• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    引入缺陷的細粒度軟件變更識別方法

    2014-12-02 02:24:42于莉莉
    北京航空航天大學學報 2014年9期
    關(guān)鍵詞:源文件細粒度復雜度

    原 子 于莉莉 劉 超

    (北京航空航天大學 計算機學院,北京100191)

    軟件缺陷是危害軟件質(zhì)量、增加組織成本、延緩軟件開發(fā)進度的重要因素.由于質(zhì)量保證資源的有限,高效地發(fā)現(xiàn)和修復缺陷一直是軟件工程領(lǐng)域的研究重點.為幫助軟件人員有效分配測試和審查資源,軟件工程領(lǐng)域的研究者提出兩種策略[1]:①在缺陷存在于軟件系統(tǒng)之后,識別缺陷可能存在的區(qū)域;②在缺陷即將引入軟件系統(tǒng)時,識別引入缺陷的軟件變更.第②種策略的優(yōu)勢在于:一是在缺陷引入時給出警告,從而幫助軟件人員更加及時地分配資源,發(fā)現(xiàn)缺陷;二是通過分析引入缺陷的變更所具有的特征,從而幫助研究者理解缺陷引入的根源.

    針對第②種策略,研究者提出了不同粒度的引入缺陷變更識別方法.文獻[1]關(guān)注于事務粒度引入缺陷變更的識別.基于文本分類思想,首先將事務變更表示為變更發(fā)生前后兩個軟件版本所對應詞向量之差,然后作為分類實例訓練分類器,對新的事務變更進行識別.文獻[2]關(guān)注于文件粒度變更的識別,除了將文件粒度變更所涉及的詞作為特征之外,還選用了一系列刻畫源文件復雜度和歷史活躍性的度量作為輔助特征.相比于文獻[1],文獻[2]的方法不但降低了識別的粒度,并通過構(gòu)建更加直觀的特征集增強了方法的可理解性.

    在2012年的軟件工程預測模型會議上,專家指出,考慮軟件工程實踐的成本因素,細粒度的識別和預測將成為未來軟件工程預測方法關(guān)注的重點.盡管文獻[2]的方法將識別粒度降低到了文件級別變更,但是文件級變更常涉及多處語句修改.尤其在文件規(guī)模較大,內(nèi)部結(jié)構(gòu)較復雜時,這種文件內(nèi)多處修改的現(xiàn)象更為常見.這種情況下,即使識別出了引入缺陷的文件變更,仍然需要軟件人員逐一審查所有發(fā)生修改的文件語句,才能找到引入缺陷的位置.為進一步降低人力成本,本文提出更細粒度(語句層級)的引入缺陷變更識別方法.該方法從細粒度變更發(fā)生的場景(時間、地點、內(nèi)容、意圖以及人員)出發(fā)構(gòu)建特征集,將細粒度軟件變更作為實例構(gòu)建分類器.相比于文獻[1-2],本文的主要貢獻包括兩個方面:①通過還原細粒度變更發(fā)生的場景,描述引入缺陷的變更的特征,增強了識別方法的可理解性;②通過降低識別粒度,節(jié)省了軟件開發(fā)過程中人工審查的成本.

    1 基本概念

    1.1 細粒度軟件變更

    假設(shè)源文件d的第i個修正版本對應一棵抽象語法樹Ti=〈N,P〉,其中N代表語法樹中代碼實體節(jié)點的集合,P代表代碼實體之間的父子關(guān)系集合.將對語法樹Ti的一次節(jié)點插入、刪除、移動或者更新定義為一個編輯操作,每個編輯操作都代表著一次細粒度軟件變更[3],簡稱SCC.由于操作是基于語法樹實體節(jié)點進行的,因此細粒度軟件變更可以精確至語句層級.

    1.2 引入缺陷細粒度軟件變更

    如果細粒度軟件變更會引發(fā)缺陷并在后續(xù)開發(fā)過程中觸發(fā)代碼修復操作,那么定義此次細粒度軟件變更為引入缺陷的細粒度軟件變更.

    圖1是細粒度軟件變更示意圖,圖中共包含3個細粒度軟件變更,其中if語句插入屬于引入缺陷的細粒度軟件變更.

    圖1 細粒度軟件變更Fig.1 Fine-grained software changes

    1.3 識別任務

    給定一組細粒度軟件變更,將其形式化表示為 C={SCC1,SCC2,…,SCCn}.?i∈{1,2,…,n},SCCi用一組特征 F={f1,f2,…,fm}來表征.通過學習C構(gòu)建分類器L.對一個新的細粒度軟件變更SCCn+1,依據(jù)其特征對其所屬類別進行識別,形式化表示為

    其中l(wèi)代表SCCn+1的類別標簽,即是否為引入缺陷的細粒度變更.

    2 引入缺陷細粒度軟件變更識別

    引入缺陷細粒度變更識別方法主要包含兩個重要部分:特征集和分類器.本節(jié)詳細介紹這兩部分.

    2.1 特征集

    本文通過還原細粒度軟件變更發(fā)生的場景來描述其特征,關(guān)注變更發(fā)生的時間、地點、內(nèi)容、意圖和人員5個方面.如圖2所示,每個方面代表一個特征集,每個特征集涉及多個因素.

    圖2 特征集Fig.2 Feature sets

    2.1.1 時間

    軟件變更是由人操縱的活動,由于自身或外界因素,人的工作質(zhì)量在不同的時段并不相同.Eyolfson等人[4]在分析Linux內(nèi)核的軟件歷史庫時發(fā)現(xiàn),從午夜至凌晨發(fā)生的變更,更易引入缺陷.此外,Sliwerski等人[5]指出,每周五發(fā)生的變更具有較高的引入缺陷的風險.基于前人的發(fā)現(xiàn),本文選用了兩個刻畫時間的因素,即一周內(nèi)的天和一天的鐘點,反映了軟件人員的工作周期.

