• <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
    在线a可以看的网站| 日本撒尿小便嘘嘘汇集6| 老司机深夜福利视频在线观看| 老熟妇仑乱视频hdxx| 97超视频在线观看视频| 少妇熟女aⅴ在线视频| 日韩欧美免费精品| 不卡一级毛片| 夜夜躁狠狠躁天天躁| www.www免费av| 久久精品国产亚洲av香蕉五月| 国产精品国产高清国产av| 少妇的丰满在线观看| 精品乱码久久久久久99久播| 亚洲熟女毛片儿| 可以在线观看毛片的网站| 国产亚洲av嫩草精品影院| 国产精品一及| 久久精品91蜜桃| 美女被艹到高潮喷水动态| 1024手机看黄色片| 国产一区二区三区在线臀色熟女| 午夜免费成人在线视频| 日韩欧美在线乱码| 少妇的丰满在线观看| 欧美在线一区亚洲| 国产高清激情床上av| 变态另类成人亚洲欧美熟女| 国产激情偷乱视频一区二区| 美女高潮的动态| 国产伦人伦偷精品视频| 我要搜黄色片| 天天躁狠狠躁夜夜躁狠狠躁| 久久国产精品影院| 亚洲在线观看片| 亚洲人成电影免费在线| 免费大片18禁| 亚洲国产看品久久| 九九在线视频观看精品| 精品一区二区三区av网在线观看| 真人一进一出gif抽搐免费| 麻豆国产97在线/欧美| 一进一出抽搐gif免费好疼| 啦啦啦观看免费观看视频高清| 免费搜索国产男女视频| 最新中文字幕久久久久 | 亚洲 国产 在线| 波多野结衣巨乳人妻| 国产成人aa在线观看| 观看美女的网站| 久久久水蜜桃国产精品网| 国产又色又爽无遮挡免费看| 国内精品一区二区在线观看| 99久久成人亚洲精品观看| 在线观看免费午夜福利视频| 少妇裸体淫交视频免费看高清| 久久精品国产清高在天天线| 不卡一级毛片| 国产成人精品久久二区二区免费| 国产单亲对白刺激| 亚洲成人久久爱视频| 日本a在线网址| 99热只有精品国产| 成人国产一区最新在线观看| 亚洲va日本ⅴa欧美va伊人久久| 国产综合懂色| 给我免费播放毛片高清在线观看| 长腿黑丝高跟| 亚洲真实伦在线观看| 一区二区三区激情视频| 久久久久久久久中文| 中出人妻视频一区二区| 国产伦人伦偷精品视频| 在线观看一区二区三区| 人妻夜夜爽99麻豆av| 脱女人内裤的视频| av片东京热男人的天堂| 69av精品久久久久久| 狠狠狠狠99中文字幕| 久久这里只有精品中国| 麻豆成人av在线观看| 日本一本二区三区精品| 国产成人欧美在线观看| 色播亚洲综合网| 丰满人妻一区二区三区视频av | 我要搜黄色片| 欧美在线一区亚洲| 青草久久国产| 亚洲七黄色美女视频| 久久99热这里只有精品18| 国产午夜福利久久久久久| 欧美高清成人免费视频www| svipshipincom国产片| 很黄的视频免费| 午夜福利在线观看吧| a级毛片a级免费在线| 色综合亚洲欧美另类图片| 嫩草影视91久久| 欧美日本视频| 久久人妻av系列| 国产亚洲欧美98| 男插女下体视频免费在线播放| 嫩草影院精品99| 中文字幕人成人乱码亚洲影| 老熟妇仑乱视频hdxx| 国产精品1区2区在线观看.| 国产精品野战在线观看| 看黄色毛片网站| 熟女少妇亚洲综合色aaa.