袁中臣，馬宗民

1.東北大學(xué) 軟件學(xué)院，沈陽(yáng)110819

2.沈陽(yáng)工業(yè)大學(xué) 化工過(guò)程自動(dòng)化學(xué)院，遼寧 遼陽(yáng)111004

軟件重用能節(jié)省開(kāi)發(fā)費(fèi)用和時(shí)間。隨著軟件復(fù)雜性的增加，軟件重用開(kāi)始出現(xiàn)在軟件生命周期的每個(gè)階段[1-2]。軟件設(shè)計(jì)發(fā)生在軟件生命周期的早期，對(duì)接下來(lái)的開(kāi)發(fā)工作產(chǎn)生重要的影響。所以，軟件設(shè)計(jì)的重用受到關(guān)注[3]。UML（Unified Modeling Language）類(lèi)圖由類(lèi)和類(lèi)之間的關(guān)系構(gòu)成，用于系統(tǒng)的靜態(tài)建模。UML類(lèi)圖被廣泛應(yīng)用于軟件設(shè)計(jì)，已成為軟件設(shè)計(jì)事實(shí)上的標(biāo)準(zhǔn)[4]。所以UML類(lèi)圖重用成為軟件設(shè)計(jì)重用研究的重點(diǎn)[5-6]。隨著可重用的UML類(lèi)圖數(shù)量的增加，分類(lèi)成為一項(xiàng)基礎(chǔ)性工作。

服務(wù)于軟件重用的組件的分類(lèi)在一些文獻(xiàn)中被提出[7-10]。這里的組件是指程序代碼、設(shè)計(jì)模型和規(guī)范等。所有提出的方法能被歸于同一類(lèi)，即，通過(guò)預(yù)先定義的屬性（如開(kāi)發(fā)平臺(tái)和功能等）去描述每個(gè)組件，組件被表示為一個(gè)屬性向量，向量差異（歐式或者余弦距離）用來(lái)度量組件相似性，然后應(yīng)用分類(lèi)算法實(shí)現(xiàn)組件的分類(lèi)。

人為屬性的定義不能完全表達(dá)一個(gè)UML類(lèi)圖的語(yǔ)義，并且屬性的定義需要領(lǐng)域知識(shí)的支持。相似性度量是進(jìn)行分類(lèi)的重要一步，現(xiàn)有關(guān)于相似性度量的研究主要集中在語(yǔ)義[11-16]。文獻(xiàn)[11]結(jié)合領(lǐng)域本體和應(yīng)用本體計(jì)算類(lèi)圖之間的語(yǔ)義相似性，以增加準(zhǔn)確性。文獻(xiàn)[11]和[16]在匹配中考慮了關(guān)系的特征。文獻(xiàn)[13]提出類(lèi)圖的相似性分為淺層（命名）相似性和深層（語(yǔ)義）相似性，并使用鄰居類(lèi)的信息實(shí)現(xiàn)關(guān)系的相似性度量。在文獻(xiàn)[14]中，除去類(lèi)之外，還將屬性和操作列入語(yǔ)義度量范疇。所有以上這些方法都考慮到概念名稱(chēng)，并應(yīng)用了本體的概念語(yǔ)義相似性。在語(yǔ)義相似性度量中，除了概念語(yǔ)義之外，還包括屬性（操作）類(lèi)型和訪問(wèn)權(quán)限等限制。即使是相同類(lèi)的相同屬性在不同項(xiàng)目中也可能被定義成不同的類(lèi)型。如類(lèi)“Student”的學(xué)號(hào)屬性“num”在不同項(xiàng)目中可能被定義為“integer”和“String”兩個(gè)不同的類(lèi)型。而這些差別在接下來(lái)的編碼階段會(huì)體現(xiàn)出更多的差異。所以，本文定義的語(yǔ)義相似性度量將把這些因素考慮在內(nèi)。