    2.1.2 地點

    本文將發(fā)生細粒度變更的源文件作為變更地點,它反映了變更所處的上下文環(huán)境.源文件的規(guī)模,內(nèi)部結(jié)構(gòu)復雜程度,同其他源文件的交互關(guān)系復雜程度,領(lǐng)域功能的多樣性,以及歷史上的穩(wěn)定性都會影響細粒度變更引入缺陷的風險.

    1)代碼行數(shù):源文件的代碼行數(shù)過多,會影響可讀性從而增加軟件人員的理解難度.不透徹的程序理解往往是軟件變更引入缺陷的原因.

    2)Halstead復雜度[6]:通過源文件算子和算域的數(shù)量來反映代碼內(nèi)部操作的復雜程度.Halstead復雜度越高,代碼的內(nèi)部實現(xiàn)越復雜,正確理解和變更它的難度也越大.

    3)McCabe復雜度[7]:通過源文件函數(shù)中線性獨立路徑數(shù)目來反映代碼內(nèi)部的控制流結(jié)構(gòu)復雜程度.McCabe復雜度越高,說明源文件內(nèi)的選擇和判斷邏輯越復雜,變更引入缺陷的風險越大.

    4)軟件依賴圖復雜度:軟件開發(fā)是一項復雜的任務,軟件模塊之間常具有復雜的依賴關(guān)系,因此在未充分理解軟件整體結(jié)構(gòu)的情況下對軟件模塊進行更改,經(jīng)常會引入缺陷.近年來,研究者們開始關(guān)注軟件模塊之間的依賴關(guān)系對缺陷分布規(guī)律的影響[8].本文將軟件系統(tǒng)抽象為依賴圖G=〈V,E〉,其中V代表節(jié)點(即源文件)集合,E代表邊(源文件之間的關(guān)系)集合.源文件之間的關(guān)系指的是通過源文件中的類和接口所建立的繼承、關(guān)聯(lián)、依賴或?qū)崿F(xiàn)關(guān)系.本文選用節(jié)點在依賴圖中的出入度作為描述源文件和軟件系統(tǒng)中其他文件之間依賴關(guān)系復雜程度的度量.

    5)語義主題多樣性:涉及多種領(lǐng)域功能的源文件,其實現(xiàn)邏輯通常較為繁雜,對其進行變更引入缺陷的風險也較大.反映領(lǐng)域功能的信息存在于源文件的自然語言(如程序?qū)嶓w名稱、程序注釋等)之中.本文通過挖掘源文件中的自然語言語義主題,定義了一種描述源文件領(lǐng)域功能多樣性的度量.由于源文件多個版本存在嚴重的信息冗余,直接針對軟件歷史庫中的多版本源文件進行語義挖掘會面臨推斷結(jié)果不準確的問題[9].因此本文采用針對源文件相鄰版本間編輯文件的主題挖掘方法來消除文本信息冗余.

    假設(shè)軟件系統(tǒng)中蘊含主題為T={t1,t2,…,,細粒度變更SCCi發(fā)生在軟件系統(tǒng)的第u個版本的第v個源文件中,將其所對應的軟件歷史表示為 H={V1,V2,…,Vu-1},源文件表示為duv.duv和前一個版本比較得到增加和刪除兩個編輯文件,簡寫為,x∈{a,d}.針對歷史上所有編輯文件運用LDA Gibbs抽樣算法進行主題推斷,從而得到,x∈{a,d}的主題分布

    信息檢索領(lǐng)域研究者使用信息熵來度量文本語義主題的多樣性[10].本文也采用信息熵計算方法,根據(jù)θduv和式(4)計算出duv的語義主題多樣性:

    6)歷史活躍度:在軟件開發(fā)歷史上被頻繁修改的源文件,其包含缺陷和未來再次發(fā)生修改的概率要明顯高于歷史上較為穩(wěn)定的源文件[11].本文假設(shè)對歷史上較為活躍的源文件實施修改更容易引發(fā)缺陷.為了描述源文件的歷史活躍度,本文選用歷史變更次數(shù)、修復缺陷次數(shù)及歷史上參與變更該源文件的軟件人員個數(shù)這3種度量.

    2.1.3 內(nèi)容

    變更內(nèi)容本身的語法語義難度對變更質(zhì)量有著直接的影響.本文通過3個因素描述變更內(nèi)容.

    1)變更類型:細粒度變更由于完成的抽象語法樹操作特點不同,引入缺陷的概率也不同.Pan等人[12]指出,涉及程序邏輯或方法接口的修改(如條件表達式的更改或方法參數(shù)的增刪)引入缺陷風險較大.Fluri等人[3]針對抽象語法樹操作特點將細粒度變更系統(tǒng)地分為48種類型,包括條件表達式更新,方法參數(shù)插入等.本文依據(jù)該分類法將變更類型作為描述變更內(nèi)容的特征.

    2)變更實體類型:Pan等人[12]還發(fā)現(xiàn),針對某些語法實體(如if條件語句、switch語句以及while循環(huán)語句)的變更,引入缺陷的概率較高.Fluri等人對抽象語法樹實體也進行了分類(共104種).基于他們的工作,本文將變更所操縱的語法實體類型也作為描述變更內(nèi)容的一個特征.

    3)語義主題缺陷傾向性:細粒度變更內(nèi)容,除了用語法樹特征來刻畫外,還需通過其涉及的領(lǐng)域功能來描述.Chen等人[13]指出,實現(xiàn)簡單領(lǐng)域功能(如數(shù)據(jù)庫操作)的代碼片斷包含缺陷的概率顯著小于實現(xiàn)復雜領(lǐng)域功能(如分析器)的代碼片斷.本文假設(shè)變更所涉及的領(lǐng)域功能不同,引入缺陷的概率也不同.本文提出語義主題缺陷傾向性度量來刻畫變更所涉及的領(lǐng)域功能特征.

