IRIS – Institutional Research Information System
IRIS è il sistema di gestione della ricerca dell’Università degli Studi di Milano-Bicocca.Il repository BOA è il modulo del sistema dedicato alla raccolta e alla disseminazione della produzione scientifica di Ateneo. Le pubblicazioni sono ricercabili per parola chiave attraverso il box nella barra orizzontale in alto oppure, mediante il pulsante Sfoglia, per "Afferenza", "Autore", "Titolo", "Tipologia" o "Settore scientifico-disciplinare".
IRIS contiene inoltre alcuni moduli dedicati alla registrazione dei progetti e dei contratti, e alla reportistica avanzata per le attività di valutazione della ricerca
EnglishSeveral code smells detection tools have been developed providing different results, because smells can be subjectively interpreted and hence detected in different ways. Usually the detection techniques are based on the computation of different kinds of metrics, and other aspects related to the domain of the system under analysis, its size and other design features are not taken into account. In this paper we propose an approach we are studying based on machine learning techniques. We outline some common problems faced for smells detection and we describe the different steps of our approach and the algorithms we use for the classification.
Arcelli Fontana, F., Zanoni, M., Marino, A., & Mäntylä, M. (2013). Code Smell Detection: towards a Machine Learning-based Approach. In Proceedings of the 29th IEEE International Conference on Software Maintenance (ICSM 2013), ERA Track (pp.396-399). IEEE Computer Society.
| Citazione: | Arcelli Fontana, F., Zanoni, M., Marino, A., & Mäntylä, M. (2013). Code Smell Detection: towards a Machine Learning-based Approach. In Proceedings of the 29th IEEE International Conference on Software Maintenance (ICSM 2013), ERA Track (pp.396-399). IEEE Computer Society. | |
| Tipo: | paper | |
| Carattere della pubblicazione: | Scientifica | |
| Presenza di un coautore afferente ad Istituzioni straniere: | Si | |
| Titolo: | Code Smell Detection: towards a Machine Learning-based Approach | |
| Autori: | Arcelli Fontana, F; Zanoni, M; Marino, A; Mäntylä, M | |
| Autori: | ||
| Data di pubblicazione: | 2013 | |
| Lingua: | English | |
| Nome del convegno: | IEEE International Conference on Software Maintenance, ERA Track | |
| Appare nelle tipologie: | 02 - Intervento a convegno |
File in questo prodotto:
Copyright © 2021