Machine Discovery of Static Software Reuse Potential Metrics
Machine Discovery of Static Software Reuse Potential Metrics
复制标题
静态软件重用潜力指标的机器发现
DOI：
--
复制
发表时间：
1994
期刊：
影响因子：
--
通讯作者：
Hing
中科院分区：
文献类型：
--
作者：
Hwee;S. Long;Hing
本文报告了一项研究，旨在确定可用于将C源代码划分为可复用类和不可复用类的静态软件重用潜在度量。所使用的技术利用了决策树归纳机器学习和粗糙集理论。我们得到的结果表明，由C4.5实现的前一种技术产生的分类规则集比由Datalogic/R实现的后一种技术产生的分类规则集要准确得多。C4.5规则也是可信的，因为它们支持当前对如何使用软件度量来度量软件重用潜力的理解。关键词：归纳概念学习，机器学习，粗糙集，软件重用跟踪：智能系统技术(机器学习)
This paper reports a study to identify static software reuse potential metrics that can be used to classify C source code into reusable and non-reusable classes. The techniques used exploit a decision tree inductive machine learning and rough sets theory. The results we obtained show that the former technique, as implemented by C4.5, produces a much more accurate set of classification rules than the latter technique, as implemented by DataLogic/R. The C4.5 rules are also plausible as they support current understanding of how software metrics can be used to measure software reuse potental. keywords: inductive concept learning, machine learning, rough sets, software reuse track: intelligent system technologies (machine learning)
SR-A（其配体是修饰的低密度脂蛋白）对 1 型糖尿病发病的影响。
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
清水まみ;安田尚史;中村晃;勝田敦美;佐々木弘智;荒井隆志;永田正男;原賢太;横野浩一
通讯作者：
横野浩一