CN105389192A - 一种基于加权q2指数的软件类重要性度量方法 - Google Patents
一种基于加权q2指数的软件类重要性度量方法 Download PDFInfo
- Publication number
- CN105389192A CN105389192A CN201510957055.6A CN201510957055A CN105389192A CN 105389192 A CN105389192 A CN 105389192A CN 201510957055 A CN201510957055 A CN 201510957055A CN 105389192 A CN105389192 A CN 105389192A
- Authority
- CN
- China
- Prior art keywords
- node
- class
- weighting
- cdn
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种基于加权q2指数的软件类重要性度量方法,包括以下步骤:将Java语言编写的软件源代码在特征粒度抽象为特征依赖网;基于特征依赖网构建类依赖网;基于类依赖网计算节点的加权h指数;基于类依赖网计算节点的加权m指数;基于节点的加权h指数和加权m指数计算节点的加权q2指数,并以节点的加权q2指数作为类重要性的度量指标。本发明弥补了现有技术鲜有涉及类重要性度量的不足,对于理解软件,提高代码维护效率具有重要意义。
Description
技术领域
本发明涉及一种软件类重要性度量方法,尤其是涉及一种基于加权q2指数的软件类重要性度量方法。
背景技术
计算机软件已经渗透到我们工作和日常生活的各个方面,正在改变并且还将继续改变我们的生活。随着软件技术的发展和互联网的普及,人们对软件的依赖与日俱增,对软件质量的要求越来越高。这导致了***规模的激增和软件应用环境的日益复杂,使得软件开发的风险增加、软件质量很难得到有效的控制。
同时演化性是软件的本质属性之一。软件***同生物一样,在其生命周期内,也必须不断的演化,否则就有可能提前被淘汰。软件演化的重要内容之一是对软件源代码的修改。然而要修改代码,我们必须对软件***有一定的了解。在维护资源有限的情况下,对于一个新加入的开发者,加快其对***的了解具有比较重要的意义。可以通过为新开发者推荐重要的软件元素(如类、包等)从而加快其对***的了解。尽管目前已经有不少软件度量方面的研究工作,如LOC(LinesofCode)代码行、McCabe圈复杂度(CyclomaticComplexity)、Halstead度量法、CK度量组、MOOD度量集等,能够为认识软件的复杂性提供一定的帮助,但是仍有如下不足:
(1)现有的工作主要集中于度量代码元素本身的复杂性,缺少对代码元素重要性的度量。
(2)现有工作主要是针对元素级的度量,度量的往往是软件的局部特征,如度量一个方法、一个类,缺少从整体角度进行软件度量的工作,更缺少从整体角度度量软件元素重要性的工作。
类是目前主流的面向对象软件的主要构成元素之一。因此,提供一种有效的类重要性度量方法,从整体角度度量类的重要性,对于理解软件,提高代码维护效率具有重要意义。
发明内容
本发明的目的在于针对现有技术的不足,提供了一种基于加权q2指数的软件类重要性度量方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种基于加权q2指数的软件类重要性度量方法,该方法包括以下步骤:
(1)将Java语言编写的软件源代码在特征粒度抽象为特征依赖网FDN=(Nf,Df)。其中,Nf为源代码中特征节点的集合;Df={(fi,fj)}(fi∈Nf,fj∈Nf)是无向边的集合,表示特征间的依赖关系。特征包括了Java源代码中的属性和方法。特征间的依赖关系包括了方法间的调用关系和方法对属性的使用关系。
(2)基于步骤(1)完成的FDN构建类依赖网CDN=(Nc,Dc,P)。其中,Nc为源代码中类节点的集合;Dc(ci∈Dc,cj∈Dc)是一个无向边的集合,表示类之间的依赖关系;P是一个|Nc|×|Nc|(|Nc|返回Nc中的节点数)的矩阵,代表类之间依赖关系的强度矩阵。类包含了Java中的类、内部类、抽象类和接口。类之间的依赖关系是根据类包含的特征间的依赖关系得到的,即类包含的特征间具有依赖关系,则相应的类之间也存在依赖关系。
(3)基于步骤(2)完成的CDN计算节点i的加权h指数h(i)。
(4)基于步骤(2)完成的CDN计算节点i的加权m指数m(i)。
(5)基于步骤(3)和步骤(4)计算节点i的加权g2指数
(6)基于步骤(3)、(4)和(5)计算CDN中所有节点的加权g2指数,作为节点相应类的重要性值。
进一步地,上述步骤(2)中CDN的构建具体包括以下子步骤:
(2.1)提取Java语言编写的源代码中的所有类,构建一个只有节点没有边的CDN,即CDN=(Nc,Φ,P)。Φ代表边集为空,同时P是一个零矩阵。
(2.2)取步骤(1)Df中的一条边(fi,fj)∈Df,根据源代码得到fi和fj所定义的类,若fi在类k中定义,fj在类p中定义,若k≠p,则将(k,p)加入Dc,同时步骤(2.1)中P相应位置的P(k,p)自加1;若k与p相等,则不做任何处理。
(2.3)重复步骤(2.2),直到遍历完FDN中的所有边。
