设计模式检测是理解和维护软件系统的一项重要工作,它不仅有助于软件体系结构的恢复和发现,同时也是评估软件质量的一个重要依据。目前设计模式检测仍然存在一些问题:1)变体的检测效果不理想;2)结构相同意图不同的模式难以区分;3)行为型设计模式的检测复杂;4)组合爆炸问题依然突出;本文以高效识别设计模式变体和提高设计模式识别准确率为目的,将面向对象度量与模式微结构相结合,提出了一种基于堆叠泛化的设计模式检测方法。该方法应用典型的机器学习算法,针对每种设计模式,分别训练度量分类器和微结构分类器,并基于两者的预测值和相关对象模型特征进一步训练,从而形成堆叠分类器。通过这些分类器对一个候选的模式实例进行分类,从而预测候选的模式实例是不是真正的模式实例。在训练分类器之前,本文首先搜集训练用的正负模式实例,然后尽可能地为每个实例计算更多的候选度量特征和候选微结构特征,从而生成相关分类器的训练数据集,接着本文首先应用典型的特征选择算法对设计模式的候选度量特征和微结构特征进行特征选择,然后通过遍历典型的有监督学习算法来训练相关分类器,最终为实验的五种设计模式都找到了合适的度量特征集、度量分类器、微结构特征集、微结构分类器以及堆叠分类器。本文还对设计模式检测遇到的组合爆炸问题和变体问题进行了分析与总结,定义了设计模式微结构以及相关的基本概念与原理,将现有的设计模式微结构分为两类,方法类微结构和非方法类微结构,同时根据本文设计模式检测需要提出了五种新的方法类微结构,借助于方法类微结构的比特向量表示方式,给出了设计模式方法映射的思路,弥补了现阶段基于机器学习的设计模式检测方法的不足。对于行为型设计模式的检测,本文提出从微结构的角度去刻画模式的行为特征,降低了行为型设计模式检测的复杂度。对于设计模式检测遇到的组合爆炸问题,本文提出了使用设计模式必备微结构约束的方法。为了评估该方法,开发了一个原型工具,并且在JUnit等几个经典的开源项目上进行实验,同时与现有的两种工具进行对比分析,实验结果表明,本文的方法能很大程度上解决组合爆炸问题,而且在设计模式识别准确率和召回率方面均有明显提升,特别地,对于观察者模式,本文方法的识别效果要明显好于基于结构相似度计算的方法。