1. 毕业设计（论文）的内容和要求
本课题的目标旨在研究和解决机器学习中类不平衡问题对即时软件缺陷预测方法的影响，以及在现实情景中可能会出现的验证延迟问题，即标记的训练示例会延迟到达的问题。
软件缺陷预测（Software Defect Prediction，SDP）一直是软件工程研究中最活跃的领域之一，减少软件缺陷的数量（及其高调试成本）是一个具有挑战性的问题，特别是考虑到软件团队的测试资源有限，并且经常面临快速交付的强大压力。
因此，已经提出了机器学习方法来预测软件源代码中的缺陷。
2. 参考文献
[1] George G. Cabral, Leandro L. Minku, Emad Shihab, etc. Class Imbalance Evolution and Verification Latency in Just-in-Time Software Defect Prediction[C]. Montreal, Canada: International Conference on Software Engineering, 2019. [2]陈翔,顾庆,刘望舒等.静态软件缺陷预测方法研究[J].软件学报,2016,01:1-25. [3]马樱.基于机器学习的软件缺陷预测技术研究[D].四川省:电子科技大学,2012. [4]陈琳.基于机器学习的软件缺陷预测研究[D].重庆市:重庆大学,2016. [5]于巧,姜淑娟,张艳梅,等.分类不平衡对软件缺陷预测模型性能的影响研究[J].计算机学报,2018,04:809-824. [6]蔡亮,范元瑞,鄢萌,等.即时软件缺陷预测研究进展[J].软件学报,2019,05:1288-1307. [7]李冉,周丽娟,王华.面向类不平衡数据集的软件缺陷预测模型[J].计算机应用研究,2018,09:2806-2810. [8]宫丽娜,姜淑娟,姜丽.软件缺陷预测技术研究进展[J].软件学报,2019,10:3090-3114. [9]李勇.结合欠抽样与集成的软件缺陷预测[J].计算机应用,2014,8:2291-2294 2310. [10]王青,伍书剑,李明树.软件缺陷预测技术[J].软件学报,2008,7:1565-1580. [11] C. Manjula, Lilly Florence. Deep neural network based hybrid approach for software defect prediction using software metrics[J].Cluster Computing: The Journal of Networks, Software Tools and Applications,2019,22(7):9847-9863. [12]翟云,杨炳儒,曲武.不平衡类数据挖掘研究综述[J].计算机科学,2010,10:27-32. [13]范先念.数据不平衡分类问题研究[D].安徽省:中国科学技术大学,2011. [14] Kwabena Ebo Bennin, Jacky W. Keung, Akito Monden. On the relative value of data resampling approaches for software defect prediction[J]. Empirical Software Engineering,2019,24(2):602-636. [15]王瑞.针对类别不平衡和代价敏感分类问题的特征选择和分类算法[D].安徽省:中国科学技术大学,2013. [16]傅艺绮,董威,尹良泽,等.基于组合机器学习算法的软件缺陷预测模型[J].计算机研究与发展,2017,3:663-641.