    為細粒度軟件變更 SCCi,i=1,2,…,n 所對應的軟件歷史 H={V1,V2,…,Vu-1}中的每一個編輯文件,x ∈ {a,d},p ∈ {1,2,…,u-1},定義缺陷感染率度量,即

    2.1.4 意圖

    變更是為了某種目的而實施的活動,如增加新功能、重構(gòu)或者修復缺陷等.Mockus等人[14]提出了分類和識別變更意圖的方法.此外他們在研究商業(yè)軟件變更風險因素時發(fā)現(xiàn),變更意圖影響變更質(zhì)量.Hassan等人[15]針對開源軟件提出了變更意圖分類方法.借鑒已有研究成果,本文將細粒度變更意圖分為缺陷修復、增加新功能和代碼改進3類.軟件的變更意圖蘊藏在軟件庫的變更描述信息中.不同變更,其描述信息篇幅也不相同.通常較為復雜的變更,其描述信息也較為詳盡.因此將變更描述信息容量也作為因素之一.總的來說,描述變更意圖的因素包括:

    1)意圖類型;

    2)描述變更意圖的語句數(shù)量;

    3)描述變更意圖的詞的數(shù)量.

    2.1.5 人員

    軟件人員是細粒度變更的實施者,他們的開發(fā)經(jīng)驗和專業(yè)技能直接影響著變更的質(zhì)量.本文定義兩種度量來描述變更人員的經(jīng)驗特征.

    1)項目經(jīng)驗:修改整個軟件系統(tǒng)的次數(shù).

    2)源文件經(jīng)驗:修改該源文件的次數(shù).

    2.2 分 類 器

    本文選擇了3種機器學習分類器來進行訓練和識別,即K近鄰、裝袋以及隨機森林.這3種分類器被廣泛用于缺陷預測模型的構(gòu)建[1,16].

    1)K近鄰:屬于一種基于實例的學習或懶學習分類器,它依據(jù)特征空間中與待分類實例最相近的實例集中的實例標簽做出分類決策.

    2)裝袋:屬于一種組裝學習分類器,主要用來改進統(tǒng)計分類和回歸算法的穩(wěn)定性和準確性.它還通過降低方差來避免學習過程中的過擬合.

    3)隨機森林:是一種結(jié)合裝袋思想與隨機特征選擇思想的組裝學習分類器.它通過降低不同決策樹之間的關(guān)聯(lián)度改進了裝袋分類器.隨機森林分類器被證明在含有噪聲和類分布不均衡的數(shù)據(jù)集上具有較好的分類效果[17].

    3 實驗和評估

    3.1 數(shù)據(jù)集和數(shù)據(jù)收集

    為驗證識別方法的有效性,本文在6個真實軟件系統(tǒng)上開展實驗,分別是 Eclipse(簡稱為Ecl),Argouml(簡稱為 Arg),Columba(簡稱為Col),JBoss(簡稱為 JBo),Scarab(簡稱為 Sca)和Struts(簡稱為Str).表1列出了系統(tǒng)的詳細信息,包括實驗所選擇的軟件修正版本區(qū)間、發(fā)生在該區(qū)間內(nèi)的細粒度變更總數(shù)、引入缺陷的細粒度變更百分比以及軟件系統(tǒng)的應用類型.為了和事務粒度以及文件粒度識別方法進行比較,本文所選擇的修正版本區(qū)間和文獻[1-2]保持一致.

    表1 數(shù)據(jù)描述Table 1 Description of datasets

    本文采用程序靜態(tài)分析和自然語言語義分析相結(jié)合的方法完成細粒度變更特征的抽取和類標簽構(gòu)建.圖3描述了數(shù)據(jù)收集過程.其中用來刻畫時間、人員、意圖以及地點中的歷史活躍度的特征通過分析軟件歷史庫的提交日志直接抽取.變更地點中的Halstead復雜度、McCabe復雜度、依賴圖復雜度以及變更內(nèi)容中的細粒度變更類型和實體類型需要通過靜態(tài)分析技術(shù)來抽取.為提高每個版本依賴圖構(gòu)建的效率,本文提出一種不確定性程序靜態(tài)分析算法實現(xiàn)增量圖構(gòu)建.語義主題多樣性和語義主題缺陷傾向性需要通過挖掘源代碼文件的自然語言語義信息來抽取.此外還需要為細粒度變更打上類別標簽(即是否為引入缺陷的變更).本文采用多版本語句追蹤改進了經(jīng)典的變更實例標簽構(gòu)建SZZ算法[5],從而實現(xiàn)了精確至語句層級的細粒度變更的標簽構(gòu)建.

    圖3 數(shù)據(jù)收集過程Fig.3 Data collection process

    3.2 性能和特征分析

    3.2.1 分類器性能分析

    本文采用10折交叉驗證評估方法來評估所提出的細粒度識別方法在3種不同類型分類器上的性能.表2列出了3種分類器經(jīng)過10次10折交叉驗證所得到的平均識別性能.為了測試不同分類器識別性能的差異,本文采用了t檢驗法.

    表2 各分類算法的識別性能比較Table 2 Performance comparison of classifiers

    經(jīng)過檢驗發(fā)現(xiàn),采用不同分類器得到的識別性能不同.隨機森林分類器的性能顯著優(yōu)于另外兩種分類器,K近鄰分類器在大多數(shù)系統(tǒng)上的識別性能顯著優(yōu)于裝袋分類器(p<0.01).由于軟件歷史庫中所記錄的數(shù)據(jù)并不是絕對完整和準確的,現(xiàn)有的庫挖掘技術(shù)手段也存在不足,因此實驗數(shù)據(jù)集中常存在噪聲.經(jīng)研究證實,隨機森林相比于其他分類器,對數(shù)據(jù)噪聲具有更強的魯棒性[17].因此隨機森林在本文的實驗中具有最為突出的識別性能.

    從表1中可以看出,不同的軟件系統(tǒng),引入缺陷的細粒度變更百分比也不同.文獻[2]在研究文件粒度變更時指出,引入缺陷變更的百分比對文件變更識別方法的性能具有一定的影響.本文分析了引入缺陷的細粒度變更百分比對本文方法性能的影響.通過表3列出的Pearson相關(guān)性分析結(jié)果發(fā)現(xiàn),這種影響在本文提出的方法中要明顯弱于文獻[2]中針對文件粒度變更的方法,說明本文方法對于不同系統(tǒng)引入缺陷變更比例的差異具有更好的魯棒性.