在UML類(lèi)圖中，把每個(gè)關(guān)系稱(chēng)為一個(gè)語(yǔ)義單元，即R=[端點(diǎn)類(lèi)1，關(guān)系類(lèi)型，端點(diǎn)類(lèi)2]，語(yǔ)義單元之間的相似性計(jì)算從端點(diǎn)類(lèi)和關(guān)系類(lèi)型進(jìn)行。類(lèi)圖之間的語(yǔ)義相似性即為所有語(yǔ)義單元的相似性均值。同時(shí)，在進(jìn)行類(lèi)的相似性度量時(shí)，除了考慮概念語(yǔ)義名稱(chēng)，把屬性、操作及其類(lèi)型和訪問(wèn)限制等也考慮在內(nèi)。類(lèi)圖之間的語(yǔ)義相似性被定義如下：

分類(lèi)在很多領(lǐng)域得到應(yīng)用，如模式識(shí)別和機(jī)器學(xué)習(xí)等[17]。很多分類(lèi)算法被提出，如決策樹(shù)（DT）、遺傳算法（GA）、邏輯回歸（LR）、支持向量機(jī)（SVM）、K臨近（KNN）和樸素貝葉斯（NB）等。除了這些單個(gè)的分類(lèi)算法還出現(xiàn)了集成分類(lèi)算法[18]，如隨機(jī)森林等。由于集成分類(lèi)能夠克服單個(gè)分類(lèi)算法的缺點(diǎn)，本文構(gòu)建了一個(gè)基于KNN的二級(jí)分類(lèi)的集成分類(lèi)器E-KNN。這里實(shí)現(xiàn)的是單標(biāo)簽分類(lèi)，即，一個(gè)UML類(lèi)圖僅能被分類(lèi)到唯一的類(lèi)別目錄。

本文正是從語(yǔ)義方面提出對(duì)UML類(lèi)圖的分類(lèi)。定義了類(lèi)圖之間的語(yǔ)義相似性度量，提出算法獲取中心類(lèi)圖，基于中心類(lèi)圖和改進(jìn)的KNN算法分別構(gòu)建E1-KNN和E2-KNN分類(lèi)器，并組成二級(jí)集成分類(lèi)器E-KNN。實(shí)驗(yàn)驗(yàn)證了所構(gòu)建分類(lèi)器的有效性。

1 語(yǔ)義相似性度量

現(xiàn)有的基于本體的概念語(yǔ)義相似性計(jì)算分為兩種方法：語(yǔ)義距離和包含內(nèi)容[19]。本文選擇被廣泛使用的基于路徑的語(yǔ)義距離來(lái)計(jì)算概念之間的語(yǔ)義相似性，表示如下：

c1和c2分別表示兩個(gè)概念，lso(c1,c2)表示概念c1和c2在本體（如WordNet）層級(jí)結(jié)構(gòu)中的最低公共祖先；len(c1,c2)表示概念c1和c2的最短路徑；depth(c)標(biāo)識(shí)概念c在本體層級(jí)結(jié)構(gòu)中的深度。

cd1和cd2是兩個(gè)類(lèi)圖，|cd i|表示類(lèi)圖cd i中包含的關(guān)系的數(shù)目。類(lèi)Ci來(lái)自類(lèi)圖cd1,A i和O i分別是類(lèi)Ci的屬性集合和操作集合，|A i|和|O i|分別表示包含屬性和操作的數(shù)目。同理，類(lèi)C j來(lái)自類(lèi)圖cd2,A j和O j分別是類(lèi)C j的屬性集合和操作集合。SimC、SimR、SimA和SimO分別表示類(lèi)相似性、關(guān)系相似性、屬性相似性和操作相似性。λ、α、β(β1,β2,β3)、γ(γ1,γ2,γ3,γ4)是權(quán)重因子。Root(c)標(biāo)識(shí)一個(gè)概念名稱(chēng)c的詞根，因?yàn)樵趯傩院筒僮鞯谋磉_(dá)中經(jīng)常包含很多縮寫(xiě)，如屬性“ID”實(shí)際上表示的是“i dentity”。SimT標(biāo)識(shí)類(lèi)型（返回值類(lèi)型）相似性；SimP標(biāo)識(shí)訪問(wèn)權(quán)限相似性。操作有時(shí)還包含參數(shù)，并且參數(shù)的定義和屬性是一致的，所以參數(shù)的相似性度量(SimQ)采取和屬性相同的度量方法。

