
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于 STOA 优化 C5.0 的 Java 开源系统代码异味检测研究
《Scientific Reports》:STOA-C: integrating sandpiper optimization with decision trees for code smell identification in object-oriented system(s)
【字体: 大 中 小 】 时间:2026年09月27日 来源:Scientific Reports 4.9
编辑推荐:
摘要软件系统在当代社会中越来越重要,产生了对高质量、可维护代码的持续需求。然而,代码异味可能在设计和实现阶段产生,使软件系统更难演进和维护。因此,识别代码异味的成因并有效检测它们对于提高软件质量、降低维护工作量以及增强可维护性、可读性和可扩展性至关重要。本研究采用C5.0机器
软件系统在当代社会中越来越重要,产生了对高质量、可维护代码的持续需求。然而,代码异味可能在设计和实现阶段产生,使软件系统更难演进和维护。因此,识别代码异味的成因并有效检测它们对于提高软件质量、降低维护工作量以及增强可维护性、可读性和可扩展性至关重要。本研究采用C5.0机器学习技术,针对Log4j、Xerces-J、Eclipse、GanttProject和ArgoUML这五个Java开源系统,检测Fowler的八种代码异味,即:过长参数列表、数据类、过长方法、特性依恋、功能分解、意大利面条代码、大型类和大泥团类。虽然C5.0在分类任务中有效,但它对超参数设置较为敏感。为解决这一局限性,将鹬优化算法(STOA)与C5.0相结合(称为STOA-C),以识别用于代码异味检测的适当软件度量子集。通过一系列实验对所提出的框架进行评估,使用精确率、召回率和F值等标准性能度量指标。结果和对比分析将在"结果"部分中呈现,以评估所提出方法相对于现有技术的有效性。