    表3 引入缺陷細粒度變更百分比與識別性能的相關(guān)性Table 3 Correlation between percentage of defect-introducing SCCs and performance of identification

    3.2.2 特征分析

    本文遵循以下兩個步驟驗證特征集中每個因素的識別性能:①僅使用該因素訓練分類器;②從特征全集中僅移除該因素訓練分類器.這里也采用10折交叉驗證法得到識別性能.

    圖4顯示了各因素在6個軟件系統(tǒng)中的平均識別性能.從圖中可以看出,移去主題缺陷傾向性因素對整體識別性能的影響最大.變更地點中的語義主題多樣性和Halstead復雜度兩個因素具有最好的識別性能,刻畫變更內(nèi)容的主題缺陷傾向性和刻畫變更人員的項目經(jīng)驗因素次之.意圖類型和一周內(nèi)的天是性能最差的兩個因素.為了進一步驗證各因素在不同項目間性能表現(xiàn)的一致性,本文為每個軟件系統(tǒng)建立因素識別性能向量,然后將6個系統(tǒng)所對應的6個向量兩兩進行Spearman相關(guān)性分析.從表4看出,相關(guān)性值在0.78~0.91之間,且均顯著(p<0.05).

    圖4 各因素的識別性能Fig.4 Identification performances of features

    表4 不同軟件系統(tǒng)間各因素識別性能Spearman相關(guān)性Table 4 Spearman correlations between identification performances of features in different projects

    由此表明,特征集的各因素在不同軟件系統(tǒng)中的表現(xiàn)較為一致,這一發(fā)現(xiàn)暗示了進一步研究跨項目的引入缺陷細粒度變更識別的可能性.通過特征分析,可以幫助研究者更好地理解軟件開發(fā)過程中缺陷引入的根源.

    3.3 成本有效性分析

    近年來,在比較不同粒度的分類和預測方法時,軟件工程領(lǐng)域的研究者常采用成本有效性評估策略[16].該策略將花費的軟件工程活動成本考慮在方法的評估中,比精確度和召回率更加客觀可信[16].圖5顯示了投入20%人力成本時,本文的細粒度方法(SCC-IM)、文獻[2]中的文件粒度識別方法(File-IM)以及文獻[1]中的事務粒度識別方法(Trans-IM)能夠發(fā)現(xiàn)的引入缺陷細粒度源代碼變更百分比.由于實驗含隨機化成分,因此將每個方法在6個項目上各運行100次.經(jīng)曼惠特尼U檢驗得出,本文方法可識別平均79%的引入缺陷細粒度變更,顯著優(yōu)于文件和事務粒度識別方法(p<0.01).

    圖5 成本有效性箱線圖Fig.5 Cost-effectiveness box-plots of the three identification methods

    4 結(jié)論

    本文基于機器學習分類思想,提出了一種引入缺陷的細粒度軟件變更識別方法,該方法主要由特征集和分類器兩部分構(gòu)成.

    本文從時間、地點、內(nèi)容、意圖以及人員5個方面入手構(gòu)建特征集.通過特征分析實驗發(fā)現(xiàn),變更地點中的語義主題多樣性和Halstead復雜度兩個因素具有最好的識別性能,刻畫變更內(nèi)容的主題缺陷傾向性和刻畫變更人員的項目經(jīng)驗因素次之.此外特征集的各因素在不同軟件系統(tǒng)中的表現(xiàn)較為一致.

    本文選擇了缺陷預測領(lǐng)域常用的3種分類器(即K近鄰、裝袋以及隨機森林)來進行訓練和識別.通過分類器性能分析發(fā)現(xiàn),隨機森林分類器由于對數(shù)據(jù)噪聲具有更強的魯棒性,其性能顯著優(yōu)于另外兩種分類器.

    為了驗證本文提出的細粒度識別方法在節(jié)省人力成本方面的有效性,本文開展了成本有效性分析實驗.通過實驗得出,本文方法在投入20%人力成本時,能夠識別平均79%的引入缺陷細粒度變更,顯著優(yōu)于文件和事務粒度識別方法.

    由于現(xiàn)有的庫挖掘手段制約,在數(shù)據(jù)收集過程中引入了噪聲,研究噪聲對識別效果的影響并開發(fā)降噪方法是未來工作的重點.

    References)

    [1] Aversano L,Cerulo L,Grosso C D.Learning from bug-introducing changes to prevent fault prone code[C]//Penta M D.9th International Workshop on Principles of Software Evolution.New York:ACM,2007:19-26

    [2] Kim S,Whitehead E J,Zhang Y.Classifying software changes:clean or buggy?[J].IEEE Transactions on Software Engineering,2008,34(2):181-196

    [3] Fluri B,Würsch M,Pinzger M,et al.Change distilling:tree differencing for fine-grained source code change extraction[J].IEEE Transactions on Software Engineering,2007,33(11):725-743

    [4] Eyolfson J,Tan L,Lam P.Do time of day and developer experience affect commit bugginess?[C]//Deursen A.Proceedings of the 8th Working Conference on Mining Software Repositories.Piscataway,NJ:IEEE,2011:153-162

    [5] Sliwerski J,Zimmermann T,Zeller A.When do changes induce fixes?[J].ACM Sigsoft Software Engineering Notes,2005,30(4):1-5

    [6] Halstead M H.Elements of software science[M].Amsterdam:Elsevier North-Holland Press,1977:26-28

    [7] McCabe T J.A complexity measure[J].IEEE Transactions on Software Engineering,1976,2(4):308-320

    [8] Zimmermann T,Nagappan N.Predicting defects with program dependencies[C]//Mens T.2009 3rd International Symposium on Empirical Software Engineering and Measurement.Piscataway,NJ:IEEE,2009:435-438