考慮到建模相同項(xiàng)目可能會(huì)出現(xiàn)異構(gòu)的類(lèi)圖，關(guān)系相似性度量SimR被總結(jié)為三種情況。當(dāng)被匹配的兩個(gè)關(guān)系類(lèi)型相同時(shí)，相似性值為SimR=1.0；當(dāng)匹配的兩個(gè)關(guān)系類(lèi)型不同時(shí)，引入文獻(xiàn)[13]的關(guān)系相似性矩陣SM R獲取相似性值。對(duì)于第三種情況，當(dāng)一個(gè)關(guān)系被匹配到UML類(lèi)圖中的一條路徑而不是一個(gè)關(guān)系時(shí)，定義公式來(lái)標(biāo)識(shí)相似性。R i標(biāo)識(shí)路徑上每個(gè)關(guān)系的類(lèi)型，n表示關(guān)系路徑的長(zhǎng)度。

為了度量屬性（操作）訪問(wèn)權(quán)限和類(lèi)型的相似性值，通過(guò)邀請(qǐng)軟件工程領(lǐng)域?qū)＜乙栽L問(wèn)權(quán)限的限定范圍差異和類(lèi)型之間的轉(zhuǎn)換復(fù)雜度為基準(zhǔn)分別給出相似性值的評(píng)分，如表1和表2所示。

表1 訪問(wèn)權(quán)限相似性

表2 類(lèi)型相似性

在表2中，U表示兩個(gè)類(lèi)的相似性。如果匹配的兩個(gè)類(lèi)是相同或者存在繼承關(guān)系，則U=1，否則U=0。這種相似性度量經(jīng)常會(huì)出現(xiàn)在一些“依賴(lài)”關(guān)系的類(lèi)圖匹配中。

2 集成分類(lèi)

2.1 中心類(lèi)圖

每個(gè)類(lèi)別的類(lèi)圖都表現(xiàn)出相似或者相同的特征，找出這些特征是分類(lèi)的首要一步。這里定義中心類(lèi)圖標(biāo)識(shí)每個(gè)類(lèi)別目錄中類(lèi)圖的特征。

定義1中心類(lèi)圖在目錄C i中，如果類(lèi)圖cd j和所有其他類(lèi)圖之間的平均相似性值高于其他類(lèi)圖，則cd j被稱(chēng)為中心類(lèi)圖。

取一組中心類(lèi)圖來(lái)表示一個(gè)目錄的特征。接下來(lái)的問(wèn)題變成了如何去獲取中心類(lèi)圖集合，這里提出一個(gè)行最大值捕捉的算法。假定一個(gè)目錄Ci中包含的類(lèi)圖的數(shù)量是n，那么就會(huì)存在一個(gè)n×n階相似性矩陣SM,SMij表示類(lèi)圖cd i和cd j之間的相似性值。行最大值捕捉算法被描述為算法1，描述如下：

