随着软件行业的快速发展,软件成本管理作为软件工程重要的一环,越来越得到相关从业人员的重视。COCOMO Ⅱ模型作为理论研究最为广泛的软件成本估算模型,其成功得益于将影响软件成本的因素严格地隔离出来,表示为5个规模因子和17个成本驱动因子,每个因子分为四到六个等级。如何准确、科学地使用这些因子是一个值得长期探讨和发展的课题。随着机器学习的兴起和历史数据的沉淀,使得深入研究这些因子的定级过程成为可能。本文主要对COCOMO Ⅱ模型中影响较为显著的软件复杂性和可靠性进行研究。论文主要工作如下:（1）针对COCOMO Ⅱ模型中复杂性定级主观性强、难以操作、评估层次过高等问题,本文提出了基于模块的软件复杂性定级方法。首先根据模块分解结构将软件自顶向下划分为多个模块,将每个模块的特征按照性质分为定性特征和定量特征,分别提出了灰色聚类和定量分析的复杂性定级方法,并通过多加权评估法综合两种特征的复杂性定级结果,得到各个模块的复杂性等级。最后根据模块分解结构自底向上综合评估软件复杂性等级,并应用于COCOMO Ⅱ改进模型。本文以一款具有智能推荐功能的运营商软件MI系统为例,给出了其软件复杂性定级过程,验证了上述方法的可行性。（2）本文提出了基于缺陷预测来改进COCOMO Ⅱ模型中软件可靠性定级过程,该方法能综合软件自身可靠性和软件要求可靠性等级。首先面向模块多维度缺陷特征提出了基于CNN-SVM的缺陷倾向性预测模型、面向细粒度类缺陷特征提出了基于SVR的缺陷数目预测模型,分别在PC5和CK多个数据集上验证了这两个模型的性能,然后将以上预测结果统计得模块缺陷率或千代码行缺陷数,进而对软件自身可靠性定级。而软件要求可靠性等级则通过软件类型类比失效损失进行定级。最后同样以MI系统为例,给出了改进的软件可靠性定级过程,验证了上述方法的可行性。（3）基于以上研究实现了基于COCOMO Ⅱ改进模型的软件成本估算系统。详细介绍了系统总体设计,各个模块实现的具体功能,并通过界面进行展示。最后,还给出了MI系统的软件成本估算案例,对本文方法进行了验证。