精彩導讀

《軟件工程》期刊始終以反映軟件工程理論、方法和技術創(chuàng)新成果，傳播軟件知識，推廣軟件應用為己任，期望可以為促進中國軟件工程學科和軟件產(chǎn)業(yè)發(fā)展略盡綿薄之力。

★本期重點推薦論文

心磁圖攜帶心電活動的信息，能夠提供更高的時空分辨率的電活動定位，在臨床試驗中有較好的效果。本期發(fā)表的論文《基于機器學習心肌梗死患者的心磁信號診斷》，使用機器學習方法對心磁數(shù)據(jù)樣本有無疾病進行診斷分類。首先從心磁數(shù)據(jù)中提取除極階段的數(shù)據(jù)構建磁場圖，然后求解電流密度圖，從電流密度圖中提取相關的磁場特征。針對非平衡數(shù)據(jù)分類問題，分別使用樣本加權的SVM、LR、KNN、Adaboost和XGBoost學習模型進行訓練，在此基礎上設計使用加權的LR和KNN為初級學習器、SVM為次級學習器的結合學習模型對樣本數(shù)據(jù)進行訓練。采用結合學習模型對73 名非患者和47 名心肌梗死患者的36 通道心磁數(shù)據(jù)進行實驗，結果顯示，采用樣本加權處理的單個機器學習模型較沒有進行樣本加權處理的機器學習模型的預測效果好;采用樣本加權后的結合學習模型會獲得較好的預測效果。

★優(yōu)秀期刊及其論文推薦

IEEE Transactions on Software Engineering，簡稱TSE，中文譯為《IEEE軟件工程學報》，網(wǎng)址為https：//www.computer.org/csdl/journal/ts，1975 年創(chuàng)刊（月刊），由IEEE COMPUTER SOCIETY出版，其2020 年的影響因子為6.226，排在計算機科學軟件工程領域前列，并被收入《科學引文索引擴展版》（SCIE）。

《IEEE軟件工程學報》關注定義明確的理論結果和經(jīng)驗研究，以及這些結果和研究對軟件構建、分析或管理的潛在影響，其研究范圍從制定原則的機制到將這些原則應用于特定的環(huán)境，對軟件工程研究或實踐者都是很有價值的。

《IEEE軟件工程學報》重點主題包括開發(fā)和維護方法及模型、評估方法、軟件項目管理、工具和環(huán)境、系統(tǒng)問題等。它涵蓋了軟件系統(tǒng)的規(guī)范、設計和實現(xiàn)的技術與原則，包括符號和過程模型，軟件測試和驗證、可靠性模型，生產(chǎn)率因素、成本模型，特定工具、集成工具環(huán)境，硬件和軟件權衡，等等。

2021 年9 月發(fā)表的“Deep Learning Based Code Smell Detection”一文提出，代碼異味是源代碼中暗示重構可能性的結構。因此，開發(fā)人員可以通過檢測代碼異味來識別重構機會。但是，手動識別代碼異味是具有挑戰(zhàn)性且乏味的。為此，人們已經(jīng)提出了許多自動或半自動的方法識別代碼異味?，F(xiàn)有大部分的代碼異味識別依賴于手動設計的啟發(fā)式方法，將手動選擇的源代碼指標映射到預測中。然而，手動選擇最佳特征是具有挑戰(zhàn)性的，手動構建最佳啟發(fā)式算法也很困難。為此，文中提出了一種基于深度學習的新方法來檢測代碼異味。關鍵是深度神經(jīng)網(wǎng)絡和先進的深度學習技術可以自動選擇源代碼的特征進行代碼異味檢測，并可以自動構建這些特征和預測之間的復雜映射。深度學習通常需要大量標記的訓練數(shù)據(jù)（以調(diào)整所采用的深度神經(jīng)網(wǎng)絡中的大量參數(shù)），而現(xiàn)有的代碼異味檢測數(shù)據(jù)集都很小，這對基于深度學習的代碼異味檢測無疑是一個巨大的挑戰(zhàn)。為此，文中提出了一種為基于神經(jīng)網(wǎng)絡的分類器生成標記訓練數(shù)據(jù)的自動方法，此方法不需要任何人工干預。經(jīng)過初步嘗試，將此方法應用于四種常見且眾所周知的代碼異味，即特性依戀、長方法、過大類和錯位類。對開源應用程序的評估結果表明，此方法對現(xiàn)有最先進的水平仍有顯著的提高作用。

《軟件工程》期刊會持續(xù)為廣大讀者提供軟件工程領域方面的最新學術訊息，歡迎大家繼續(xù)支持我刊，我們共同關注軟件工程領域的發(fā)展動向，努力做好學術研究和交流工作。