声明
摘要
第1章绪论
1.1研究背景和意义
1.2众包质量保证的研究现状
1.2.1任务分派
1.2.2结果处理
1.2.3用户参与度
1.2.4信用度评价
1.3众包软件测试的研究现状分析
1.4当前存在的主要问题
1.5本文的组织结构
第2章基于多任务匹配的众包协作测试方法
2.1引言
2.2 PM2CT模型
2.2.1模型描述
2.2.2 Web协作测试问题形式化
2.3 PM2CT任务划分和分配
2.3.1任务划分算法(TPA)
2.3.2多任务匹配算法(MMA)
2.4实验设计
2.4.1系统实现
2.4.2实验设置
2.4.3评价标准
2.5 实验结果
2.6 本章小结
第3章基于特征选择和RSMOTF的高影响Bug报告识别
3.1引言
3.2基础知识
3.2.1特征选择算法
3.2.2不平衡算法
3.2.3超限学习机(ELM)
3.3 RSMOTE模型
3.3.1模型介绍
3.3.2 RSMOTE方法
3.4实验设计
3.4.1实验数据
3.4.2评价标准
3.5实验结果
3.6本章小结
第4章基于实例模糊熵和RSOMTE的Bug严重性识别
4.1引言
4.2基础知识
4.2.1实例选择算法
4.2.2模糊KNN理论基础
4.3 FER模型
4.3.1概述
4.3.2计算类模糊度算法(CFCMD)
4.3.3选择边界Bug报告算法(BRS)
4.3.4 RSMOTE方法
4.4实验设计
4.4.1实验数据
4.4.2实验设置
4.4.3评价标准
4.5实验结果
4.6本章小结
第5章基于多分类器模糊集成的Bug严重性识别
5.1引言
5.2模糊积分理论基础
5.2.1模糊测度
5.2.2模糊积分
5.3 Choquet模糊积分集成多RSMOTE方法模型
5.3.1概述
5.3.2数据约减方法
5.3.3 RSMOTE方法
5.3.4模糊积分集成多RSMOTE方法
5.4实验设计
5.4.1实验数据
5.4.2评价标准
5.5实验结果
5.6本章小结
第6章Bug严重性识别的迁移学习
6.1引言
6.2粗糙集理论基础
6.2.1基础知识
6.2.2集合的上近似集和下近似集
6.2.3知识的约减和核
6.2.4知识的相对约减和相对核
6.2.5知识的信息熵和互信息
6.3基于粗糙集特征提取模型
6.3.1模型描述
6.3.2预处理模型
6.3.3基于重要度的粗糙集属性约减方法
6.4实验设计
6.4.1实验数据
6.4.2评价标准
6.5实验结果
6.6本章小结
第7章结论与展望
7.1结论
7.2展望
参考文献
攻读博士学位期间科研成果及科研项目
致谢
作者简介