进一步地,上述步骤(3)中节点i的加权h指数h(i)的计算具体包括以下子步骤:
(3.1)求步骤(2)所得CDN中所有节点的节点权。节点j的节点权sj定义为CDN中与该节点相连的所有边的权重和,即:
其中,vj是节点j的邻居节点集合。
(3.2)求步骤(2)所得CDN中节点i的邻居节点集合vi。
(3.3)将vi中的节点按其节点权降序排列(若存在节点权相等的情况,则相等的几个值随机选择一种可能的排序),得到排序后的数组list,list[1]位置存放的是节点权最大的那个节点。
(3.4)从list[1]开始,依次遍历list列表中的每个节点list[q],找到第一个满足节点权小于(n+1)的节点list[n+1],则节点i的加权h指数h(i)为n。
进一步地,上述步骤(4)中节点i的加权m指数m(i)的计算具体包括以下子步骤:
(4.1)求步骤(2)所得CDN中所有节点的节点权。节点j的节点权sj定义为CDN中与该节点相连的所有边的权重和,即:
其中,vj是节点j的邻居节点集合。
(4.2)求步骤(2)所得CDN中节点i的邻居节点集合vi。
(4.3)将vi中的节点按其节点权降序排列(若存在节点权相等的情况,则相等的几个值随机选择一种可能的排序),得到排序后的数组list,list[1]位置存放的是节点权最大的那个节点,list[|vi|]位置存放的是节点权最小的那个节点(|vi|为vi中节点个数)。
(4.4)根据计算节点i的加权m指数m(i)。
与现有技术相比,本发明具有以下优点和积极效果:
(1)本发明中加权q2指数的构建都考虑了软件作为一个整体的影响,因为构建q2指数所使用的加权h指数和加权m指数都考虑了网络中其它节点的节点权,是一种整体视角,在一定程度上克服了现有方法只关注局部特征忽略整体特征的问题。
(2)本发明提出用加权q2指数度量软件中类的重要性,在一定程度上克服了现有方法只关注软件元素复杂性的度量,忽略软件元素重要性度量的问题,可以为理解软件、提高代码维护效率提供支持。
附图说明
图1本发明的Java语言编写的源代码片段;
图2本发明的实施例构建的FDN;
图3本发明的实施例构建的无边CDN;
图4本发明的实施例构建的无边CDN相应的P;
图5本发明的实施例构建的无边CDN加入一条边后的CDN;
图6本发明的实施例构建的无边CDN加入一条边后的CDN相应的P;
图7本发明的实施例构建的最终CDN;
图8本发明的实施例构建的最终CDN相应的P。
具体实施方式
下面通过实施例并结合附图对本发明的技术方案作进一步的说明:
本发明提出的一种基于加权q2指数的软件类重要性度量方法,具体步骤如下:
(1)将Java语言编写的软件源代码在特征粒度抽象为特征依赖网FDN=(Nf,Df)。图1所示的是一个Java源代码片段。按照图1所给的Java源代码片段,可以构建相应的FDN(如图2所示),节点边的文字为节点相应特征的名字(名字由包名,类名,特征名以“.”相连构成)。其中,Nf={p1.classX.a(),p1.classX.v,p1.classX.c(),p1.classX.b(),p2.classY.d(),p2.classZ.e(),p2.classZ.f()}为特征节点的集合;Df={(p1.classX.b(),p1.classX.a()),(p1.classX.a(),p1.classX.b()),(p1.classX.a(),p1.classX.v),(p1.classX.v,p1.classX.a()),(p1.classX.v,p1.classX.c()),(p1.classX.c(),p1.classX.v),(p1.classX.a(),p2.classY.d()),(p2.classY.d(),p1.classX.a()),(p2.classY.d(),p2.classZ.e()),(p2.classZ.e(),p2.classY.d()),(p1.classX.a(),p2.classZ.f()),(p2.classZ.f(),p1.classX.a()),(p1.classX.c(),p2.classZ.f()),(p2.classZ.f(),p1.classX.c())}是无向边的集合,表示特征间的依赖关系。
(2)基于步骤(1)完成的FDN构建类依赖网CDN=(Nc,Dc,P)。CDN的构建具体包括以下子步骤:
(2.1)提取Java语言编写的源代码中的所有类,构建一个只有节点没有边的CDN,即CDN=(Nc,Φ,P)。Φ代表边集为空,同时P是一个零矩阵。按照图1所给的Java源代码片段,可以构建相应的CDN=(Nc,Φ,P)(如图3所示),其中,Nc={p1.classX,p2.classY,p2.classZ}为源代码中类节点的集合,节点边的文字为节点相应类的名字(名字由包名和类名以“.”相连构成)。P是一个零矩阵,如图4所示。
(2.2)取步骤(1)Df中的一条边(fi,fj)∈Df,根据源代码得到fi和fj所定义的类,若fi在类k中定义,fj在类p中定义,若k≠p,则将(k,p)加入Dc,同时步骤(2.1)中P相应位置的P(k,p)自加1;若k与p相等,则不做任何处理。如图2所示,若取边(p1.classX.a(),p2.classZ.f()),因p1.classX.a()在p1.classX类中定义,p2.classZ.f()在类p2.classZ中定义,且p1.classX与p2.classZ不是同一类,故将(p1.classX,p2.classZ)加入Dc,可以得到图5所示CDN及图6所示P。
