KFUPM ePrints

SOFTWARE REFACTORING USING PATTERN RECOGNITION TECHNIQUES

Alkhalid, Abdulaziz (2009) SOFTWARE REFACTORING USING PATTERN RECOGNITION TECHNIQUES. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]PDF (SOFTWARE REFACTORING USING PATTERN RECOGNITION TECHNIQUES)
1323Kb

Arabic Abstract

عندما يتم تحسين، تعديل أو تكييف البرمجيات لملائمة المتطلبات الجديدة، يزداد تعقيد الكود البرمجي أكثر فأكثر. وهكذا فإن جودة البرمجيات تتناقص. إن إعادة الهيكلة تعيد تشكيل الكود البرمجي بصورة أكثر تبسيطاً أو فعاليةً و بأسلوب منهجي لتحسين بنيته الداخلية وبدون تغير وظيفته الخارجية. لقد استقصينا إعادة الهيكلة باستخدام تقنيات تمييز النموذج لموازنة التماسك والتجميع. إن إسهام هذه الرسالة هو تطبيق تقينات العنقدة على مستوى التابع و الصف والحزمة. بإلاضافة لما سبق، قدمت هذه الرسالة خوارزمية عنقدة تدعى Adaptive K-Nearest Neighbor (A-KNN) .لقد تم اختبار هذه الخوارزمية على المستويات الثلاثة وتمت مقارنتها مع الخوارزميات Single Linkage، Complete Linkage و Weighted Pair-Group Method using Arithmetic averages . لقد أظهرت A-KNN تفوقها على تقنيات العنقدة التقليدية من حيث الأداء و تعقيد الحسابات. لقد قيمت النتائج بالمقارنة مع الأعمال المنشورة (عند توفرها) أو بالتفحص عند عدم توفر عمل منشور.

English Abstract

As the software is enhanced, modified and adapted to new requirements, the code becomes more and more complex. Thus, the quality of the software decreases. Refactoring restructures the code into a more simplified or efficient form in a disciplined way to improve its internal structure without changing external functionality. We investigated refactoring using pattern recognition techniques to balance between cohesion and coupling. The contribution of this thesis is the application of clustering techniques at the function, class, and package levels. In addition, this thesis presents an Adaptive K-Nearest Neighbor (A-KNN) clustering algorithm which was tested at the three levels and compared with Single Linkage, Complete Linkage and Weighted Pair-Group Method using Arithmetic averages algorithms. A-KNN showed its superiority over traditional clustering algorithms in terms of performance and computation complexity. The results were evaluated by comparing them to published work (if available) or by inspection when no published work was available.



Item Type:Thesis (Masters)
Date:27 April 2009
Date Type:Completion
Subjects:Engineering
Computer
Divisions:College Of Computer Sciences and Engineering > Information and Computer Science Dept
Creators:Alkhalid, Abdulaziz
Email:khalidaziz@kfupm.edu.sa
Committee Advisor:Mahomoud, Sabri
Committee Members:Alshayeb, Mohammad and Elish, Mahmoud
ID Code:136048
Deposited By:KFUPM ePrints Admin
Deposited On:17 May 2009 08:45
Last Modified:30 Apr 2011 16:58

Repository Staff Only: item control page