算法1獲取目錄中心類(lèi)圖集合

輸入：相似性矩陣SM和中心類(lèi)圖數(shù)目center Num

輸出：中心類(lèi)圖集合center CDs

其中，中心類(lèi)圖集合centerCDs初始化為空。計(jì)算SM每一行的平均值(row SimAVG)，從中找到最大值，該行對(duì)應(yīng)的類(lèi)圖即為一個(gè)中心類(lèi)圖cd p，如果中心類(lèi)圖集centerCDs中不存在cd p（有時(shí)候目錄中會(huì)出現(xiàn)兩個(gè)完全相同的類(lèi)圖），則插入，然后從SM中刪除這個(gè)類(lèi)圖對(duì)應(yīng)的行和列，繼續(xù)在SM中查找下一個(gè)中心類(lèi)圖，直到找到指定數(shù)目center Num為止。

假定一個(gè)目錄的類(lèi)圖數(shù)量為n1，則獲取目錄中類(lèi)圖的相似性矩陣的時(shí)間復(fù)雜度為；要尋找中心類(lèi)圖數(shù)量為m1，則在目錄中查找特征類(lèi)圖的復(fù)雜度是O(m1×n1)。所以，總的時(shí)間復(fù)雜度為

2.2 分類(lèi)流程

本文構(gòu)建了一個(gè)2級(jí)分類(lèi)的集成分類(lèi)器E-KNN，如圖1所示。

圖1 集成分類(lèi)器E-KNN

分類(lèi)過(guò)程分為兩個(gè)階段。UML類(lèi)圖首先進(jìn)入分類(lèi)器E1-KNN進(jìn)行初級(jí)分類(lèi)，產(chǎn)生可能分類(lèi)的目錄。然后，由分類(lèi)器E2-KNN決定最終分類(lèi)目錄。很多情況下，分類(lèi)結(jié)果也能由E1-KNN直接決定，而不需要進(jìn)入E2-KNN。E1-KNN和E2-KNN都是基于KNN算法。在KNN中，所有樣例參與相似性計(jì)算，所以存在分類(lèi)效率低問(wèn)題[20]。同時(shí)，K的設(shè)置和樣例分布也影響分類(lèi)的準(zhǔn)確性。這些問(wèn)題需要在E-KNN中考慮。

2.2.1 E1-KNN分類(lèi)器

E1-KNN的分類(lèi)計(jì)算是基于中心類(lèi)圖集合，而不是所有訓(xùn)練樣例，相似性計(jì)算次數(shù)明顯減少。E1-KNN分類(lèi)器的分類(lèi)可能產(chǎn)生3種結(jié)果：

（1）類(lèi)圖不能被分類(lèi)到現(xiàn)有的目錄。

（2）類(lèi)圖被分類(lèi)到一個(gè)確定的目錄。

（3）輸出初級(jí)分類(lèi)目錄。

針對(duì)結(jié)果（1），標(biāo)記不屬于現(xiàn)有分類(lèi)目錄為C0。當(dāng)在最高的的K個(gè)相似性中，屬于分類(lèi)目錄的平均相似性值μ＜μ0時(shí)，類(lèi)圖不能被分類(lèi)到現(xiàn)有目錄，即分類(lèi)到C0，分類(lèi)過(guò)程終止。

針對(duì)結(jié)果（2），這里規(guī)定，當(dāng)在最高的K個(gè)相似性值中屬于分類(lèi)目錄的類(lèi)圖的數(shù)量w≥w0，分類(lèi)目錄確定，分類(lèi)結(jié)束。

表3 訓(xùn)練樣例的特征

參數(shù)μ0和w0能通過(guò)訓(xùn)練獲得，訓(xùn)練過(guò)程如下：

步驟1獲取目錄中心類(lèi)圖集合，將所有訓(xùn)練樣例分為中心類(lèi)圖(m)和測(cè)試類(lèi)圖(n-m)兩個(gè)集合。

步驟2計(jì)算每個(gè)測(cè)試類(lèi)圖和每個(gè)中心類(lèi)圖的相似性，并基于KNN進(jìn)行分類(lèi)。

步驟3計(jì)算每個(gè)測(cè)試類(lèi)圖的μ和w。

步驟4統(tǒng)計(jì)所有測(cè)試類(lèi)圖正確分類(lèi)的比率λ1，如果λ1＜λ0(λ0為預(yù)先設(shè)定，一般λ0≥0.90)，重新設(shè)定每個(gè)目錄中心類(lèi)圖的數(shù)量（如m0=m0+1），并返回步驟1。否則，獲得