| 精品一区二区三区视频在线 | 热99在线观看视频| 欧美又色又爽又黄视频| 香蕉久久夜色| 欧美3d第一页| 给我免费播放毛片高清在线观看| 欧美日韩乱码在线| 精品久久久久久久毛片微露脸| 婷婷六月久久综合丁香| 日本免费一区二区三区高清不卡| 欧美不卡视频在线免费观看| 国产成+人综合+亚洲专区| 亚洲 欧美一区二区三区| 国产成人啪精品午夜网站| 97超级碰碰碰精品色视频在线观看| 久久亚洲真实| 成人午夜高清在线视频| 变态另类丝袜制服| 久久精品国产清高在天天线| 欧美日本亚洲视频在线播放| 国产视频一区二区在线看| 精品不卡国产一区二区三区| 搡老熟女国产l中国老女人| 精品久久久久久久久久久久久| 操出白浆在线播放| 免费搜索国产男女视频| 亚洲av日韩精品久久久久久密| 搡老岳熟女国产| 1000部很黄的大片| 免费av不卡在线播放| 无限看片的www在线观看| 久久国产精品人妻蜜桃| 久久久久精品国产欧美久久久| 亚洲一区高清亚洲精品| 国产精品美女特级片免费视频播放器 | 成年女人看的毛片在线观看| 99视频精品全部免费 在线 | 国产成人福利小说| 亚洲av美国av| 国产91精品成人一区二区三区| 国产精品一及| 亚洲,欧美精品.| 嫩草影院精品99| 久久久国产成人免费| 国产成人一区二区三区免费视频网站| 国产精华一区二区三区| 免费观看的影片在线观看| 午夜精品久久久久久毛片777| 老鸭窝网址在线观看| 91久久精品国产一区二区成人 | 一区二区三区激情视频| 欧美不卡视频在线免费观看| 黑人巨大精品欧美一区二区mp4| 757午夜福利合集在线观看| 国产精品1区2区在线观看.| 色哟哟哟哟哟哟| ponron亚洲| 人妻夜夜爽99麻豆av| 人妻夜夜爽99麻豆av| 999久久久精品免费观看国产| 欧美一区二区精品小视频在线| 久久欧美精品欧美久久欧美| 草草在线视频免费看| 久久99热这里只有精品18| 搡老岳熟女国产| 久久久久久久久久黄片| 久久天躁狠狠躁夜夜2o2o| 成年人黄色毛片网站| 1024手机看黄色片| 午夜精品久久久久久毛片777| 欧美色欧美亚洲另类二区| 亚洲成人久久爱视频| 后天国语完整版免费观看| 午夜福利视频1000在线观看| 国产美女午夜福利| 欧美日韩一级在线毛片| 狂野欧美白嫩少妇大欣赏| 非洲黑人性xxxx精品又粗又长| 无人区码免费观看不卡| 亚洲人与动物交配视频| 中出人妻视频一区二区| 亚洲第一欧美日韩一区二区三区| 久久热在线av| 九色国产91popny在线| 一级毛片高清免费大全| 欧美绝顶高潮抽搐喷水| 亚洲av五月六月丁香网| 亚洲精品在线美女| 99久久久亚洲精品蜜臀av| 国产精品久久久久久久电影 | 婷婷亚洲欧美| 激情在线观看视频在线高清| 国产午夜福利久久久久久| 亚洲欧美精品综合一区二区三区| 一区二区三区激情视频| 波多野结衣高清无吗| 亚洲国产高清在线一区二区三| 亚洲中文字幕日韩| 午夜视频精品福利| 亚洲 国产 在线| 国产乱人视频| 国产一区二区在线观看日韩 | 久久午夜综合久久蜜桃| 看片在线看免费视频| 99国产精品99久久久久| 黑人操中国人逼视频| 国产精品亚洲美女久久久| 午夜日韩欧美国产| 国内精品一区二区在线观看| 超碰成人久久| 精品国产亚洲在线| 日韩免费av在线播放| 国产精品久久久av美女十八| 国产乱人视频| 亚洲自拍偷在线| 美女午夜性视频免费| 村上凉子中文字幕在线| 中文字幕人妻丝袜一区二区| 久久久久久大精品| 国产一区二区在线av高清观看| 香蕉丝袜av| 欧美乱妇无乱码| 欧美日韩一级在线毛片| 无人区码免费观看不卡| 亚洲欧美精品综合久久99| 91麻豆av在线| 97超级碰碰碰精品色视频在线观看| 99热6这里只有精品| 99久久国产精品久久久| 别揉我奶头~嗯~啊~动态视频| 日韩有码中文字幕| 亚洲成人久久爱视频| 国产日本99.