期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合静态程序分析与集成学习的Android代码异味共存检测
1
作者
王祯启
边奕心
+2 位作者
马偌楠
毕博宇
王金鑫
《计算机应用研究》
北大核心
2025年第4期1167-1176,共10页
相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的An...
相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的Android代码异味共存检测方法。作为初步研究,识别忽略类成员变量的方法异味与缺少低内存处理程序异味的共存。首先,提出基于静态程序分析的Android代码异味共存检测方法和正负样本自动生成方法并实现工具ASSD。该工具的输出为后续集成学习模型提供丰富的训练样本。然后,针对单一机器学习模型泛化能力有限的问题,提出一种软投票集成学习模型,识别共存的Android代码异味。该模型不仅可以集成传统机器学习模型,还可以集成改进的深度学习模型。实验结果表明,所提方法优于已有基于静态程序分析的检测方法,F_(1)值提升了26.1百分点。此外,基于传统机器学习的软投票集成学习模型优于基于深度学习的软投票集成学习模型,F_(1)值提升了6.1百分点。所提方法可以实现Android代码异味共存的检测。
展开更多
关键词
android
代码异味共存
软投票
集成学习
静态程序分析
在线阅读
下载PDF
职称材料
Android应用程序中代码异味共存现象的实证研究
被引量：
2
2
作者
边奕心
王露颖
+1 位作者
赵松
朱晓
《计算机应用研究》
CSCD
北大核心
2022年第9期2763-2767,共5页
相对于单一类型的代码异味,代码异味共存现象更具危害性。已有实证研究大多聚焦于分析桌面应用程序中代码异味的共存现象,缺少对Android应用程序中代码异味共存现象的研究。为了研究Android应用程序中代码异味的共存现象,并与桌面应用...
相对于单一类型的代码异味,代码异味共存现象更具危害性。已有实证研究大多聚焦于分析桌面应用程序中代码异味的共存现象,缺少对Android应用程序中代码异味共存现象的研究。为了研究Android应用程序中代码异味的共存现象,并与桌面应用程序中代码异味共存现象进行比较,分别对285个Android应用程序和30个桌面应用程序进行检测,对检测出来的10种异味进行分析。首先,根据检测结果计算受到多种异味影响的类的百分比。然后,使用公式计算代码异味共存的频率。最后,使用Spearman相关系数分析代码异味共存与应用程序规模的关系。结论如下:a)在Android应用程序中受到一种以上代码异味共同干扰的类占有异味的类的总数的31.04%;b)在两个平台的应用程序中,两对代码异味brain class-brain method和god class-brain method共存的频率较高;c)一种异味、两种异味共存、三种异味共存与Android应用程序的规模具有较强的相关性。
展开更多
关键词
代码异味共存
android
应用程序
桌面应用程序
实证研究
在线阅读
下载PDF
职称材料
基于集成学习的忽略成员的方法检测策略
3
作者
边奕心
王露颖
+1 位作者
赵松
朱晓
《计算机工程与设计》
北大核心
2023年第9期2679-2686,共8页
忽略成员的方法是一种Android特有代码异味,为检测这种异味,提出一种基于集成学习的检测策略。将代码度量与文本信息相融合作为特征集;将融合后的特征集输入所构建的Stacking集成学习模型中进行异味检测。为快速、准确获得机器学习所需...