(2.3)重复步骤(2.2),直到遍历完FDN中的所有边,可以得到图7所示的CDN,其中,Nc={p1.classX,p2.classY,p2.classZ}为源代码中类节点的集合;Dc={(p1.classX,p2.classY),(p2.classY,p1.classX),(p1.classX,p2.classZ),(p2.classZ,p1.classX),(p2.classY,p2.classZ),(p2.classZ,p2.classY)}是一个无向边的集合,表示类之间的依赖关系。相应的P如图8所示。
(3)基于步骤(2)完成的CDN计算节点i的加权h指数h(i)。具体包括以下子步骤:
(3.1)求步骤(2)所得CDN中所有节点的节点权。节点j的节点权sj定义为CDN中与该节点相连的所有边的权重和,即:
其中,vj是节点j的邻居节点集合。因此,图7中节点p1.classX的节点权sp1.classX=2+1=3,p2.classY的节点权sp2.classY=1+1=2,p2.classZ的节点权sp2.classZ=2+1=3。
(3.2)求步骤(2)所得CDN中节点i的邻居节点集合vi。因此,若令节点i为图7中的节点p1.classX,则其邻居节点集合vp1.classX={p2.classY,p2.classZ}。
(3.3)将vi中的节点按其节点权降序排列(若存在节点权相等的情况,则相等的几个值随机选择一种可能的排序),得到排序后的数组list,list[1]位置存放的是节点权最大的那个节点。因此,若令节点i为图7中的节点p1.classX,vp1.classX={p2.classY,p2.classZ}中的节点p2.classY的节点权sp2.classY=1+1=2,,p2.classZ的节点权sp2.classZ=2+1=3,因此可以得到list数组为{p2.classZ,p2.classY},即list[1]=p2.classZ,list[2]=p2.classY。
(3.4)从list[1]开始,依次遍历list列表中的每个节点list[q],找到第一个满足节点权小于(n+1)的节点list[n+1],则节点i的加权h指数h(i)为n。因此,对于p2.classZ节点:当q=1时,sp2.classZ>1;当q=2时,sp2.classY=2;再无其他邻居节点,故h(p1.classX)的值为2。
(4)基于步骤(2)完成的CDN计算节点i的加权m指数m(i),具体包括以下子步骤:
(4.1)求步骤(2)所得CDN中所有节点的节点权。节点j的节点权sj定义为CDN中与该节点相连的所有边的权重和,即:
其中,vj是节点j的邻居节点集合。因此,图7中节点p1.classX的节点权sp1.classX=2+1=3,p2.classY的节点权sp2.classY=1+1=2,p2.classZ的节点权sp2.classZ=2+1=3。
(4.2)求步骤(2)所得CDN中节点i的邻居节点集合vi。因此,若令节点i为图7中的节点p1.classX,则其邻居节点集合vp1.classX={p2.classY,p2.classZ}。
(4.3)将vi中的节点按其节点权降序排列(若存在节点权相等的情况,则相等的几个值随机选择一种可能的排序),得到排序后的数组list,list[1]位置存放的是节点权最大的那个节点,list[|vi|]位置存放的是节点权最小的那个节点(|vi|为vi中节点个数)。因此,若令节点i为图7中的节点p1.classX,vp1.classX={p2.classY,p2.classZ}中的节点p2.classY的节点权sp2.classY=1+1=2,,p2.classZ的节点权sp2.classZ=2+1=3,因此可以得到list数组为{p2.classZ,p2.classY},即list[1]=p2.classZ,list[2]=p2.classY。|vi|=|{p2.classY,p2.classZ}|=2。
(4.4)根据计算节点i的加权m指数m(i)。因此,
(5)基于步骤(3)和步骤(4)计算节点i的加权g2指数因此,对于p1.classX节点,其q2指数
(6)基于步骤(3)、(4)和(5)计算CDN中所有节点的加权g2指数,作为节点相应类的重要性值。因此,可以得到
本文中所描述的具体实施例仅仅是对本发明精神作举例说明,实施例中q2(p1.classX)、q2(p2.classY)和q2(p2.classZ)的值相等,这只是现实中可能的一种情况,但并不代表所有的情况都是如此。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.一种基于加权q2指数的软件类重要性度量方法,其特征在于,包括以下步骤:
(1)将Java语言编写的软件源代码在特征粒度抽象为特征依赖网FDN=(Nf,Df)。其中,Nf为源代码中特征节点的集合;Df={(fi,fj)}(fi∈Nf,fj∈Nf)是无向边的集合,表示特征间的依赖关系。
