《软件工程》期刊始终以反映软件工程理论、方法和技术创新成果，传播软件知识，推广软件应用为己任，期望可以为促进中国软件工程学科和软件产业发展略尽绵薄之力。

★本期重点推荐论文

心磁图携带心电活动的信息，能夠提供更高的时空分辨率的电活动定位，在临床试验中有较好的效果。本期发表的论文《基于机器学习心肌梗死患者的心磁信号诊断》，使用机器学习方法对心磁数据样本有无疾病进行诊断分类。首先从心磁数据中提取除极阶段的数据构建磁场图，然后求解电流密度图，从电流密度图中提取相关的磁场特征。针对非平衡数据分类问题，分别使用样本加权的SVM、LR、KNN、Adaboost和XGBoost学习模型进行训练，在此基础上设计使用加权的LR和KNN为初级学习器、SVM为次级学习器的结合学习模型对样本数据进行训练。采用结合学习模型对73 名非患者和47 名心肌梗死患者的36 通道心磁数据进行实验，结果显示，采用样本加权处理的单个机器学习模型较没有进行样本加权处理的机器学习模型的预测效果好;采用样本加权后的结合学习模型会获得较好的预测效果。

★优秀期刊及其论文推荐

IEEE Transactions on Software Engineering，简称TSE，中文译为《IEEE软件工程学报》，网址为https：//www.computer.org/csdl/journal/ts，1975 年创刊（月刊），由IEEE COMPUTER SOCIETY出版，其2020 年的影响因子为6.226，排在计算机科学软件工程领域前列，并被收入《科学引文索引扩展版》（SCIE）。

《IEEE软件工程学报》关注定义明确的理论结果和经验研究，以及这些结果和研究对软件构建、分析或管理的潜在影响，其研究范围从制定原则的机制到将这些原则应用于特定的环境，对软件工程研究或实践者都是很有价值的。

《IEEE软件工程学报》重点主题包括开发和维护方法及模型、评估方法、软件项目管理、工具和环境、系统问题等。它涵盖了软件系统的规范、设计和实现的技术与原则，包括符号和过程模型，软件测试和验证、可靠性模型，生产率因素、成本模型，特定工具、集成工具环境，硬件和软件权衡，等等。

2021 年9 月发表的“Deep Learning Based Code Smell Detection”一文提出，代码异味是源代码中暗示重构可能性的结构。因此，开发人员可以通过检测代码异味来识别重构机会。但是，手动识别代码异味是具有挑战性且乏味的。为此，人们已经提出了许多自动或半自动的方法识别代码异味。现有大部分的代码异味识别依赖于手动设计的启发式方法，将手动选择的源代码指标映射到预测中。然而，手动选择最佳特征是具有挑战性的，手动构建最佳启发式算法也很困难。为此，文中提出了一种基于深度学习的新方法来检测代码异味。关键是深度神经网络和先进的深度学习技术可以自动选择源代码的特征进行代码异味检测，并可以自动构建这些特征和预测之间的复杂映射。深度学习通常需要大量标记的训练数据（以调整所采用的深度神经网络中的大量参数），而现有的代码异味检测数据集都很小，这对基于深度学习的代码异味检测无疑是一个巨大的挑战。为此，文中提出了一种为基于神经网络的分类器生成标记训练数据的自动方法，此方法不需要任何人工干预。经过初步尝试，将此方法应用于四种常见且众所周知的代码异味，即特性依恋、长方法、过大类和错位类。对开源应用程序的评估结果表明，此方法对现有最先进的水平仍有显著的提高作用。

《软件工程》期刊会持续为广大读者提供软件工程领域方面的最新学术讯息，欢迎大家继续支持我刊，我们共同关注软件工程领域的发展动向，努力做好学术研究和交流工作。