软件维护是软件工程领域面临的重要课题之一。分析和理解程序是软件维护工作的第一步，能否对程序进行准确、快速和全面的理解在很大程度上影响着维护工作的进展。在通常情况下，理解系统的架构和功能需要消耗维护人员大量的工作时间。为节省时间，一种可行的方法是从系统的关键类出发开始理解系统的架构和功能。系统的关键类是指那些实现了系统的大多数的重要功能的类，这些类管理着其它大部分类或使用其它类来实现相应的功能。然而，面对不熟悉的软件系统，维护人员通常没有直截了当的办法识别哪些类是系统的关键类。　　为帮助维护人员进行快速的程序理解，本文在h指数及其衍生度量的基础上提出了一种轻量级的、自动化的关键类识别方法。对给定的一个面向对象系统，我们首先利用静态程序分析技术构建类之间的依赖图，然后在此基础上计算h指数其衍生指数度量。最后，按照度量值将系统中的类从大到小排序，排序越靠前的类在系统中所起的作用越重要。当维护人员得到这种排好序的“类重要性列表”后，就可以从前到后依次对每个类进行程序理解。为评价这种关键类识别方法的性能，我们在两个开源系统Apache Ant1.6.1和Jakarta JMeter2.0.1上进行了实验分析。我们的实验结果表明，一方面，“类重要性列表”的构建时间不超过1分钟。另一方面，“类重要性列表”前15％的类中包含系统中50％到70％左右的关键类。　　本文的主要贡献如下:　　(1)提出了类间依赖图的概念和构建方法;　　(2)在类间依赖图上利用h指数及其衍生度量提出了一种关键类识别方法;　　(3)通过实验检查了所提关键类识别方法的有效性。