    [9] Thomas S W,Adams B,Hassan A E,et al.Modeling the evolution of topics in source code histories[C]//Deursen A.Proceedings of the 8th working conference on Mining Software Repositories.Piscataway,NJ:IEEE,2011:173-182

    [10] Yan R,Huang C,Tang J,et al.To better stand on the shoulder of giants[C]//Boughida K.Proceedings of the 12th ACM/IEEE-CS Joint Conference on Digital Libraries.New York:ACM,2012:51-60

    [11] Graves T L,Karr A F,Marron J S,et al.Predicting fault incidence using software change history[J].IEEE Transactions on Software Engineering,2000,26(7):653-661

    [12] Pan K,Kim S,Whitehead E J.Toward an understanding of bug fix patterns[J].Empirical Software Engineering,2009,14(3):286-315

    [13] Chen T H,Thomas S W,Nagappan M,et al.Explaining software defects using topic models[C]//Lanza M.Proceedings of the 9th IEEE Working Conference on Mining Software Repositories.Piscataway,NJ:IEEE,2012:189-198

    [14] Mockus A,Votta L G.Identifying reasons for software change using historic databases[C]//Fadini B.2000 IEEE Interantional Conference on Software Maintenance.Piscataway,NJ:IEEE,2000:120-130

    [15] Hassan A E.Automated classification of change messages in open source projects[C]//Wainwright R L.23rd Annual ACM Symposium on Applied Computing.New York:ACM,2008:837-841

    [16] Hata H,Mizuno O,Kikuno T.Bug prediction based on finegrained module histories[C]//Glinz M.Proceedings of the 34th International Conference on Software Engineering.Piscataway,NJ:IEEE,2008:837-841

    [17] Khoshgoftaar T M,Golawala M,Hulse J V.An empirical study of learning from imbalanced data using random forest[C]//Avouris N.Proceedings of the 19th International Conference on Tools with Artificial Intelligence.Piscataway,NJ:IEEE,2007:310-317

