發(fā)布時間：2025-02-27 19:23

　　設計模式是人們在實踐過程中總結出來的成功設計的范例,它們幫助設計者將新的設計建立在以往工作的基礎上,復用以往成功的設計方案。設計模式的應用使得軟件系統(tǒng)的開發(fā)效率和軟件系統(tǒng)的質(zhì)量都得到了很大的提升。然而,許多系統(tǒng)的設計文檔或者不完整,或者與源代碼不完全匹配。對于使用敏捷開發(fā)方法構建的軟件系統(tǒng),這個問題更為嚴重。另一方面,即使系統(tǒng)的設計文檔完整可用且與源代碼完全匹配,這些文檔可能并未詳細記錄設計模式使用信息。因此,高效、準確地自動識別出系統(tǒng)中包含的設計模式實例,對理解、維護和重構大型軟件項目具有重要意義。近年來,國內(nèi)外的相關文獻已經(jīng)提出很多設計模式自動識別的方法。然而,設計模式的識別是一個比較復雜的問題,這些方法存在以下不足:1)這些文獻大多是將模式與整個系統(tǒng)進行匹配,因此識別的準確率和時間性能并不高。其中一些文獻嘗試在執(zhí)行搜索算法前減少搜索空間以優(yōu)化時間性能,但仍然是在整個系統(tǒng)的基礎上對搜索空間進行縮小。2)行為型模式的識別是一個頗有挑戰(zhàn)性的問題�，F(xiàn)有文獻有些只針對結構型/創(chuàng)建型模式的識別,并不能檢測行為型模式。還有文獻試圖使用同一個匹配算法搜索結構型/創(chuàng)建型模式和行為型模式,識別的準確率...

【文章頁數(shù)】：131 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 課題的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 源代碼信息的提取
        1.2.2 系統(tǒng)和模式的表示
        1.2.3 模式搜索算法
        1.2.4 支撐工具
        1.2.5 時間性能的優(yōu)化
        1.2.6 基于機器學習的設計模式識別
        1.2.7 模式變體的識別
    1.3 當前研究存在的問題與不足
    1.4 論文研究的主要內(nèi)容及創(chuàng)新點
        1.4.1 主要內(nèi)容
        1.4.2 創(chuàng)新點
    1.5 章節(jié)安排
2 相關知識和技術
    2.1 設計模式
    2.2 UML
        2.2.1 類圖
        2.2.2 序列圖
    2.3 相似度評分算法
    2.4 FSM
    2.5 軟件度量
    2.6 機器學習與ANN
        2.6.1 機器學習
        2.6.2 ANN
    2.7 本章小結
3 系統(tǒng)和設計模式的表示及源代碼信息的提取
    3.1 源代碼信息的提取
        3.1.1 靜態(tài)信息的提取
        3.1.2 動態(tài)信息的提取
    3.2 系統(tǒng)和設計模式的有向圖/矩陣表示
    3.3 行為型模式的FSM表示
    3.4 本章小結
4 基于相似度評分和二級子系統(tǒng)的設計模式識別
    4.1 基本流程
    4.2 子系統(tǒng)的劃分
    4.3 二級子系統(tǒng)的構建
    4.4 相似度矩陣的計算
    4.5 二級子系統(tǒng)是否為模式實例的判斷
    4.6 基于二級子系統(tǒng)的模式實例獲取
    4.7 本章小結
5 基于FSM的行為型模式確認
    5.1 基本流程
    5.2 行為型模式候選實例的獲取
    5.3 模式的類和方法到實例的映射及客戶端的確認
    5.4 候選實例的方法調(diào)用跟蹤的捕獲
    5.5 方法調(diào)用跟蹤與FSM的匹配
    5.6 行為型模式候選實例的確認
    5.7 本章小結
6 基于軟件度量、命名特征和機器學習的行為型模式確認
    6.1 基本流程
    6.2 現(xiàn)有設計模式識別算法的選取
    6.3 開源項目的選取
    6.4 模式實例的存儲與投票數(shù)統(tǒng)計
    6.5 正負樣本的判定與標記
    6.6 設計模式的命名特征
    6.7 基于人工神經(jīng)網(wǎng)絡的決策模型生成
    6.8 基于決策模型的行為型模式候選實例的確認
    6.9 本章小結
7 實驗及結果分析
    7.1 實驗環(huán)境
    7.2 評估指標
    7.3 結果分析
    7.4 本章小結
8 結論與展望
    8.1 結論
    8.2 下一步的工作
參考文獻
附錄A
致謝
作者簡介



本文編號：4034402