本文關(guān)鍵詞： 軟件重構(gòu) 代碼壞味 反饋控制 壞味檢測(cè)　出處：《北京理工大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：軟件重構(gòu)是通過(guò)調(diào)整軟件內(nèi)部結(jié)構(gòu)來(lái)提高軟件質(zhì)量的一種技術(shù)。為了判定哪里需要重構(gòu),人們提出了代碼壞味的概念用于表示設(shè)計(jì)不合理的代碼。但代碼壞味的手工檢測(cè)比較困難也需要消耗大量寶貴的人力資源,因此人們提出了各種各樣的代碼壞味檢測(cè)方法與檢測(cè)工具。考慮到軟件重構(gòu)的主觀性,這些算法通常會(huì)給程序員預(yù)留一些閾值進(jìn)行個(gè)性化的定制。一方面是因?yàn)榇a壞味檢測(cè)通常是很主觀的并且與應(yīng)用程序相關(guān)。比如,長(zhǎng)方法的檢測(cè),代碼壞味檢測(cè)算法需要知道多長(zhǎng)才是真正意義上的長(zhǎng)。另一方面,程序員有自己不同的工作進(jìn)度安排和軟件質(zhì)量需求,他們需要根據(jù)自己的實(shí)際情況來(lái)個(gè)性化的定制相關(guān)閾值。然而,大部分的程序員并不了解閾值設(shè)定和性能表現(xiàn)之間精確的數(shù)量關(guān)系,因此要他們手動(dòng)地優(yōu)化這些閾值非常困難。為此,本文提出了一種面向代碼壞味檢測(cè)的閾值動(dòng)態(tài)優(yōu)化方法。該方法根據(jù)程序員的反饋?zhàn)詣?dòng)優(yōu)化壞味檢測(cè)中的閾值設(shè)置。具體優(yōu)化過(guò)程包括如下幾個(gè)步驟。首先,程序員根據(jù)自己的工作進(jìn)度安排和代碼質(zhì)量需求設(shè)置一個(gè)目標(biāo)查準(zhǔn)率。然后,根據(jù)程序員的反饋,閾值優(yōu)化算法在保證查準(zhǔn)率不小于目標(biāo)查準(zhǔn)率的情況下,自動(dòng)的搜索最優(yōu)的閾值設(shè)定使得查全率最大化。在5個(gè)不同類型的開(kāi)源項(xiàng)目上對(duì)4種常見(jiàn)的代碼壞味進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果表明,該方法比現(xiàn)有方法更為有效,實(shí)際查準(zhǔn)率與目標(biāo)查準(zhǔn)率之間的平均差距降低了80%;并且初始閾值的選擇對(duì)方法幾乎沒(méi)有影響。因此該方法是十分有效的。
[Abstract]:Software refactoring is a technique to improve software quality by adjusting the internal structure of software. People put forward the concept of bad taste of code to represent the code with unreasonable design, but the manual detection of bad taste of code is more difficult and needs to consume a lot of valuable human resources. Therefore, people put forward a variety of code bad taste detection methods and detection tools, considering the subjectivity of software refactoring. These algorithms usually allow programmers some threshold for personalized customization, on the one hand, because code bad taste detection is usually subjective and relevant to the application, for example, long method detection. Code bad taste detection algorithms need to know how long is really long. On the other hand, programmers have their own different schedule and software quality requirements. They need to customize the relevant thresholds according to their actual situation. However, most programmers do not understand the precise quantitative relationship between threshold setting and performance. So it's very difficult to ask them to manually optimize these thresholds. In this paper, a threshold dynamic optimization method for code bad taste detection is proposed. The method automatically optimizes threshold setting in bad taste detection according to programmer's feedback. The specific optimization process includes the following steps. The programmer sets a target precision rate according to his work schedule and code quality requirements. Then, according to the feedback of the programmer, the threshold optimization algorithm ensures that the precision rate is not less than the target precision rate. Automatic search optimal threshold sets maximize recall. Four common code bad smells are tested on five different open source projects. The results show that the proposed method is more effective than the existing methods. The average gap between the actual precision rate and the target precision rate is reduced by 80%; And the choice of initial threshold has little effect on the method, so this method is very effective.
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP311.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 饒鮮;楊紹全;魏青;董春曦;;基于熵的入侵檢測(cè)特征參數(shù)選擇[J];系統(tǒng)工程與電子技術(shù);2006年04期

2 王東琦,王長(zhǎng)山,林延福;檢測(cè)SYN洪水攻擊的動(dòng)態(tài)模型[J];現(xiàn)代電子技術(shù);2004年23期

3 周勇林;由林麟;張永錚;;基于命名及解析行為特征的異常域名檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年20期