(2)基于步骤(1)完成的FDN构建类依赖网CDN=(Nc,Dc,P)。其中,Nc为源代码中类节点的集合;Dc(ci∈Dc,cj∈Dc)是一个无向边的集合,表示类之间的依赖关系;P是一个|Nc|×|Nc|(|Nc|返回Nc中的节点数)的矩阵,代表类之间依赖关系的强度矩阵。
(3)基于步骤(2)完成的CDN计算节点i的加权h指数h(i)。
(4)基于步骤(2)完成的CDN计算节点i的加权m指数m(i)。
(5)基于步骤(3)和步骤(4)计算节点i的加权g2指数
(6)基于步骤(3)、(4)和(5)计算CDN中所有节点的加权g2指数,作为节点相应类的重要性值。
2.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(1)中的特征包括了Java源代码中的属性和方法。
3.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(1)中特征间的依赖关系包括了方法间的调用关系和方法对属性的使用关系。
4.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(2)中的类包含了Java中的类、内部类、抽象类和接口。
5.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(2)中类之间的依赖关系是根据类包含的特征间的依赖关系得到的,即类包含的特征间具有依赖关系,则相应的类之间也存在依赖关系。
6.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(2)中CDN的构建具体包括以下子步骤:
(2.1)提取Java语言编写的源代码中的所有类,构建一个只有节点没有边的CDN,即CDN=(Nc,Φ,P)。Φ代表边集为空,同时P是一个零矩阵。
(2.2)取步骤(1)Df中的一条边(fi,fj)∈Df,根据源代码得到fi和fj所定义的类,若fi在类k中定义,fj在类p中定义,若k≠p,则将(k,p)加入Dc,同时步骤(2.1)中P相应位置的P(k,p)自加1;若k与p相等,则不做任何处理。
(2.3)重复步骤(2.2),直到遍历完FDN中的所有边。
7.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(3)中节点i的加权h指数h(i)的计算具体包括以下子步骤:
(3.1)求步骤(2)所得CDN中所有节点的节点权。节点j的节点权sj定义为CDN中与该节点相连的所有边的权重和,即:
其中,vj是节点j的邻居节点集合。
(3.2)求步骤(2)所得CDN中节点i的邻居节点集合vi。
(3.3)将vi中的节点按其节点权降序排列(若存在节点权相等的情况,则相等的几个值随机选择一种可能的排序),得到排序后的数组list,list[1]位置存放的是节点权最大的那个节点。
(3.4)从list[1]开始,依次遍历list列表中的每个节点list[q],找到第一个满足节点权小于(n+1)的节点list[n+1],则节点i的加权h指数h(i)为n。
8.根据权利要求1所述一种基于加权q2指数的软件类重要性度量方法,其特征在于,所述的步骤(4)中节点i的加权m指数m(i)的计算具体包括以下子步骤:
(4.1)求步骤(2)所得CDN中所有节点的节点权。节点j的节点权sj定义为CDN中与该节点相连的所有边的权重和,即:
其中,vj是节点j的邻居节点集合。
(4.2)求步骤(2)所得CDN中节点i的邻居节点集合vi。
(4.3)将vi中的节点按其节点权降序排列(若存在节点权相等的情况,则相等的几个值随机选择一种可能的排序),得到排序后的数组list,list[1]位置存放的是节点权最大的那个节点,list[|vi|]位置存放的是节点权最小的那个节点(|vi|为vi中节点个数)。
(4.4)根据计算节点i的加权m指数m(i)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510957055.6A CN105389192B (zh) | 2015-12-18 | 2015-12-18 | 一种基于加权q2指数的软件类重要性度量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510957055.6A CN105389192B (zh) | 2015-12-18 | 2015-12-18 | 一种基于加权q2指数的软件类重要性度量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105389192A true CN105389192A (zh) | 2016-03-09 |
CN105389192B CN105389192B (zh) | 2018-07-31 |
Family
ID=55421499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510957055.6A Active CN105389192B (zh) | 2015-12-18 | 2015-12-18 | 一种基于加权q2指数的软件类重要性度量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105389192B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445843A (zh) * | 2018-10-26 | 2019-03-08 | 浙江工商大学 | 一种基于类多层网络的软件类重要性度量方法 |