忽略成员的方法是一种Android特有代码异味,为检测这种异味,提出一种基于集成学习的检测策略。将代码度量与文本信息相融合作为特征集;将融合后的特征集输入所构建的Stacking集成学习模型中进行异味检测。为快速、准确获得机器学习所需的大量标签数据,提出一种基于Android项目自动构建正负样本的方法。选用开源Android数据集对所提出的方法进行实验验证,实验结果表明,较已有检测方法,该策略能够提高异味检测的精确度。
展开更多
关键词
代码异味
安卓特有代码异味
忽略成员的方法
文本信息
特征融合
机器学习
集成学习
在线阅读
下载PDF
职称材料
题名
融合静态程序分析与集成学习的Android代码异味共存检测
1
作者
王祯启
边奕心
马偌楠
毕博宇
王金鑫
机构
哈尔滨师范大学计算机科学与信息工程学院
出处
《计算机应用研究》
北大核心
2025年第4期1167-1176,共10页
基金
黑龙江省高等教育教学改革研究项目(SJGYB2024407)。
文摘
相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的Android代码异味共存检测方法。作为初步研究,识别忽略类成员变量的方法异味与缺少低内存处理程序异味的共存。首先,提出基于静态程序分析的Android代码异味共存检测方法和正负样本自动生成方法并实现工具ASSD。该工具的输出为后续集成学习模型提供丰富的训练样本。然后,针对单一机器学习模型泛化能力有限的问题,提出一种软投票集成学习模型,识别共存的Android代码异味。该模型不仅可以集成传统机器学习模型,还可以集成改进的深度学习模型。实验结果表明,所提方法优于已有基于静态程序分析的检测方法,F_(1)值提升了26.1百分点。此外,基于传统机器学习的软投票集成学习模型优于基于深度学习的软投票集成学习模型,F_(1)值提升了6.1百分点。所提方法可以实现Android代码异味共存的检测。
关键词
android
代码异味共存
软投票
集成学习
静态程序分析
Keywords
android code smell co-occurrence
soft voting
ensemble learning
static program analysis
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
Android应用程序中代码异味共存现象的实证研究
被引量：
2
2
作者
边奕心
王露颖
赵松
朱晓
机构
哈尔滨师范大学计算机科学与信息工程学院
烟台大学计算机与控制工程学院
出处
《计算机应用研究》
CSCD
北大核心
2022年第9期2763-2767,共5页
基金
国家自然科学基金资助项目(61902094)
哈尔滨师范大学博士科研启动基金资助项目(XKB201801)
+2 种基金
黑龙江省自然科学基金资助项目(QC2018082)
黑龙江省普通本科高等学校青年创新人才培养计划资助项目(UNPYSCT-2018183)
哈尔滨师范大学计算机科学与信息工程学院科研项目(JKYKYY202004,JKYKYZ202104)。
文摘
相对于单一类型的代码异味,代码异味共存现象更具危害性。已有实证研究大多聚焦于分析桌面应用程序中代码异味的共存现象,缺少对Android应用程序中代码异味共存现象的研究。为了研究Android应用程序中代码异味的共存现象,并与桌面应用程序中代码异味共存现象进行比较,分别对285个Android应用程序和30个桌面应用程序进行检测,对检测出来的10种异味进行分析。首先,根据检测结果计算受到多种异味影响的类的百分比。然后,使用公式计算代码异味共存的频率。最后,使用Spearman相关系数分析代码异味共存与应用程序规模的关系。结论如下:a)在Android应用程序中受到一种以上代码异味共同干扰的类占有异味的类的总数的31.04%;b)在两个平台的应用程序中,两对代码异味brain class-brain method和god class-brain method共存的频率较高;c)一种异味、两种异味共存、三种异味共存与Android应用程序的规模具有较强的相关性。
关键词
代码异味共存
android
应用程序
桌面应用程序
实证研究
Keywords
code
smell
co-occurrence
s
android
applications
desktop applications
empirical study
分类号
TP31 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于集成学习的忽略成员的方法检测策略
3
作者
边奕心
王露颖
赵松
朱晓
机构
哈尔滨师范大学计算机科学与信息工程学院
出处
《计算机工程与设计》
北大核心
2023年第9期2679-2686,共8页
基金
国家自然科学基金项目(61902094)
哈尔滨师范大学博士科研启动基金项目(XKB201801)
+3 种基金
黑龙江省自然科学基金项目(QC2018082)
黑龙江省普通本科高等学校青年创新人才培养计划基金项目(UNPYSCT-2018183)
哈尔滨师范大学计算机科学与信息工程学院科研基金项目(JKYKYY202004,JKYKYZ202104)
哈尔滨市科技局科技创新人才研究专项资金基金项目(RC2017QN010002)。
文摘
忽略成员的方法是一种Android特有代码异味,为检测这种异味,提出一种基于集成学习的检测策略。将代码度量与文本信息相融合作为特征集;将融合后的特征集输入所构建的Stacking集成学习模型中进行异味检测。为快速、准确获得机器学习所需的大量标签数据,提出一种基于Android项目自动构建正负样本的方法。选用开源Android数据集对所提出的方法进行实验验证,实验结果表明,较已有检测方法,该策略能够提高异味检测的精确度。
关键词
代码异味
安卓特有代码异味
忽略成员的方法
文本信息
特征融合
机器学习
集成学习
Keywords
code
smell
android
-specific
code
smell
s
member ignoring method
text information
feature fusion
machine learning
ensemble learning
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合静态程序分析与集成学习的Android代码异味共存检测
王祯启
边奕心
马偌楠
毕博宇
王金鑫
《计算机应用研究》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
Android应用程序中代码异味共存现象的实证研究
边奕心
王露颖
赵松
朱晓
《计算机应用研究》
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
3
基于集成学习的忽略成员的方法检测策略
边奕心
王露颖
赵松
朱晓
《计算机工程与设计》
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
