程序理解中基于特征符号Plan库的建立

所有基于Plan的自动程序理解工具都采用把源码段跟标准Plan库中标准Plan相比较的方法来得到源码语义信息,从而达到程序理解的目标.通过分析、提取Plan中的特征符号,以特征符号作为Plan检索索引项,建立带特征信息Plan库,以达到快速匹配的目标,从而降低自下而上自动程序理解中因需要穷尽式搜索而带来的搜索强度.     

基于动态执行特性分析的JAVA软件系统架构恢复

恢复软件系统架构对于理解和重用遗留系统具有重要意义。本文提出了一种基于程序动态执行特性分析的JAVA软件系统架构修复方法。首先根据用户需求设计测试用例,然后在测试用例的执行过程中收集动态执行信息,再将信息整理成上下文后进行FC分析,最后将实现类似功能的子系统组合在一起,由此得到系统的逻辑组织结构视图。原型系统的实验结果表明,此方法能有效恢复中小规模JAVA软件系统的系统架构。     

一种代码和中文文档关联信息的自动提取方法

维护代码和对应的文档的关联在软件维护、程序理解、需求跟踪等软件工程活动中有重要的意义。维护这些关联其关键在于提取关联信息,提出了一种利用信息检索技术自动提取程序源代码和中文文档关联信息的方法。首先通过提取文档中的词汇建立文档的语言概率模型,在此基础上用由代码信息组成的检索项检索文档集,由此得到代码和文档的相关列表和关联矩阵。测试结果表明在提取项大于5时即可获得95％以上的关联。     

基于后缀树的程序理解Plan自动提取

为辅助维护用于程序理解的代码片段模版（Plan）库,提出了基于后缀树的Plan自动提取方法.通过词法/语法分析将源代码转换成Token串,然后对Token串生成后缀树,遍历后缀树得到候选代码Plan集,过滤后生成更小、更准确的Plan集.采用动态模式匹配合并合适的Plan和给Plan命名,最后生成可用于程序理解的Plan.由于后缀树的线性增长特性,该方法可以应用于大规模软件的程序理解.将方法应用于多个不同规模的软件,测试结果表明,该方法可以从源码中提取有效的Plan.     

程序理解中一种基于特征符号的粗匹配方法

所有基于Plan的自动程序理解工具都采用把源码段跟标准Plan库中标准Plan相比较的方法来得到源码语义信息,从而达到程序理解的目标.以程序段的特征信息为索引项,对标准Plan库进行穷尽式快速粗匹配,以克服自下而上程序理解模式搜索强度大,实际应用性不强的弱点,达到快速粗粒度匹配的目标.方法的局限是匹配过程中存在信息遗漏,需要进一步采用模糊推理机制对潜在Plan进行相似性度量.     

利用信息检索和概率有限自动机的程序理解

为提高基于信息检索的程序理解方法的准确性，提出了一种结合信息检索和概率状态机的两阶段程序理解方法.在该方法中使用概率有限自动机（probabilistic finite state automata，PFA）解决了信息检索结果在程序理解中的不确定性，同时采用信息检索构建了多个简单的PFA，而不是单个复杂的PFA，提高了PFA分析的伸缩性.训练阶段先采用隐式语义分析对源代码进行聚类，然后在聚类结果上生成PFA.在识别阶段以词法处理后的程序作为检索项在程序模板库中进行信息检索，取检索结果中的最相关的n项作为候选模板，由候选模板对应得到相应的PFA，通过分析找到最大概率的PFA，完成对源码内容的语义标注.     

一种基于闪存固态硬盘的辅助缓冲池设计

基于磁盘数据库系统的瓶颈主要在磁盘I／O,通常采用缓冲池的设计,将读到的数据页先放入到内存缓冲池后再进行操作。因此,缓存池的大小直接决定了数据库的性能。通过研究基于闪存固态硬盘的特性,提出了一种基于闪存固态硬盘的辅助缓冲池设计。最后,通过修改开源数据库MySQL InnoDB存储引擎,并通过TPC-C实验对比分析了启用辅助缓冲池后数据库的性能可有100％-320％的提高。     

一种代码与中文文档关联信息的自动提取方法

提出了一种基于信息检索技术的程序源代码与中文文档关联信息的自动提取方法.假设程序员在编写代码时使用了有意义的类、函数和变量名,利用信息检索方法得到对应的包含有这些意义的文档.通过提取文档中的词汇建立文档的语言概率模型,在此基础上采用由代码信息组成的检索项来检索文档集,由此得到代码和文档的相关性列表和关联矩阵.通过三个软件系统对此方法进行测试,结果表明,当提取项大于5时可获得95%以上的关联.     

一种基于模糊推理的细匹配方法

所有基于Plan的自动程序理解工具都采用把源码段跟标准Plan相比较的方法来得到源码语义信息。采用程序段的特征信息作为匹配索引项进行粗匹配可以大大加快匹配效率,但完全依赖特征信息作为匹配代理造成了信息流失。该文提出了一种基于模糊推理的细匹配方法来进行相似度分析,目的是对粗匹配得到的潜在Plan集进行相似度分析以得到最终候选Plan集。