第一章 绪论 1
一、软件可靠性面临的挑战 1
二、软件缺陷预测技术研究内容及意义 2
（一）软件缺陷预测基本概念 3
（二）软件缺陷预测研究的基本内容 4
（三）软件缺陷预测的研究意义 6
三、本书研究内容与创新点 7
（一）研究内容 7
（二）研究成果与创新点 9
四、本书结构 10
第二章 软件缺陷预测相关技术 12
一、预测模型的发展 12
二、预测模型的特征属性 13
三、软件缺陷预测的模型及相关算法 16
（一）基于监督学习的缺陷预测算法 16
（二）基于无监督的软件缺陷预测模型及相关算法 23
（三）基于半监督的软件缺陷预测模型及相关算法 25
（四）基于回归模型的软件缺陷预测方法 27
（五）基于属性约简的缺陷预测方法 29
四、预测模型的评估指标 31
五、本章小结 33
第三章 基于迁移学习的软件缺陷预测 34
一、迁移学习 34
（一）简述 36
（二）相关研究 36
二、软件缺陷预测的迁移学习模型 36
（一）预测模型的适应性问题阐述 36
（二）软件缺陷预测的迁移学习模型 37
三、基于朴素贝叶斯的迁移学习算法 40
（一）NB预测算法 40
（二）TNB算法 41
（三）TNB算法分析 44
四、实验与分析 45
（一）比较的算法 45
（二）数据集介绍 46
（三）性能评估参数 47
（四）实验结果及分析 47
五、本章小结 57
第四章 基于抽样与集成的半监督软件缺陷预测 58
一、半监督软件缺陷预测 58
（一）半监督软件缺陷预测模型 59
（二）半监督学习概述 60
（三）半监督学习存在的问题分析 64
二、基于抽样与集成的预测算法 64
（一）算法描述 64
（二）基础分类器 68
（三）算法分析 68
三、实验与分析 70
（一）数据集 70
（二）实验结果 70
四、本章小节 80
第五章 基于主动学习的软件缺陷预测 81
一、研究背景 81
二、两阶段主动学习算法 83
（一）第一阶段获取代表性数据 84
（二）第二阶段获取关键信息数据 86
三、实验与分析 88
四、本章小结 90
第六章 基于核理论的软件缺陷预测 91
一、缺陷预测中类不平衡问题 91
（一）类不平衡问题的研究意义 91
（二）解决类不平衡问题的方法 92
二、核理论 93
（一）核理论简述 94
（二）基于核理论的属性约简方法 97
三、基于非对称的核主成分分析分类算法 98
（一）线性映射与非线性映射 98
（二）核方法中类不平衡问题的影响分析 98
（三）非对称的核主成分分类算法 105
四、实验与分析 106
（一）性能评价的度量 106
（二）实验结果与分析 106
五、本章小结 108
第七章 静态代码属性与软件缺陷的相关性分析 109
一、代码静态属性与模块缺陷数的关系 109
（一）偏相关系数 110
（二）偏相关实验分析 111
（三）性能评估 113
（四）实验结果 113
二、代码静态属性与模块缺陷倾向的关系 114
（一）软件缺陷预测 115
（二）秩相关系数 116
（三）偏相关系数 117
（四）实验分析 117
三、结束语 121
第八章 结束语 123
一、全文总结 123
（一）提出了基于迁移学习方法的预测模型 123
（二）提出了基于半监督学习方法的缺陷预测算法 124
（三）提出了基于主动学习的软件缺陷预测模型 124
（四）提出了基于核理论的软件缺陷预测方法 124
二、进一步研究工作 125
（一）研究软件模块的内部结构表示方法 125
（二）研究目前半监督学习方法在软件缺陷预测领域的应用 125
（三）研究各种属性约简方法对预测性能的影响 125
（四）软件数据噪声和数据偏斜研究 125
后记 126
附录 软件缺陷定义 127
参考文献 131