訓(xùn)練參數(shù)的時(shí)間復(fù)雜度為O(r×m×(n-m)),r為迭代次數(shù)，一般在3～7次可以完成參數(shù)訓(xùn)練。

針對(duì)結(jié)果（3），取最高的平均相似性值對(duì)應(yīng)的目錄（通常不會(huì)超過(guò)3個(gè)）作為分類(lèi)器E1-KNN的輸出。

E1-KNN的具體分類(lèi)流程如圖2所示。

圖2 E1-KNN分類(lèi)流程

在E1-KNN中，類(lèi)圖被分類(lèi)到現(xiàn)有目錄的必要條件是分類(lèi)目錄唯一，充分條件是μx≥μ0和w x≥w0。同時(shí)，C0的標(biāo)識(shí)可以為將來(lái)擴(kuò)展未知類(lèi)別類(lèi)圖的分類(lèi)提供支持。

2.2.2 E2-KNN分類(lèi)器

E2-KNN分類(lèi)計(jì)算是基于E1-KNN輸出目錄的樣例而不是所有樣例，所以效率明顯提高。同時(shí)，在處理K（高于E1-KNN中的K值）個(gè)最高相似性值中屬于不同目錄的類(lèi)圖數(shù)量相等的問(wèn)題時(shí)，針對(duì)訓(xùn)練數(shù)據(jù)分布情況分別給出解決方案。

（1）K+X。即，擴(kuò)大K的范圍，然后獲取分類(lèi)目錄。通常，X=K/2。這種解決方案的前提是不同目錄的樣例分布均勻。

（2）目錄平均值。分別統(tǒng)計(jì)屬于不同目錄的樣例對(duì)應(yīng)的相似性平均值μ，類(lèi)圖被分類(lèi)到平均值高的對(duì)應(yīng)的目錄，此方案適用于樣例分布不均勻的情況。

E2-KNN主要針對(duì)建模交叉領(lǐng)域項(xiàng)目的類(lèi)圖的分類(lèi)。這些項(xiàng)目的類(lèi)圖包含來(lái)自不同領(lǐng)域的語(yǔ)義信息，經(jīng)常不能通過(guò)基于有限的中心類(lèi)圖的分類(lèi)器E1-KNN給出確定的分類(lèi)目錄。

3 實(shí)驗(yàn)結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)中使用的UML類(lèi)圖來(lái)自Google（Searchcode）的Java代碼的反向工程[21]。訓(xùn)練樣例分為五個(gè)領(lǐng)域，分別為教育(C1)、醫(yī)療(C2)、金融(C3)、房地產(chǎn)(C4)和電子商務(wù)(C5)等。為了驗(yàn)證樣例分布和尺寸均勻與否對(duì)分類(lèi)的影響，樣例被分成4個(gè)組，每組500個(gè)，細(xì)節(jié)如表3所示。此外，200個(gè)類(lèi)圖被用于測(cè)試，其中，20個(gè)測(cè)試樣例來(lái)自非上述領(lǐng)域(C0)。同時(shí)，包含交叉領(lǐng)域信息的類(lèi)圖的數(shù)目也是20。使用Java語(yǔ)言實(shí)現(xiàn)了本文所提出的分類(lèi)方法，并且在PC機(jī)（Win 10，Intel Core i7，RAM 8 GB）上執(zhí)行。語(yǔ)義相似性計(jì)算權(quán)重參數(shù)設(shè)置：λ=0.3,α=0.5,β=0.3,γ=0.2,β1=0.5,β2=0.3,β3=0.2,γ1=0.4,γ2=0.3,γ3=0.2,γ4=0.1。通過(guò)訓(xùn)練獲得分類(lèi)器E1-KNN中參數(shù)設(shè)置，如表4所示。

