| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究的目的和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·论文研究内容 | 第18页 |
| ·本文的组织结构 | 第18-20页 |
| 第2章 相关技术 | 第20-30页 |
| ·面向方面技术 | 第20-24页 |
| ·AOP 产生背景 | 第20-21页 |
| ·AOP 概述 | 第21-22页 |
| ·AspectJ 简介 | 第22页 |
| ·面向方面编程步骤 | 第22-24页 |
| ·面向方面编程的优点 | 第24页 |
| ·R 语言 | 第24-25页 |
| ·Fan-in 分析技术 | 第25-28页 |
| ·Fan-in 度量的计算 | 第26-27页 |
| ·方法的过滤 | 第27页 |
| ·种子的分析 | 第27-28页 |
| ·聚类分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于改进向量空间模型的方面挖掘方法 | 第30-53页 |
| ·基于向量的 K 均值聚类的方面挖掘 | 第30-32页 |
| ·相关定义 | 第30-31页 |
| ·挖掘步骤 | 第31-32页 |
| ·存在的问题 | 第32页 |
| ·改进的向量空间模型 | 第32-37页 |
| ·FIV-class 向量空间模型 | 第33-34页 |
| ·FIV-method 向量空间模型 | 第34-35页 |
| ·FIV-method-tokens 向量空间模型 | 第35-37页 |
| ·评价指标 | 第37-39页 |
| ·基于改进向量空间的方面挖掘方法 | 第39-47页 |
| ·对源代码进行 fan-in 分析 | 第39-40页 |
| ·分析结果文件 | 第40页 |
| ·构造向量空间模型 | 第40-46页 |
| ·运行启发式算法 | 第46-47页 |
| ·运行 R 进行聚类 | 第47页 |
| ·聚类结果分析 | 第47页 |
| ·实验过程与实验结果 | 第47-51页 |
| ·对 JHotDraw 进行 fan-in 分析 | 第48-49页 |
| ·构造向量模型 | 第49页 |
| ·运行启发式算法选取中心点 | 第49-50页 |
| ·聚类结果 | 第50-51页 |
| ·JHotDraw 评价类比分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 基于 HAC 聚类算法的方面挖掘 | 第53-62页 |
| ·凝聚层次聚类的概述 | 第53-56页 |
| ·相关定义 | 第54-56页 |
| ·基于凝聚聚类的方面挖掘方法 | 第56页 |
| ·现有方面挖掘中的凝聚聚类算法分析比较 | 第56-59页 |
| ·实验过程与实验结果 | 第59-60页 |
| ·类比分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |