移多核集成學(xué)習(xí)的軟件缺陷預(yù)測(cè)
    5.1 動(dòng)機(jī)與思路
    5.2 CTMKEL方法介紹
        5.2.1 類不平衡學(xué)習(xí)介紹
        5.2.2 CTMKEL方法模型
        5.2.3 CTMKEL方法步驟
    5.3 預(yù)測(cè)方案
    5.4 實(shí)驗(yàn)結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)研究展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫(xiě)的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專利
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Software Defect Distribution Prediction Model Based on NPE-SVM[J]. Hua Wei,Chun Shan,Changzhen Hu,Huizhong Sun,Min Lei.  中國(guó)通信. 2018(05)
[2]最大局部加權(quán)均值差異嵌入[J]. 皋軍,黃麗莉.  電子學(xué)報(bào). 2013(08)

碩士論文
[1]基于聯(lián)合表示的軟件缺陷預(yù)測(cè)方法研究[D]. 史作婷.南京郵電大學(xué) 2018
[2]風(fēng)險(xiǎn)社會(huì)下抽象危險(xiǎn)犯設(shè)置的正當(dāng)性與邊界[D]. 潘方晴.華東政法大學(xué) 2018
[3]基于搜索的半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)方法研究[D]. 何吉元.天津大學(xué) 2017
[4]基于實(shí)例與特征的遷移學(xué)習(xí)文本分類方法研究[D]. 韋余永.西南大學(xué) 2015



本文編號(hào)：3485530