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

【摘要】：軟件重構(gòu)是通過調(diào)整軟件內(nèi)部結(jié)構(gòu)來提高軟件質(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計不合理的代碼。但代碼壞味的手工檢測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方法與檢測工具�？紤]到軟件重構(gòu)的主觀性,這些算法通常會給程序員預留一些閾值進行個性化的定制。一方面是因為代碼壞味檢測通常是很主觀的并且與應用程序相關(guān)。比如,長方法的檢測,代碼壞味檢測算法需要知道多長才是真正意義上的長。另一方面,程序員有自己不同的工作進度安排和軟件質(zhì)量需求,他們需要根據(jù)自己的實際情況來個性化的定制相關(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的閾值動態(tài)優(yōu)化方法。該方法根據(jù)程序員的反饋自動優(yōu)化壞味檢測中的閾值設置。具體優(yōu)化過程包括如下幾個步驟。首先,程序員根據(jù)自己的工作進度安排和代碼質(zhì)量需求設置一個目標查準率。然后,根據(jù)程序員的反饋,閾值優(yōu)化算法在保證查準率不小于目標查準率的情況下,自動的搜索最優(yōu)的閾值設定使得查全率最大化。在5個不同類型的開源項目上對4種常見的代碼壞味進行了實驗驗證,結(jié)果表明,該方法比現(xiàn)有方法更為有效,實際查準率與目標查準率之間的平均差距降低了80%;并且初始閾值的選擇對方法幾乎沒有影響。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.
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.1

【相似文獻】

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,王長山,林延福;檢測SYN洪水攻擊的動態(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方法[J];計算機工程與應用;2011年20期

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

5 曹政;入侵檢測技術(shù),雞肋還是機會?——入侵檢測的幾個問題和解決途徑[J];網(wǎng)絡安全技術(shù)與應用;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方法[J];計算機工程;2012年14期

7 張小兵,葉新銘,石立新;入侵檢測中的告警分析研究[J];內(nèi)蒙古大學學報(自然科學版);2004年05期

8 蔣宗華;劉軍;;基于動態(tài)克隆選擇的入侵檢測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;;基于決策樹的Webshell檢測方法研究[J];網(wǎng)絡新媒體技術(shù);2012年06期

10 黎利輝;;基于遺傳模擬退火算法的入侵檢測特征選擇研究[J];計算機安全;2010年07期

相關(guān)重要報紙文章 前1條

1 金婉霞 本報記者 王春;檢測H7N9 僅需兩小時[N];科技日報;2013年

相關(guān)博士學位論文 前10條

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

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

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

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

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

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

7 李戰(zhàn)春;入侵檢測中的機器學習方法及其應用研究[D];華中科技大學;2007年

8 李鴻彬;SIP網(wǎng)絡中入侵檢測與防御系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國科學院研究生院（沈陽計算技術(shù)研究所）;2012年

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

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

相關(guān)碩士學位論文 前10條

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

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

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

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

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

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

7 梁宏志;特征分析在入侵檢測中的應用[D];電子科技大學;2007年

8 吳素芹;免疫Agent在入侵檢測中的應用研究[D];南京理工大學;2009年

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

10 肖柏旭;基于卷積網(wǎng)絡的人臉檢測的研究與實現(xiàn)[D];華北電力大學（河北）;2007年

，

本文編號：1475446