带特征指标约束描述的设计模式分类挖掘

为解决设计模式挖掘正确率较低的问题, 提出一种带特征指标约束描述的设计模式分类挖掘方法。归纳了47种特征指标, 给出了设计模式约束定义, 对设计模式特征进行了描述, 以Adapter模式、Command模式、Factory Method模式为例, 分结构型、行为型与创建型3类挖掘设计模式, 设计了3个基准系统与4个经典系统的设计模式挖掘试验。试验结果表明, 本研究方法对基准系统的Adapter模式、Command模式、Factory Method模式挖掘正确率为96.13%、91.67%、72.23%, 对经典系统挖掘正确率分别为84.3%、81.26%、73.17%, 与传统方法比较, 本研究方法取得了较好的效果。     

基于设计模式的“．Net”数据库访问接口设计

通过对ADO．Net数据访问机制的分析，结合Abstract Factory（抽象工厂）、Factory Method（工厂方法）2种设计模式，阐述了基于“．Net”的数据库访问接口的从分析、设计到实现的开发过程．通过该接口的使用，实现了数据库访问代码的复用，将大大提高应用系统在不同类型数据库间的可移植性。     

设计模式在网管系统中的设计与实现

将设计模式引入网管系统可以减少管理系统设计的复杂度,提高系统的开发效率。在分析设计模式中的Singleton模式、Adapter模式、Observer模式的基础上,讨论了体系结构,以及为设计模式如何实现网管系统功能做出了理论指导。通过分析证明在网管系统中运用设计模式是提高系统质量的有效途径。     

设计模式挖掘的有效性评估策略

针对设计模式挖掘结果有效性评估方法缺乏的问题,提出一种设计模式挖掘有效性评估策略,分结构型、行为型和创建型三类归纳了设计模式的设计意图,分析了设计模式挖掘的基准测试系统,探究了设计模式挖掘结果的中间形式表示,为设计模式挖掘的理论与应用研究提供了重要支持。     

基于设计模式的".Net"数据库访问接口设计

通过对ADO.Net数据访问机制的分析,结合Abstract Factory(抽象工厂)F、actory Method(工厂方法)2种设计模式,阐述了基于“.Net”的数据库访问接口的从分析、设计到实现的开发过程.通过该接口的使用,实现了数据库访问代码的复用,将大大提高应用系统在不同类型数据库间的可移植性.     

考虑多种特征因素的设计模式自动识别

现有的设计模式自动识别方法大多只考虑设计模式的结构特征,识别准确率不高.为此,提出了一种考虑多种特征因素的设计模式自动识别方法.首先,提出了一种基于特征矩阵的待考查系统和设计模式的形式化描述方法;然后,给出了设计模式自动识别的基本流程,并详细讨论了综合考虑多种特征因素的设计模式识别算法;最后,实现了该方法的支撑工具,并使用该工具对一个开源项目进行了设计模式的识别.实验结果表明,相对于只考虑结构特征的设计模式识别方法,该方法的识别准确率较高.对于结构特征不够明显或者与其他模式具有相似结构特征的设计模式,识别准确率明显提升.     

基于文法产生式优化的设计模式识别方法

以精确的设计模式检测结果为目标,为解决设计模式识别的变体问题,提出一种基于文法产生式优化的设计模式识别方法,旨在使用可视化文法产生式描述设计模式参与者角色的属性与联系,并通过增加文法产生式描述的特征信息来识别重叠的设计模式及参与者角色间的附加关系。实验结果表明,该方法减少了设计模式识别的假阳性结果与假阴性结果,通过与主流方法的F-score评估指标比较,显示出该方法的优势。     

网络应用软件中高可用性的设计与实现

在分析网络应用系统失效因素和高可用系统设计结构的基础上,针对高速发展的网络应用, 提出了高可用性 HA 设计模式,它是一种行为型的设计模式. 详细说明了该模式的意图、结构、解 决方案和实现,并通过 UM L 对高可用性的设计进行行为描述. 该模式在宽带网络计费系统中得到 应用,大大地提高了网络应用的可用性.     