    猜你喜歡
    源文件細粒度復雜度
    融合判別性與細粒度特征的抗遮擋紅外目標跟蹤算法
    細粒度的流計算執(zhí)行效率優(yōu)化方法
    網(wǎng)絡社區(qū)劃分在軟件質(zhì)量問題分析中的應用
    基于源文件可疑度的軟件缺陷定位方法研究
    一種低復雜度的慣性/GNSS矢量深組合方法
    基于雙線性卷積網(wǎng)絡的細粒度圖像定位
    求圖上廣探樹的時間復雜度
    支持細粒度權(quán)限控制且可搜索的PHR云服務系統(tǒng)
    LKJ基礎(chǔ)數(shù)據(jù)源文件自動編制系統(tǒng)的研究
    某雷達導51 頭中心控制軟件圈復雜度分析與改進
    丰满少妇做爰视频| 我的老师免费观看完整版| 夜夜爽夜夜爽视频| 亚洲精品第二区| 插阴视频在线观看视频| 深爱激情五月婷婷| 国产欧美另类精品又又久久亚洲欧美| 亚洲精品,欧美精品| 天堂中文最新版在线下载| 久久久久国产网址| 午夜视频国产福利| 国产在线一区二区三区精| 狂野欧美白嫩少妇大欣赏| 99久国产av精品国产电影| 欧美日韩精品成人综合77777| 国产精品成人在线| 婷婷色综合大香蕉| 菩萨蛮人人尽说江南好唐韦庄| 97超视频在线观看视频| 亚洲内射少妇av| 精品少妇久久久久久888优播| 亚洲婷婷狠狠爱综合网| 在现免费观看毛片| 秋霞在线观看毛片| 狠狠精品人妻久久久久久综合| av在线app专区| 国产在线男女| 黄色一级大片看看| 黄片wwwwww| 校园人妻丝袜中文字幕| 欧美成人精品欧美一级黄| 成年女人在线观看亚洲视频| 男女边摸边吃奶| 日本猛色少妇xxxxx猛交久久| 99久国产av精品国产电影| 国产日韩欧美亚洲二区| 国产免费一级a男人的天堂| 99久久中文字幕三级久久日本| 18禁在线无遮挡免费观看视频| 纯流量卡能插随身wifi吗| 亚洲,欧美,日韩| 日产精品乱码卡一卡2卡三| 激情五月婷婷亚洲| 亚洲人与动物交配视频| 少妇的逼水好多| 在线看a的网站| 日韩中文字幕视频在线看片 | 一个人免费看片子| 欧美日韩一区二区视频在线观看视频在线| 一本色道久久久久久精品综合| 午夜老司机福利剧场| av线在线观看网站| 亚洲欧美精品自产自拍| 久久久国产一区二区| 中文乱码字字幕精品一区二区三区| 国产精品麻豆人妻色哟哟久久| 99精国产麻豆久久婷婷| 亚洲精品色激情综合| 大香蕉97超碰在线| 成人综合一区亚洲| 2022亚洲国产成人精品| 一区二区三区四区激情视频| 99久久人妻综合| 精品酒店卫生间| 在线观看一区二区三区| 夜夜骑夜夜射夜夜干| 中文在线观看免费www的网站| 免费av不卡在线播放| 亚洲av成人精品一二三区| 久久国产亚洲av麻豆专区| 亚洲国产成人一精品久久久| 欧美日韩综合久久久久久| 菩萨蛮人人尽说江南好唐韦庄| av国产久精品久网站免费入址| 高清在线视频一区二区三区| 午夜福利网站1000一区二区三区| 激情 狠狠 欧美| 人妻系列 视频| 尾随美女入室| 亚洲欧洲国产日韩| 大香蕉97超碰在线| 国产伦精品一区二区三区四那| 亚洲av欧美aⅴ国产| 国产亚洲欧美精品永久| 亚洲精品成人av观看孕妇| 亚洲精华国产精华液的使用体验| 日韩中字成人| 中文字幕精品免费在线观看视频 | 国产男人的电影天堂91| 最近2019中文字幕mv第一页| 80岁老熟妇乱子伦牲交| 只有这里有精品99| 啦啦啦视频在线资源免费观看| 国产欧美日韩一区二区三区在线 | av视频免费观看在线观看| 国产乱人视频| 偷拍熟女少妇极品色| 亚洲精品第二区| 免费人成在线观看视频色| 天天躁夜夜躁狠狠久久av| 激情五月婷婷亚洲| 内地一区二区视频在线| 成人亚洲精品一区在线观看 | 久久精品国产亚洲网站| 亚洲在久久综合| 最新中文字幕久久久久| 女性被躁到高潮视频| 日韩一区二区视频免费看| 国内少妇人妻偷人精品xxx网站| av免费在线看不卡| 国产黄色视频一区二区在线观看| 99re6热这里在线精品视频| av国产免费在线观看| 91精品国产国语对白视频| 蜜桃久久精品国产亚洲av| 色网站视频免费| 最近最新中文字幕免费大全7| av不卡在线播放| 亚洲三级黄色毛片| 亚洲精品久久久久久婷婷小说| 国产综合精华液| 在线亚洲精品国产二区图片欧美 | 日韩,欧美,国产一区二区三区| 成人黄色视频免费在线看| 亚洲高清免费不卡视频| 午夜免费观看性视频| 日本与韩国留学比较| 校园人妻丝袜中文字幕| 观看免费一级毛片| 久久99精品国语久久久| 日韩欧美精品免费久久| 国产精品人妻久久久久久| 哪个播放器可以免费观看大片| av卡一久久| 最近最新中文字幕大全电影3| 三级国产精品欧美在线观看| 久久精品久久精品一区二区三区| 中文字幕人妻熟人妻熟丝袜美| 亚洲欧美精品自产自拍| 最近中文字幕高清免费大全6| 久久精品国产a三级三级三级| 精品熟女少妇av免费看| 超碰av人人做人人爽久久| 色视频www国产| 性高湖久久久久久久久免费观看| 麻豆国产97在线/欧美| 天堂俺去俺来也www色官网| 岛国毛片在线播放| 亚洲欧洲日产国产| 极品教师在线视频| 午夜福利网站1000一区二区三区| 久久6这里有精品| 又爽又黄a免费视频| 我的老师免费观看完整版| 丰满迷人的少妇在线观看| 国产91av在线免费观看| 国产永久视频网站| 我要看日韩黄色一级片| av在线app专区| 国内少妇人妻偷人精品xxx网站| 一级毛片久久久久久久久女| 又爽又黄a免费视频| 男的添女的下面高潮视频| 天美传媒精品一区二区| 亚洲三级黄色毛片| 亚洲av成人精品一二三区| 国产精品嫩草影院av在线观看| 少妇的逼水好多| 欧美bdsm另类| 亚洲欧美一区二区三区国产| 黑丝袜美女国产一区| 大片电影免费在线观看免费| 欧美日韩亚洲高清精品| 欧美精品一区二区大全| 91精品伊人久久大香线蕉| 一级爰片在线观看| 久久精品国产自在天天线| av不卡在线播放| 91精品一卡2卡3卡4卡| 少妇人妻 视频| 简卡轻食公司| 大香蕉久久网| 夫妻午夜视频| 涩涩av久久男人的天堂| 国产一区二区三区av在线| 亚洲va在线va天堂va国产| 人人妻人人看人人澡| 久久久久精品久久久久真实原创| 