@MASTERSTHESIS{ 2019:232698107,
 	title = {Avaliação da recuperação arquitetural de visões modulares de software a partir de técnicas de agrupamento},
 	year = {2019},
 	url = "http://tede2.uefs.br:8080/handle/tede/774",
 	abstract = "Visões arquiteturais modulares de software são formadas por módulos com responsabilidades distintas mas com dependências entre si. Diversos trabalhos avaliam as técnicas de recuperação arquitetural de visões modulares para entender melhor seus pontos fortes e fracos. Neste contexto, diferentes métricas de similaridade são utilizadas para avaliar tais técnicas, especialmente as que usam algoritmos de agrupamento. Contudo, poucos trabalhos avaliam se tais métricas realmente capturam de maneira fidedigna as similaridades entre dois agrupamentos.  Dentre as métricas de similaridade existentes na literatura, pode-se citar métricas tanto da área da engenharia de software quanto de outras áreas (e.g., classificação). Este trabalho avalia seis métricas de similaridade de agrupamentos através de medidas intrínsecas de qualidade e estabilidade e da utilização de modelos arquiteturais propostos por desenvolvedores. Para tanto, usamos as dimensões de estabilidade e autoridade, em conformidade com a literatura. Para a autoridade, as estatísticas de concentração da métrica MeCl foram maiores, em comparação com as demais métricas de similaridade. Contudo, na ausência de modelos arquiteturais, a métrica Pureza apresenta melhores resultados. Como os modelos arquiteturais são muito relevantes para os engenheiros de software, entendemos que a métrica MeCl é a mais adequada. Para a estabilidade, todas as métricas apresentam valores próximos da unidade, apesar da presença de \textit{outliers}. Aqui também, a métrica MeCl foi considerada a melhor devido à sua superioridade neste item. Sendo melhor nas duas dimensões, especialmente em autoridade, usamos a métrica MeCl como base para comparação de algoritmos de agrupamento. Comparamos, usando a métrica MeCl, quatro algoritmos de agrupamento aglomerativos no contexto de quatro sistemas de software. Tanto para a autoridade quanto a estabilidade, o algoritmo SL90 gerou valores mais altos em dois dos quatro sistemas estudados ao comparar as séries de dados geradas por todos os algoritmos. Neste caso, o algoritmo aglomerativo SL90 foi o melhor. Em conclusão, percebemos empiricamente que a métrica MeCl é a melhor métrica para medir similaridade de agrupamentos; já em relação aos algoritmos de agrupamento, nenhum algoritmo supera os demais em todas as comparações, apesar de o SL90 ter apresentado melhores resultados em dois dos quatro sistemas analisados",
 	publisher = {Universidade Estadual de Feira de Santana},
 	scholl = {Mestrado em Computação Aplicada},
 	note = {DEPARTAMENTO DE TECNOLOGIA}
}