遗传程序设计中的数据结构和算法探讨

介绍了遗传程序设计的一般步骤,根据设计模式中的简单工厂模式,提出了一种通用的程序树描述方法,针对这种描述方法给出相应的算法。     

基于模式的SOC设计方法研究

在分析传统系统芯片SOC(片上系统)设计方法的基础之上,为了提高设计生产率和降低设计复杂度,强调高层次的抽象和重用,提出了基于模式的SOC设计方法(PBSOC),在系统级建立面向对象的设计模式库和IP复用库.针对SOC设计模式的最后目标,讨论了SOC设计分析中软件设计模式的可复用性及新的SOC设计模式的可发掘性,并以具体的实例改造现有的软件设计模式和构筑新的SOC设计模式,说明了面向对象方法在SOC设计流程中的使用.     

彩色图像数据库中目标特征数据挖掘方法

针对由于彩色图像数据特征较多使得目标特征挖掘容易出现不确定性的问题,提出一种新的彩色图像数据库中目标特征数据挖掘方法.采用减法聚类算法对彩色图像数据进行聚类,采用离群点检测技术对聚类数据进行分类处理,采用量子行为粒子群优化方法选取最优目标图像特征数据,并与结构相似度计算方法相结合,实现对最优目标图像特征数据的挖掘.结果证明,该方法相比传统的挖掘方法,其挖掘召回率降低了约17%,挖掘精确度提高了约28.6%.     

基于密集连接网络和多维特征融合的文本匹配模型

针对文本匹配过程中存在语义损失和句子对间信息交互不充分的问题,提出基于密集连接网络和多维特征融合的文本匹配方法. 模型的编码端使用BiLSTM网络对句子进行编码,获取句子的上下文语义特征;密集连接网络将最底层的词嵌入特征和最高层的密集模块特征连接,丰富句子的语义特征;基于注意力机制单词级的信息交互,将句子对间的相似性特征、差异性特征和关键性特征进行多维特征融合,使模型捕获更多句子对间的语义关系. 在4个基准数据集上对模型进行评估,与其他强基准模型相比,所提模型的文本匹配准确率显著提升,准确率分别提高0.3%、0.3%、0.6%和1.81%. 在释义识别Quora数据集上的有效性验证实验结果表明,所提方法对句子语义相似度具有精准的匹配效果.     

基于支持向量机的MSPC方法及其应用

针对传统多变量统计过程控制（MSPC）方法在故障检测、故障原因分析和故障识别中的难点，提出了多元特征提取方法与基于支持向量机（SVM）的一类分类器设计、特征选择以及多类分类器设计方法相结合的一种完整的MSPC新方法.该方法在故障检测中可去除特征满足特定分布的假设前提，并可确定多个统计量的控制限；在故障原因分析中综合考虑故障对于各个变量大小的影响以及变量变化对于故障分类的重要性，提高了关键变量选择的准确性；并且故障识别是基于SVM对故障特征分类的优良特性，避免了传统判别法中经验准则的引入.上述方法在标准仿真平台Tennessee Eastman过程上结合主元分析（PCA）进行了应用，结果显示了其优越性.     

基于均匀设计的特征选择方法

针对模式识别系统中有效特征的选择问题,采用支持向量机作为分类器,提出了基于均匀设计的特征选择方法.根据均匀设计表的结构及采用的数据集进行训练、测试,最后检验所选的特征子集.实验结果表明,该方法能够有效地去除数据集的冗余特征,取得比使用特征全集更好的分类性能.     

可见光图像中飞机目标的特征选择及提取

针对目前大部分飞机目标识别算法都依赖建立的样本库,导致对样本库外的飞机不能很好识别的问题,分析了可见光图像中飞机目标在模式识别中的特征选择及提取方法.比较几种不同特征选择及提取方法,依据人工判读识别飞机目标的思维方法以及可见光图像的特点,提出了可见光图像中飞机目标的5个典型识别特征的提取方法,最后利用模糊模式识别方法完成对飞机目标的识别.实验结果表明:该算法能够对可见光图像中的飞机目标进行较好识别,准确率较高,平均识别率达到了90%以上.     

基于实体消歧的中文实体关系抽取

针对开放文本中中文实体关系抽取的一词多义问题,提出一种基于实体消歧的中文实体关系抽取方法。首先,从知网中挖掘出具有潜在语义关系的实体对,并利用贝叶斯分类的语义消歧方法实现从知网到维基百科的实体映射,以获取高质量的关系实例;然后,根据这些关系实例抽取出其对应文本中共现的句子实例,构建基本的抽取模式;最后通过模式合并的方法生成新模式,再使用新模式来抽取新实例。实验结果表明,该方法与没有进行语义消歧和模式合并的方法相比准确率有所提高。