CN109871318A (zh) * | 2019-01-14 | 2019-06-11 | 浙江工商大学 | 一种基于软件运行网络的关键类识别方法 |
CN109918129A (zh) * | 2019-01-14 | 2019-06-21 | 浙江工商大学 | 一种基于g核分解的软件关键函数识别方法 |
CN109947428A (zh) * | 2019-01-14 | 2019-06-28 | 浙江工商大学 | 一种基于软件稳定性度量的优质软件推荐方法 |
CN109976807A (zh) * | 2019-01-14 | 2019-07-05 | 浙江工商大学 | 一种基于软件运行网络的关键包识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289408A (zh) * | 2011-09-08 | 2011-12-21 | 武汉大学 | 一种基于错误传播网络的回归测试用例排序方法 |
CN103559407A (zh) * | 2013-11-14 | 2014-02-05 | 北京航空航天大学深圳研究院 | 一种用于度量有向加权图中节点亲密度的推荐***及方法 |
CN103793230A (zh) * | 2014-02-18 | 2014-05-14 | 河海大学 | 一种面向对象软件***类的内聚度度量方法 |
CN105068928A (zh) * | 2015-08-04 | 2015-11-18 | 中国人民解放军理工大学 | 一种基于复杂网络理论的软件测试用例生成方法 |
-
2015
- 2015-12-18 CN CN201510957055.6A patent/CN105389192B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289408A (zh) * | 2011-09-08 | 2011-12-21 | 武汉大学 | 一种基于错误传播网络的回归测试用例排序方法 |
CN103559407A (zh) * | 2013-11-14 | 2014-02-05 | 北京航空航天大学深圳研究院 | 一种用于度量有向加权图中节点亲密度的推荐***及方法 |
CN103793230A (zh) * | 2014-02-18 | 2014-05-14 | 河海大学 | 一种面向对象软件***类的内聚度度量方法 |
CN105068928A (zh) * | 2015-08-04 | 2015-11-18 | 中国人民解放军理工大学 | 一种基于复杂网络理论的软件测试用例生成方法 |
Non-Patent Citations (2)
Title |
---|
WEI-FENG PAN: "Measuring Structural Quality of Object-Oriented Softwares via Bug Propagation Analysis on Weighted Software Networks", 《SPRINGER SCIENCE》 * |
周毓明: "基于依赖结构分析的类重要性度量方法", 《东南大学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445843A (zh) * | 2018-10-26 | 2019-03-08 | 浙江工商大学 | 一种基于类多层网络的软件类重要性度量方法 |
CN109445843B (zh) * | 2018-10-26 | 2021-08-03 | 浙江工商大学 | 一种基于类多层网络的软件类重要性度量方法 |
CN109871318A (zh) * | 2019-01-14 | 2019-06-11 | 浙江工商大学 | 一种基于软件运行网络的关键类识别方法 |
CN109918129A (zh) * | 2019-01-14 | 2019-06-21 | 浙江工商大学 | 一种基于g核分解的软件关键函数识别方法 |
CN109947428A (zh) * | 2019-01-14 | 2019-06-28 | 浙江工商大学 | 一种基于软件稳定性度量的优质软件推荐方法 |
CN109976807A (zh) * | 2019-01-14 | 2019-07-05 | 浙江工商大学 | 一种基于软件运行网络的关键包识别方法 |
CN109947428B (zh) * | 2019-01-14 | 2022-04-26 | 浙江工商大学 | 一种基于软件稳定性度量的优质软件推荐方法 |
CN109871318B (zh) * | 2019-01-14 | 2022-05-17 | 浙江工商大学 | 一种基于软件运行网络的关键类识别方法 |
CN109976807B (zh) * | 2019-01-14 | 2022-11-25 | 深圳游禧科技有限公司 | 一种基于软件运行网络的关键包识别方法 |