表4 參數(shù)設(shè)定

3.2 結(jié)果分析

分類(lèi)質(zhì)量可以從準(zhǔn)確率P、完成率R和二者調(diào)和平均值F三個(gè)指標(biāo)來(lái)度量。這里設(shè)定A表示正確地分類(lèi)的測(cè)試樣例的數(shù)量；B表示錯(cuò)誤地分類(lèi)的測(cè)試樣例的數(shù)量；C表示應(yīng)該分類(lèi)但是沒(méi)有分類(lèi)的測(cè)試樣例數(shù)量。P、R和F公式為：

測(cè)試樣例在4個(gè)訓(xùn)練樣例組上執(zhí)行分類(lèi)獲得的分類(lèi)質(zhì)量如圖3所示。

圖3 E-KNN分類(lèi)質(zhì)量

可以看出，g1獲得分類(lèi)質(zhì)量最高，g4最低，總體差別不大。無(wú)論哪個(gè)樣例組，分類(lèi)的完成率要高于準(zhǔn)確率。這是因?yàn)椋?jīng)過(guò)兩級(jí)分類(lèi)不能最終決定分類(lèi)目錄的樣例數(shù)量很少。

從分布上看，分類(lèi)質(zhì)量受樣例分布的影響不大。如由g1和g3獲得的分類(lèi)質(zhì)量差異很小，同樣的事情也發(fā)生在g2和g4上。這是因?yàn)?，在E1-KNN中使用了中心類(lèi)圖，而中心類(lèi)圖在分布均勻和不均勻的樣例中的數(shù)量差異不大，這也屏蔽了分布差異對(duì)分類(lèi)的影響；在E2-KNN中，提出的平均相似性的計(jì)算也避免了分類(lèi)受分布影響的問(wèn)題。

樣例尺寸差異還是使得分類(lèi)質(zhì)量表現(xiàn)出不同，盡管不大。由均勻尺寸的訓(xùn)練樣例獲得的分類(lèi)質(zhì)量要高于不均勻尺寸獲得的分類(lèi)質(zhì)量，如g1和g3分別高于g2和g4。這是因?yàn)?，大尺寸的?lèi)圖就包含了更多的語(yǔ)義信息，而小尺寸的類(lèi)圖包含的信息較少。當(dāng)一個(gè)小尺寸的類(lèi)圖進(jìn)行分類(lèi)時(shí)偶爾會(huì)被分類(lèi)到錯(cuò)誤的大尺寸類(lèi)圖的目錄，特別是對(duì)于交叉領(lǐng)域的測(cè)試樣例。如測(cè)試樣例中關(guān)于“醫(yī)療學(xué)?！钡腢ML類(lèi)圖，有時(shí)會(huì)被錯(cuò)誤地分類(lèi)到“醫(yī)療”領(lǐng)域，盡管它應(yīng)該被分類(lèi)到“教育”領(lǐng)域。

接下來(lái)，將上述集成分類(lèi)（E-KNN）獲得的分類(lèi)質(zhì)量（F值）和分別由一級(jí)（E1-KNN）和二級(jí)（E2-KNN）分類(lèi)獲得的分類(lèi)質(zhì)量進(jìn)行對(duì)比，結(jié)果如圖4所示。

可以看出，由E-KNN獲得的分類(lèi)質(zhì)量明顯高于僅由分類(lèi)器E1-KNN和E2-KNN獲得的分類(lèi)質(zhì)量。E1-KNN在分類(lèi)交叉領(lǐng)域類(lèi)圖時(shí)有時(shí)不能決定最終目錄，而E2-KNN不能處理C0的問(wèn)題，且受訓(xùn)練樣例分布影響較大。由E1-KNN和E2-KNN結(jié)合組成的E-KNN恰好有效地解決了這些問(wèn)題。

