时间：2018年12月21日（周五）上午10:15

地点：计算机科学与技术学院六楼会议室

题目：基于特征迁移和实例迁移的跨项目缺陷预测方法

摘要：在实际软件开发中，需要进行缺陷预测的项目可能是一个新启动项目，或这个项目的历史训练数据较为稀缺。一种解决方案是利用其他项目已经搜集的训练数据来构建模型，并完成对当前项目的预测。但不同项目的数据集间会存在较大的分布差异性。针对该问题，我们同时从特征迁移和实例迁移角度出发，提出了一种两阶段跨项目缺陷预测方法，实证结果表明该方法的预测性能要优于特征或实例迁移的单阶段方法，较经典方法也有明显提升。此外，分析了方法内各种因素对预测性能的影响，从而为有效使用该方法提供了指南。

个人简介：刘望舒，博士，毕业于南京大学，计算机科学与技术专业。主要研究方向：软件质量保障、软件缺陷预测等

题目：生成对抗网络的概述和应用

摘要：生成对抗网络(Generative adversarial nets)是生成模型(generative model)的一种。由于生成对抗网络的一系列良好的特性，自生成对抗网络产生后就被应用到了各个领域，包括图像生成，图像分割，风格迁移等等，此外，在其他的一些领域，如信息检索、文本生成等也受到了极大关注。报告从生成模型出发，介绍生成对抗网络的基本原理、缺陷和改进，以及一些较为经典的对抗生成网络模型，最后主要介绍在医学图像领域的相关应用。

个人简介：吴梦麟，博士，毕业于南京理工大学。主要研究方向：医学图像处理、医学影像病变分析、医疗信息的检索和挖掘等领域，发表相关领域SCI、EI论文9篇，主持国家自然基金青年项目1项，主持江苏省高校自然科学基金面上项目1项，参与国家自然基金2项。

作者：计算机科学与技术学院   审核：刘学军