4 李彬,戴銀濤,胡昌振;Linux下一種入侵檢測(cè)特征提取及規(guī)則制定方法[J];計(jì)算機(jī)安全;2003年11期

5 曹政;入侵檢測(cè)技術(shù),雞肋還是機(jī)會(huì)?——入侵檢測(cè)的幾個(gè)問(wèn)題和解決途徑[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2003年04期

6 孟磊;劉勝利;劉龍;陳嘉勇;孫海濤;;基于心跳行為分析的木馬快速檢測(cè)方法[J];計(jì)算機(jī)工程;2012年14期

7 張小兵,葉新銘,石立新;入侵檢測(cè)中的告警分析研究[J];內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年05期

8 蔣宗華;劉軍;;基于動(dòng)態(tài)克隆選擇的入侵檢測(cè)及其搜索核特征的研究[J];電腦與信息技術(shù);2006年06期

9 胡建康;徐震;馬多賀;楊婧;;基于決策樹(shù)的Webshell檢測(cè)方法研究[J];網(wǎng)絡(luò)新媒體技術(shù);2012年06期

10 黎利輝;;基于遺傳模擬退火算法的入侵檢測(cè)特征選擇研究[J];計(jì)算機(jī)安全;2010年07期

相關(guān)重要報(bào)紙文章 前1條

1 金婉霞 本報(bào)記者 王春;檢測(cè)H7N9 僅需兩小時(shí)[N];科技日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 姜德迅;代碼壞味檢測(cè)方法研究及重構(gòu)分析[D];哈爾濱工業(yè)大學(xué);2014年

2 任少卿;基于特征共享的高效物體檢測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 許舟軍;基于異常分析的入侵檢測(cè)關(guān)鍵技術(shù)研究[D];天津大學(xué);2006年

4 郁繼鋒;基于數(shù)據(jù)挖掘的Web應(yīng)用入侵異常檢測(cè)研究[D];華中科技大學(xué);2011年

5 任斐;基于數(shù)據(jù)挖掘的自適應(yīng)異常檢測(cè)研究[D];吉林大學(xué);2009年

6 滕少華;基于對(duì)象監(jiān)控的分布式協(xié)同入侵檢測(cè)[D];廣東工業(yè)大學(xué);2008年

7 李戰(zhàn)春;入侵檢測(cè)中的機(jī)器學(xué)習(xí)方法及其應(yīng)用研究[D];華中科技大學(xué);2007年

8 李鴻彬;SIP網(wǎng)絡(luò)中入侵檢測(cè)與防御系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國(guó)科學(xué)院研究生院（沈陽(yáng)計(jì)算技術(shù)研究所）;2012年

9 劉長(zhǎng)龍;基于側(cè)信道分析的硬件木馬檢測(cè)技術(shù)研究[D];天津大學(xué);2013年

10 張福勇;面向惡意代碼檢測(cè)的人工免疫算法研究[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 胥小馬;使用多特征和多線索的駕駛員人臉檢測(cè)技術(shù)[D];北京理工大學(xué);2015年

2 李先飛;基于外貌特征的行人檢測(cè)方法研究與軟件實(shí)現(xiàn)[D];電子科技大學(xué);2014年

3 劉秋榮;面向代碼壞味檢測(cè)的閾值動(dòng)態(tài)優(yōu)化方法[D];北京理工大學(xué);2016年

4 郝建波;微博突發(fā)話題檢測(cè)、跟蹤與傳播預(yù)測(cè)技術(shù)研究[D];哈爾濱工程大學(xué);2013年

5 李娜娜;基于免疫的層次異常檢測(cè)研究[D];河北工業(yè)大學(xué);2005年

6 錢昱;數(shù)據(jù)挖掘在入侵檢測(cè)中的應(yīng)用研究[D];安徽大學(xué);2004年

7 梁宏志;特征分析在入侵檢測(cè)中的應(yīng)用[D];電子科技大學(xué);2007年

8 吳素芹;免疫Agent在入侵檢測(cè)中的應(yīng)用研究[D];南京理工大學(xué);2009年

9 馮月姣;基于頻率分析的網(wǎng)絡(luò)流量異常檢測(cè)方法研究[D];吉林大學(xué);2011年

10 肖柏旭;基于卷積網(wǎng)絡(luò)的人臉檢測(cè)的研究與實(shí)現(xiàn)[D];華北電力大學(xué)（河北）;2007年

，

本文編號(hào)：1475446