亚洲人与动物交配视频| 精品国产一区二区三区久久久樱花 | 亚洲成人中文字幕在线播放| 能在线免费看毛片的网站| 99久久精品一区二区三区| 只有这里有精品99| 91精品国产国语对白视频| 美女中出高潮动态图| 日本av免费视频播放| 一级毛片久久久久久久久女| 国产亚洲av片在线观看秒播厂| 亚洲激情五月婷婷啪啪| 99久久精品国产国产毛片| 亚洲欧美成人精品一区二区| 一本色道久久久久久精品综合| 青春草国产在线视频| 人人妻人人澡人人爽人人夜夜| 精品久久久久久久久av| 尤物成人国产欧美一区二区三区| 这个男人来自地球电影免费观看 | 亚洲色图综合在线观看| 久久久欧美国产精品| 亚洲欧美成人综合另类久久久| 国产精品久久久久久精品电影小说 | 啦啦啦在线观看免费高清www| 性色av一级| 在线天堂最新版资源| 一级二级三级毛片免费看| 丝袜喷水一区| 亚洲欧洲国产日韩| 在线免费观看不下载黄p国产| 女人久久www免费人成看片| 亚洲内射少妇av| 精品99又大又爽又粗少妇毛片| 交换朋友夫妻互换小说| 99久久综合免费| 国产成人午夜福利电影在线观看| 亚洲av福利一区| 免费看日本二区| 两个人的视频大全免费| 欧美xxxx黑人xx丫x性爽| 国产成人午夜福利电影在线观看| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲国产日韩一区二区| 男女国产视频网站| 精品久久久噜噜| 精华霜和精华液先用哪个| 成年人午夜在线观看视频| 国产欧美亚洲国产| 丰满迷人的少妇在线观看| tube8黄色片| 国产午夜精品久久久久久一区二区三区| 久久国内精品自在自线图片| .国产精品久久| 日韩强制内射视频| 日韩视频在线欧美| 99久久中文字幕三级久久日本| 妹子高潮喷水视频| av.在线天堂| 久久99热这里只频精品6学生| 老女人水多毛片| 欧美精品一区二区免费开放| 亚洲婷婷狠狠爱综合网| 联通29元200g的流量卡| av免费在线看不卡| 日韩一区二区三区影片| www.av在线官网国产| 精品久久国产蜜桃| 夜夜爽夜夜爽视频| 国产成人91sexporn| 久久精品久久久久久久性| 大话2 男鬼变身卡| 婷婷色综合www| 一个人看视频在线观看www免费| 啦啦啦在线观看免费高清www| 欧美高清性xxxxhd video| av在线观看视频网站免费| 中文字幕精品免费在线观看视频 | 国产精品嫩草影院av在线观看| 国产在线免费精品| 日本av手机在线免费观看| av专区在线播放| 高清日韩中文字幕在线| 国产欧美日韩一区二区三区在线 | 高清黄色对白视频在线免费看 | av线在线观看网站| 少妇丰满av| 99热6这里只有精品| 国产精品久久久久久久电影| 亚洲高清免费不卡视频| 看十八女毛片水多多多| 视频中文字幕在线观看| 91精品一卡2卡3卡4卡| 又粗又硬又长又爽又黄的视频| 欧美成人午夜免费资源| 在线观看一区二区三区| 亚洲国产成人一精品久久久| 精品人妻视频免费看| 国产 精品1| 熟女电影av网| 美女福利国产在线 | 亚洲欧美日韩卡通动漫| 熟女av电影| 欧美精品国产亚洲| 精品久久久噜噜| 久久久成人免费电影| 亚洲av综合色区一区| 国内少妇人妻偷人精品xxx网站| 婷婷色综合www| 看十八女毛片水多多多| 国产免费视频播放在线视频| 国产精品99久久久久久久久| 国产精品三级大全| 成年女人在线观看亚洲视频| 国产国拍精品亚洲av在线观看| 国产爽快片一区二区三区| 国产黄色免费在线视频| 亚洲精品第二区| av在线蜜桃| 亚洲va在线va天堂va国产| 性高湖久久久久久久久免费观看| 亚洲aⅴ乱码一区二区在线播放| 麻豆成人av视频| 91久久精品国产一区二区三区| 免费少妇av软件| 亚洲av.av天堂| 纯流量卡能插随身wifi吗| 国产精品福利在线免费观看| 热99国产精品久久久久久7| 夫妻性生交免费视频一级片| 91精品伊人久久大香线蕉| 日韩国内少妇激情av| 亚洲精品国产色婷婷电影| 久久婷婷青草| 夫妻午夜视频| h视频一区二区三区| 18禁裸乳无遮挡动漫免费视频| 免费黄网站久久成人精品| 亚洲熟女精品中文字幕| 国产精品伦人一区二区| 一区在线观看完整版| 国产精品国产三级国产专区5o| 精品人妻偷拍中文字幕| 黄色视频在线播放观看不卡| 交换朋友夫妻互换小说| 国产精品99久久99久久久不卡 | 大陆偷拍与自拍| 久久6这里有精品| 亚洲在久久综合| 久久综合国产亚洲精品| 麻豆成人av视频| 中国国产av一级| 免费看不卡的av| 多毛熟女@视频| 欧美97在线视频| 免费不卡的大黄色大毛片视频在线观看| 国产久久久一区二区三区| 少妇被粗大猛烈的视频| 成年av动漫网址| av国产免费在线观看| 干丝袜人妻中文字幕| 日本与韩国留学比较| 麻豆精品久久久久久蜜桃| 日韩av在线免费看完整版不卡| 国产精品久久久久久精品电影小说 | 免费观看无遮挡的男女| h日本视频在线播放| 卡戴珊不雅视频在线播放| 亚洲欧美日韩东京热| 校园人妻丝袜中文字幕| 国产精品一区二区三区四区免费观看| 国产成人免费无遮挡视频| 看免费成人av毛片| 少妇猛男粗大的猛烈进出视频| 国产精品一区二区三区四区免费观看| 大片免费播放器 马上看| 伦理电影大哥的女人| 高清不卡的av网站| 欧美3d第一页| 日本色播在线视频| 狠狠精品人妻久久久久久综合| 黄片wwwwww| 久久久久久久大尺度免费视频| av国产免费在线观看| 欧美 日韩 精品 国产| 亚洲欧美日韩无卡精品| 狠狠精品人妻久久久久久综合| 男女下面进入的视频免费午夜| 纯流量卡能插随身wifi吗| 日韩伦理黄色片| 欧美极品一区二区三区四区| 久久久成人免费电影| 极品少妇高潮喷水抽搐| 成人高潮视频无遮挡免费网站| 丰满乱子伦码专区| 午夜免费男女啪啪视频观看| 青青草视频在线视频观看| 精品少妇黑人巨大在线播放| 91久久精品国产一区二区成人| 九草在线视频观看| 97热精品久久久久久| 人体艺术视频欧美日本| 中文乱码字字幕精品一区二区三区| 国产免费一级a男人的天堂| 亚洲国产精品成人久久小说| 国产黄色免费在线视频| 亚洲成人一二三区av| 精华霜和精华液先用哪个| 中文字幕亚洲精品专区| 亚洲综合色惰| 亚洲三级黄色毛片| 久久ye,这里只有精品| 蜜桃在线观看..