圖4 一級(jí)和二級(jí)分類(lèi)質(zhì)量對(duì)比

最后，將獲得的分類(lèi)質(zhì)量（F值）和（平均）效率與由常用分類(lèi)算法KNN、NB、LR、SVM、EN（KNN（4）和NB（3））獲得的結(jié)果比較。因?yàn)長(zhǎng)R和SVM被用于二分類(lèi)，這里訓(xùn)練樣例為5個(gè)類(lèi)別目錄，所以，分別訓(xùn)練了5個(gè)分類(lèi)器（一對(duì)多）實(shí)現(xiàn)多分類(lèi)，以函數(shù)值決定分類(lèi)目錄。分類(lèi)器EN是分別由基分類(lèi)器KNN和NB構(gòu)成的集成分類(lèi)器，分類(lèi)結(jié)果通過(guò)舉手表決。中心類(lèi)圖中的類(lèi)組成NB、LR和SVM的特征。所有分類(lèi)方法均使用提出的相似性度量。分類(lèi)質(zhì)量和效率比較如圖5和圖6所示。

圖5 分類(lèi)質(zhì)量比較

圖6 分類(lèi)效率比較

從分類(lèi)質(zhì)量上看，幾種分類(lèi)器在樣例組g1獲得的分類(lèi)質(zhì)量最高，而由樣例組g4獲得的分類(lèi)質(zhì)量最低。提出的分類(lèi)方法獲得的分類(lèi)質(zhì)量要優(yōu)于其他分類(lèi)器。同時(shí)，也能看到，單分類(lèi)器的分類(lèi)質(zhì)量受到分布的影響。集成分類(lèi)器EN的分類(lèi)質(zhì)量要優(yōu)于單分類(lèi)器。在單分類(lèi)器中，KNN分類(lèi)質(zhì)量最高。從分類(lèi)效率上看，提出分類(lèi)器的分類(lèi)效率要優(yōu)于其他幾種分類(lèi)器，尤其是KNN分類(lèi)效率最低，每次分類(lèi)都需要大量的相似性計(jì)算。中心類(lèi)圖的引入減少了大量的計(jì)算。同時(shí)，兩級(jí)分類(lèi)使得很多測(cè)試樣例的分類(lèi)直接由分類(lèi)器E1-KNN給出結(jié)果，而沒(méi)有進(jìn)入分類(lèi)器E2-KNN。所以，無(wú)論從分類(lèi)質(zhì)量還是從分類(lèi)效率上比較，本文提出的分類(lèi)方法都要優(yōu)于其他分類(lèi)器。

4 結(jié)束語(yǔ)

本文以UML類(lèi)圖的重用為背景，從語(yǔ)義上提出UML類(lèi)圖的分類(lèi)。定義了類(lèi)圖的語(yǔ)義相似性，提出算法獲取中心類(lèi)圖標(biāo)識(shí)目錄特征，基于改進(jìn)的KNN分別構(gòu)建了E1-KNN和E2-KNN，并組建了集成分類(lèi)器E-KNN。實(shí)驗(yàn)結(jié)果表明，本文提出的兩級(jí)集成分類(lèi)器解決了其他分類(lèi)器受計(jì)算量影響而產(chǎn)生的效率問(wèn)題，也解決了受分布和尺寸影響而產(chǎn)生的分類(lèi)質(zhì)量問(wèn)題，和其他幾種分類(lèi)器相比具有顯著優(yōu)勢(shì)。在接下來(lái)的工作中，嘗試結(jié)合其他算法提高效率是一個(gè)主要方向。此外，將語(yǔ)義分類(lèi)和結(jié)構(gòu)分類(lèi)相結(jié)合以實(shí)現(xiàn)類(lèi)圖的混合分類(lèi)是另一個(gè)將要開(kāi)展的工作。