免费观看| 成人鲁丝片一二三区免费| 精品午夜福利视频在线观看一区| 国产熟女xx| 国产99白浆流出| 亚洲国产高清在线一区二区三| 成年女人看的毛片在线观看| 国内精品美女久久久久久| 一进一出好大好爽视频| 一边摸一边抽搐一进一小说| 亚洲国产中文字幕在线视频| 天天一区二区日本电影三级| 久久久国产欧美日韩av| 国产一区二区三区在线臀色熟女| 中文字幕精品亚洲无线码一区| 少妇的逼水好多| 日韩欧美 国产精品| 哪里可以看免费的av片| 性色avwww在线观看| 啦啦啦观看免费观看视频高清| ponron亚洲| 性色av乱码一区二区三区2| 国产精品久久电影中文字幕| av福利片在线观看| 一进一出好大好爽视频| 国产亚洲精品久久久com| 少妇的逼水好多| 亚洲人成网站在线播放欧美日韩| 午夜福利在线在线| АⅤ资源中文在线天堂| 后天国语完整版免费观看| 伦理电影免费视频| 色老头精品视频在线观看| 国产爱豆传媒在线观看| 黄片小视频在线播放| 最近最新免费中文字幕在线| 国产高清三级在线| 日韩中文字幕欧美一区二区| 黄频高清免费视频| 亚洲aⅴ乱码一区二区在线播放| 热99re8久久精品国产| 国产成人精品久久二区二区免费| 一本综合久久免费| 国产午夜福利久久久久久| 一a级毛片在线观看| 99在线人妻在线中文字幕| 亚洲九九香蕉| 国产亚洲精品久久久com| 中出人妻视频一区二区| 日韩大尺度精品在线看网址| 欧美另类亚洲清纯唯美| 国产成人av激情在线播放| 高潮久久久久久久久久久不卡| 男女那种视频在线观看| 一本综合久久免费| 国语自产精品视频在线第100页| 久久久久久九九精品二区国产| 日本免费一区二区三区高清不卡| 国产男靠女视频免费网站| 哪里可以看免费的av片| bbb黄色大片| 亚洲午夜理论影院| 五月伊人婷婷丁香| 欧美黑人巨大hd| 午夜福利成人在线免费观看| 久久久久免费精品人妻一区二区| 悠悠久久av| 久久精品综合一区二区三区| 99久久国产精品久久久| 日韩欧美国产在线观看| 亚洲一区二区三区不卡视频| 悠悠久久av| 久久久久久久久久黄片| 一本一本综合久久| 国产 一区 欧美 日韩| 一区二区三区激情视频| 国产成年人精品一区二区| 午夜激情福利司机影院| 婷婷亚洲欧美| 变态另类丝袜制服| 99精品久久久久人妻精品| 久久国产精品人妻蜜桃| 色哟哟哟哟哟哟| 亚洲熟妇中文字幕五十中出| 日本一二三区视频观看| 欧美最黄视频在线播放免费| 国产乱人伦免费视频| 国产不卡一卡二| 一二三四社区在线视频社区8| 天天躁日日操中文字幕| 99在线视频只有这里精品首页| 久久久久精品国产欧美久久久| www日本在线高清视频| 人人妻人人澡欧美一区二区| 一个人免费在线观看的高清视频| 亚洲成av人片免费观看| 亚洲欧洲精品一区二区精品久久久| 成人精品一区二区免费| 国产精品亚洲美女久久久| 国产乱人视频| 久久婷婷人人爽人人干人人爱| 最近最新中文字幕大全免费视频| 男人的好看免费观看在线视频| 哪里可以看免费的av片| 亚洲五月天丁香| 精品久久蜜臀av无| 国产精品一区二区三区四区免费观看 | 国产三级在线视频| 中文字幕熟女人妻在线| 无人区码免费观看不卡| 亚洲中文日韩欧美视频| 精品久久久久久,| 岛国视频午夜一区免费看| 久久久水蜜桃国产精品网| 一本一本综合久久| 国内精品久久久久精免费| 黄色 视频免费看| 成人三级黄色视频| 欧美av亚洲av综合av国产av| 精品国产乱码久久久久久男人| 欧美日韩一级在线毛片| 国产高清videossex| 亚洲国产日韩欧美精品在线观看 | 首页视频小说图片口味搜索| 一级毛片女人18水好多| 免费看日本二区| 成熟少妇高潮喷水视频| 91在线观看av| 国产精品久久久久久久电影 | 国产亚洲精品综合一区在线观看| 国内精品一区二区在线观看| 不卡一级毛片| 国内毛片毛片毛片毛片毛片| 亚洲男人的天堂狠狠| av福利片在线观看| 长腿黑丝高跟| 久9热在线精品视频| 99热这里只有是精品50| 色老头精品视频在线观看| 999久久久国产精品视频| 88av欧美| 国产精品 国内视频| 精品日产1卡2卡| 在线十欧美十亚洲十日本专区| 亚洲成人精品中文字幕电影| 露出奶头的视频| 99久久国产精品久久久| 一级毛片精品| 国产高清视频在线播放一区| 亚洲av免费在线观看| 丝袜人妻中文字幕| 欧美国产日韩亚洲一区| 黑人巨大精品欧美一区二区mp4| 日韩欧美一区二区三区在线观看| 日本 欧美在线| 高清在线国产一区| 国产精品1区2区在线观看.| 日韩欧美三级三区| 日韩高清综合在线| 久久精品国产综合久久久| 欧美中文综合在线视频| 国产激情欧美一区二区| 又黄又爽又免费观看的视频| 久久欧美精品欧美久久欧美| 久久天堂一区二区三区四区| 午夜免费激情av| 人人妻人人看人人澡| 精品国产亚洲在线| 亚洲av日韩精品久久久久久密| 亚洲精品456在线播放app | 高清在线国产一区| 999久久久精品免费观看国产| 亚洲18禁久久av| 一本久久中文字幕| 中文字幕av在线有码专区| 少妇人妻一区二区三区视频| a级毛片在线看网站| 中文字幕久久专区| 亚洲自拍偷在线| 色精品久久人妻99蜜桃| 国产av麻豆久久久久久久| 欧美av亚洲av综合av国产av| 这个男人来自地球电影免费观看| 级片在线观看| 97碰自拍视频| 亚洲精品美女久久av网站| 成人亚洲精品av一区二区| 日韩精品青青久久久久久| 18美女黄网站色大片免费观看| 一级毛片女人18水好多| 亚洲片人在线观看| 亚洲人成伊人成综合网2020| 老熟妇乱子伦视频在线观看| 午夜a级毛片| 欧美黑人巨大hd| 久久伊人香网站| 黄色成人免费大全| 日韩欧美国产在线观看| 99国产精品一区二区三区| 国产不卡一卡二| 性色avwww在线观看| 看免费av毛片| 好男人电影高清在线观看| 国产精品精品国产色婷婷| 色av中文字幕| 亚洲欧美精品综合一区二区三区| 99热只有精品国产| 女警被强在线播放| 一区二区三区国产精品乱码| 免费看a级黄色片| 亚洲国产精品成人综合色| 观看免费一级毛片| 国内少妇人妻偷人精品xxx网站 | 99热这里只有精品一区 | 国产精品久久久av美女十八| 国产精品 国内视频| 日韩大尺度精品在线看网址| 午夜福利在线观看免费完整高清在 | 女生性感内裤真人,穿戴方法视频| 午夜福利视频1000在线观看| 国产 一区 欧美 日韩| 在线观看一区二区三区| 欧美黑人巨大hd| 国产探花在线观看一区二区| 久久欧美精品欧美久久欧美| 日本一二三区视频观看| 亚洲欧美日韩东京热| 丰满人妻一区二区三区视频av | 啦啦啦免费观看视频1| 日本一二三区视频观看| 精品国内亚洲2022精品成人| 欧美日本亚洲视频在线播放| 亚洲国产欧美一区二区综合| 久久久久久久久免费视频了| 国产精品久久久久久亚洲av鲁大| 亚洲aⅴ乱码一区二区在线播放| 日日夜夜操网爽| 午夜福利18| 日韩高清综合在线| 日韩欧美在线乱码| 国产主播在线观看一区二区| 久久久国产成人免费| 特级一级黄色大片| 亚洲精品色激情综合| 99久久精品国产亚洲精品| 亚洲欧美精品综合一区二区三区| 一二三四社区在线视频社区8| 国产97色在线日韩免费| 黑人巨大精品欧美一区二区mp4| 久久久久久久午夜电影| 人妻久久中文字幕网| 我的老师免费观看完整版| 免费观看人在逋| 