| 丰满迷人的少妇在线观看| 在线精品无人区一区二区三 | av.在线天堂| 久久久久网色| 免费高清在线观看视频在线观看| 亚洲精品456在线播放app| 精品久久久久久久久亚洲| 狠狠精品人妻久久久久久综合| 日本wwww免费看| 最近最新中文字幕大全电影3| 亚洲自偷自拍三级| 久久毛片免费看一区二区三区| 狂野欧美激情性xxxx在线观看| 91狼人影院| av国产精品久久久久影院| 女人久久www免费人成看片| 欧美成人一区二区免费高清观看| 亚洲av日韩在线播放| 丝袜脚勾引网站| 午夜福利在线在线| 欧美成人精品欧美一级黄| 日韩不卡一区二区三区视频在线| 涩涩av久久男人的天堂| 一级a做视频免费观看| 日韩在线高清观看一区二区三区| 美女xxoo啪啪120秒动态图| 欧美人与善性xxx| 一二三四中文在线观看免费高清| 亚洲国产精品999| 大片电影免费在线观看免费| 国产午夜精品一二区理论片| 舔av片在线| 免费少妇av软件| 精品久久久久久电影网| 精品久久久噜噜| 精品一区在线观看国产| 免费av中文字幕在线| 久热这里只有精品99| 99九九线精品视频在线观看视频| 国产精品.久久久| 国语对白做爰xxxⅹ性视频网站| 我的老师免费观看完整版| 日韩 亚洲 欧美在线| 国产黄频视频在线观看| 国产精品蜜桃在线观看| 18禁裸乳无遮挡动漫免费视频| 久久婷婷青草| 天美传媒精品一区二区| 欧美日韩综合久久久久久| 男人和女人高潮做爰伦理| 久久热精品热| 晚上一个人看的免费电影| 亚洲国产精品专区欧美| av专区在线播放| 天堂8中文在线网| 成人免费观看视频高清| 女性被躁到高潮视频| 国产精品国产三级专区第一集| 欧美日韩亚洲高清精品| 久久久久视频综合| 蜜桃在线观看..| 高清不卡的av网站| 寂寞人妻少妇视频99o| 99热6这里只有精品| 亚洲成人中文字幕在线播放| 一个人免费看片子| 在线观看国产h片| 狂野欧美激情性xxxx在线观看| 久久婷婷青草| 国产黄片视频在线免费观看| 插逼视频在线观看| 国产精品99久久99久久久不卡 | 亚洲精品视频女| 蜜桃亚洲精品一区二区三区| 国产精品国产三级国产av玫瑰| 99久久精品一区二区三区| 天美传媒精品一区二区| 夜夜看夜夜爽夜夜摸| 欧美xxxx性猛交bbbb| 亚洲成人中文字幕在线播放| 国产精品麻豆人妻色哟哟久久| 91久久精品国产一区二区三区| 九草在线视频观看| 老司机影院成人| 日本与韩国留学比较| 亚洲精品一区蜜桃| 国产亚洲午夜精品一区二区久久| 日韩国内少妇激情av| 18禁裸乳无遮挡免费网站照片| 久久热精品热| 中文字幕免费在线视频6| 免费不卡的大黄色大毛片视频在线观看| 赤兔流量卡办理| 国产精品女同一区二区软件| 人体艺术视频欧美日本| 韩国av在线不卡| 亚洲欧美成人综合另类久久久| 中文字幕久久专区| 精品少妇久久久久久888优播| 在线天堂最新版资源| 少妇熟女欧美另类| 九九久久精品国产亚洲av麻豆| 男女无遮挡免费网站观看| 国产精品女同一区二区软件| 高清午夜精品一区二区三区| 国产乱来视频区| 成人国产麻豆网| 久久婷婷青草| 国产成人免费无遮挡视频| 在线看a的网站| 婷婷色av中文字幕| 国产精品人妻久久久影院| 伦精品一区二区三区| 欧美成人一区二区免费高清观看| 亚洲精品视频女| 国产深夜福利视频在线观看| 国产精品欧美亚洲77777| 精品酒店卫生间| 亚洲国产色片| 3wmmmm亚洲av在线观看| 日韩电影二区| 亚洲aⅴ乱码一区二区在线播放| 两个人的视频大全免费| 中文字幕亚洲精品专区| 日韩av免费高清视频| 九草在线视频观看| 丝袜脚勾引网站| 欧美bdsm另类| a级一级毛片免费在线观看| 久久韩国三级中文字幕| 久久久亚洲精品成人影院| 欧美高清性xxxxhd video| 夫妻午夜视频| 免费av不卡在线播放| 在线免费观看不下载黄p国产| 国产伦精品一区二区三区视频9| 夜夜爽夜夜爽视频| 亚洲,一卡二卡三卡| 99视频精品全部免费 在线| 少妇 在线观看| 草草在线视频免费看| 另类亚洲欧美激情| 美女内射精品一级片tv| 这个男人来自地球电影免费观看 | 国产爽快片一区二区三区| 精品久久久久久久久av| 成人亚洲精品一区在线观看 | 大话2 男鬼变身卡| 欧美日韩亚洲高清精品| 有码 亚洲区| 成人亚洲精品一区在线观看 | 在线看a的网站| 亚洲av不卡在线观看| 久久人人爽人人爽人人片va| 九草在线视频观看| 国产成人aa在线观看| 精品久久久久久电影网| 日韩成人伦理影院| 大香蕉97超碰在线| 精品久久久久久久久亚洲| 久久这里有精品视频免费| 亚洲婷婷狠狠爱综合网| 亚洲精品,欧美精品| 亚洲人成网站高清观看| 国产av国产精品国产| 在线观看av片永久免费下载| 97在线人人人人妻| 欧美性感艳星| 大话2 男鬼变身卡| 熟妇人妻不卡中文字幕| 久久ye,这里只有精品| 高清午夜精品一区二区三区| 一级av片app| 国产精品免费大片| 久久久久久久久久人人人人人人| 久久精品国产亚洲网站| 国产欧美另类精品又又久久亚洲欧美| 人妻制服诱惑在线中文字幕| 黄色视频在线播放观看不卡| 日本vs欧美在线观看视频 | 久久国产乱子免费精品| 在线观看免费视频网站a站| 好男人视频免费观看在线| 国产精品福利在线免费观看| 日韩视频在线欧美| 嫩草影院入口| 亚洲欧美精品专区久久| 黄色欧美视频在线观看| 天天躁日日操中文字幕| av播播在线观看一区| 美女中出高潮动态图| 美女内射精品一级片tv| 91aial.com中文字幕在线观看| 精品一区二区三卡| 好男人视频免费观看在线| 91aial.com中文字幕在线观看| 免费人成在线观看视频色| 97热精品久久久久久| 亚洲熟女精品中文字幕| 亚洲av中文字字幕乱码综合| 国产在视频线精品| 观看av在线不卡| 少妇的逼水好多| 国产亚洲精品久久久com| 视频区图区小说| 国产成人一区二区在线| 人妻少妇偷人精品九色| 99热网站在线观看| 国产在线视频一区二区| 在线免费观看不下载黄p国产| 日韩三级伦理在线观看| 国产白丝娇喘喷水9色精品| 日本黄色片子视频| 日韩av免费高清视频|