CN109918129B (zh) * | 2019-01-14 | 2022-12-23 | 深圳市准数科技有限公司 | 一种基于g核分解的软件关键函数识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105389192B (zh) | 2018-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389192A (zh) | 一种基于加权q2指数的软件类重要性度量方法 | |
Jeong et al. | An information modeling framework for bridge monitoring | |
Cui et al. | A genetic algorithm based data replica placement strategy for scientific applications in clouds | |
CN113792159A (zh) | 一种知识图谱数据融合方法和*** | |
Sheng et al. | Chance distribution of the maximum flow of uncertain random network | |
CN102780580A (zh) | 一种基于信任的组合服务优化方法 | |
Lou et al. | A review of BIM data exchange method in BIM collaboration | |
Ren et al. | A novel hybrid approach for water resources carrying capacity assessment by integrating fuzzy comprehensive evaluation and analytical hierarchy process methods with the cloud model | |
CN107508687A (zh) | 一种计费的方法、装置、物联网应用平台及计费服务器 | |
Wu et al. | Similarity measure models and algorithms for hierarchical cases | |
CN105487913A (zh) | 一种基于加权a指数的软件包重要性度量方法 | |
Wei et al. | Research on comprehensive evaluation and coordinated development of water resources carrying capacity in Qingjiang River Basin, China | |
CN108614932B (zh) | 基于边图的线性流重叠社区发现方法、***及存储介质 | |
Bilgili et al. | A note on ‘Coupled fixed point theorems for mixed g-monotone mappings in partially ordered metric spaces’ | |
CN115061662B (zh) | 一种基于mbse的互联平台异构模型集成方法以及*** | |
CN104932944A (zh) | 基于带权二部图的云计算资源服务组合方法 | |
CN109445843B (zh) | 一种基于类多层网络的软件类重要性度量方法 | |
CN106354733B (zh) | 一种微博用户影响力计算方法及装置 | |
CN104850646A (zh) | 一种针对单个不确定图的频繁子图挖掘方法 | |
Beldiceanu et al. | Propagating regular counting constraints | |
Ahmad et al. | Multi-Criteria Group Decision-Making Models in a Multi-Choice Environment | |
Qayyum et al. | IoT Orchestration-Based Optimal Energy Cost Decision Mechanism with ESS Power Optimization for Peer-to-Peer Energy Trading in Nanogrid | |
Sitzenfrei | A Graph-Based Optimization Framework for Large Water Distribution Networks | |
US20190243856A1 (en) | Computer-implemented method of processing data in a hierarchal data structure and data processing device or system for the same | |
Urata et al. | Orientability of undirected phylogenetic networks to a desired class: Practical algorithms and application to tree-child orientation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |