33、面向对象指标分布与Pinterest用户特征识别研究

面向对象指标分布与Pinterest用户特征识别研究

面向对象指标分布研究

在软件开发中，理解各种面向对象（OO）指标的分布情况，对于预测软件系统的演化、维护所需的工作量以及评估软件项目的质量属性非常有帮助。这些指标经常遵循幂律，偶尔也会呈现对数正态或伽马分布。

指标与分布模型对比数据

研究中对多个OO指标，包括加权方法数（WMC）、对象间耦合度（CBO）、类响应集（RFC）、继承树深度（DIT）、方法内聚性缺失度（LCOM）、子类数量（NOC）和代码行数（LOC），分别使用Gamma、GPD、LNORM、Pareto和Weibull五种分布模型进行拟合，并对比了它们的平均AIC值、平均BIC值和平均RMSE值。以下是具体的数据表格：

分布/指标	Gamma	GPD	LNORM	Pareto	Weibull
CBO - AIC	12529.01	12554.24	12900.62	12554.16