级片在线观看| 国产av在哪里看| 这个男人来自地球电影免费观看| 精品久久久久久久人妻蜜臀av| 亚洲国产看品久久| 男人和女人高潮做爰伦理| 91九色精品人成在线观看| 久久天堂一区二区三区四区| 国产成人一区二区三区免费视频网站| 免费在线观看视频国产中文字幕亚洲| 国产精品免费一区二区三区在线| 99久久精品国产亚洲精品| 亚洲中文字幕日韩| 中文字幕熟女人妻在线| 国产高清三级在线| 神马国产精品三级电影在线观看| 亚洲精华国产精华精| 人人妻人人看人人澡| 他把我摸到了高潮在线观看| 在线看三级毛片| 日本黄色视频三级网站网址| 国产精品自产拍在线观看55亚洲| 天堂影院成人在线观看| www.自偷自拍.com| 午夜福利在线观看吧| 国产欧美日韩精品一区二区| 国产一区在线观看成人免费| 欧美日韩福利视频一区二区| 成年版毛片免费区| 亚洲狠狠婷婷综合久久图片| av黄色大香蕉| 国产高清视频在线播放一区| 国产精品久久久久久人妻精品电影| 中文字幕久久专区| 热99在线观看视频| 在线看三级毛片| 亚洲国产高清在线一区二区三| 男女之事视频高清在线观看| 高潮久久久久久久久久久不卡| 日韩欧美精品v在线| 99在线视频只有这里精品首页| 岛国在线观看网站| 亚洲中文av在线| 法律面前人人平等表现在哪些方面| 一进一出抽搐gif免费好疼| 国产精品 国内视频| 在线观看舔阴道视频| 天堂动漫精品| 亚洲国产精品久久男人天堂| 欧美日本亚洲视频在线播放| 国产精华一区二区三区| 亚洲色图av天堂| 舔av片在线| 天堂网av新在线| 国产精品av视频在线免费观看| 桃色一区二区三区在线观看| 成人av一区二区三区在线看| 最近最新免费中文字幕在线| 亚洲专区字幕在线| 色综合站精品国产| 最新美女视频免费是黄的| 一a级毛片在线观看| 操出白浆在线播放| 亚洲中文字幕日韩| 色播亚洲综合网| 韩国av一区二区三区四区| 久久久水蜜桃国产精品网| 亚洲天堂国产精品一区在线| 中文字幕人成人乱码亚洲影| aaaaa片日本免费| 三级国产精品欧美在线观看 | 少妇的逼水好多| 十八禁网站免费在线| 久久伊人香网站| 亚洲成人中文字幕在线播放| 熟女人妻精品中文字幕| 午夜福利在线观看免费完整高清在 | 国产亚洲av高清不卡| 国产精品久久久久久人妻精品电影| 国产亚洲精品av在线| 五月玫瑰六月丁香| 一本精品99久久精品77| 一级a爱片免费观看的视频| 99久久精品国产亚洲精品| 亚洲专区中文字幕在线| 日韩高清综合在线| av福利片在线观看| 亚洲黑人精品在线| 欧美精品啪啪一区二区三区| 免费大片18禁| 好看av亚洲va欧美ⅴa在| 淫秽高清视频在线观看| 可以在线观看毛片的网站| 日本精品一区二区三区蜜桃| www.精华液| 久久精品aⅴ一区二区三区四区| 99久久综合精品五月天人人| 久久久国产欧美日韩av| 亚洲成a人片在线一区二区| 一进一出抽搐gif免费好疼| 久久久色成人| 亚洲中文字幕一区二区三区有码在线看 | 男人的好看免费观看在线视频| 一个人看的www免费观看视频| 久久久精品欧美日韩精品| 一区二区三区国产精品乱码| 亚洲国产欧美人成| 精品国内亚洲2022精品成人| 免费高清视频大片| 国内精品久久久久精免费| 久久久久久久久久黄片| 国产高清videossex| 九九久久精品国产亚洲av麻豆 | 精品久久久久久久人妻蜜臀av| 国产一区二区在线av高清观看| 窝窝影院91人妻| 久久精品影院6| 中文字幕久久专区| 老汉色av国产亚洲站长工具| 精品久久久久久久久久免费视频| 18禁国产床啪视频网站|