• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of open source software & processes >A Hybrid Approach to Identify Code Smell Using Machine Learning Algorithms
【24h】

A Hybrid Approach to Identify Code Smell Using Machine Learning Algorithms

机译：使用机器学习算法识别代码气味的混合方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Code smell aims to identify bugs that occurred during software development. It is the task of identifying design problems. The significant causes of code smell are complexity in code, violation of programming rules, low modelling, and lack of unit-level testing by the developer. Different open source systems like JEdit, Eclipse, and ArgoUML are evaluated in this work. After collecting the data, the best features are selected using recursive feature elimination (RFE). In this paper, the authors have used different anomaly detection algorithms for efficient recognition of dirty code. The average accuracy value of k-means, GMM, autoencoder, PCA, and Bayesian networks is 98%, 94%, 96%, 89%, and 93%. The k-means clustering algorithm is the most suitable algorithm for code detection. Experimentally, the authors proved that ArgoUML project is having better performance as compared to Eclipse and JEdit projects.
机译：代码嗅觉旨在识别软件开发期间发生的错误。 这是识别设计问题的任务。 代码气味的重要原因是代码，违反编程规则，低建模和开发人员缺乏单位级别测试的复杂性。 在这项工作中评估了Jedit，Eclipse等不同开源系统，如Jedit，Eclipse和Argouml。 收集数据后，使用递归功能消除（RFE）选择最佳功能。 在本文中，作者使用了不同的异常检测算法以便有效地识别肮脏代码。 K-Means，GMM，AutoEncoder，PCA和贝叶斯网络的平均精度值为98％，94％，96％，89％和93％。 K-means聚类算法是最合适的代码检测算法。 实验上，作者证明，与Eclipse和Jedit项目相比，Argouml项目具有更好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号