一种通过量化分析实现非功能需求的方法

提供了一种面向过程非功能需求处理方法，通过量化需求领域信息实现；对非功能需求目标进行分析得到目标优化树，在目标优化树中加入领域信息产生设计分析图，然后对图中领域信息结点进行量化赋以特定的量值，权衡各量值来选择合适的解决方案，还提供了简便的方法来支持系统升级。     

一种基于领域知识的非功能需求建模辅助方法

随着信息化的普及,人们对软件系统质量要求越来越高,由于体现涉众对软件质量要求的非功能需求具有抽象、主观、不确定等特性,纯粹依赖人工方式对非功能需求建模是一项十分困难的任务.利用领域工程具有的内聚性和稳定性,提出一种基于领域知识的非功能需求建模辅助方法,通过挖掘隐含领域知识,层次化地组织领域知识,能够弥补个人知识的不足,更准确、完整地建模非功能需求.该方法包含两个部分:(1)基于不确定性理论的领域知识获取及分析模块;(2)基于NFR(Non-Functional Requirements)框架的非功能需求辅助建模模块.通过建立非功能属性分解树、设计基于三角模糊数的评价语言值量化机制和传递依赖关系计算方法,实现了对领域知识的准备;建立了非功能属性及非功能需求间依赖关系的形式化定义和推理规则,提出了基于RE-Tools的NFR扩展,实现了对领域知识的应用.案例研究表明,文中方法具有良好的可操作性,能够辅助建模需求关联,减轻需求工程师的工作负荷;同时,交叉实验结果表明,该方法可提升传统NFR框架方法的效率和准确度.     

多目标遗传算法及其在化工领域的应用

多目标优化在工程优化领域占有较大比重，这些目标之间大多是相互冲突的，常用的方法是将这些目标通过不同的方式转化成单一目标进行求解，然而这样将使一些有用的信息丢失。多目标遗传算法可避免信息丢失，通过优化它给出一组非劣解供决策者根据不同需要进行选择。本文首先介绍了常用的多目标优化方法，然后详细介绍了目前研究较多的多目标遗传算法，着重讨论了多目标优化方法在化学工程领域中的应用，并对多目标遗传算法的发展进行了展望。     

基于本体的网格服务语义匹配方法

针对目前网格系统中，将名字作为关键字对服务进行查找存在的不准确、不灵活的缺陷，提出了一种网格服务的语义匹配方法，在该方法中，用OWL-S对网格服务进行语义上的描述，用UDDI来进行服务的注册和发现，用一个语义服务库存储虚拟组织中所有发布的网格服务功能的语义信息，这个语义服务库对每个领域的服务用树的形式进行组织。通过建立领域本体库为服务功能语义上的匹配提供知识支持。对方法进行了可行性分析。     

基于设计结构矩阵的可信软件非功能需求评估模型

可信软件非功能需求的量化评估是可信软件研究的一个重要领域。依据构件中非功能需求之间的相互关系,结合设计结构矩阵及矩阵变换、运算的方法,提出了非功能需求贡献值的概念,建立了构件和非功能需求关系的相关阵列及具有统一标准和评判尺度的可信软件非功能需求度量模型,并结合该模型构建了一种用来判断软件非功能需求是否符合软件开发者和用户预期的评估决策方法。最后通过一个实例来说明本模型的合理性和有效性。     

基于环境资源因子的产品平台模块划分方法

产品平台能够根据用户的个性化需求,利用模块化的零部件快速衍生出不同产品.通过分析基于环境资源因子的产品平台模块划分方法,将绿色理念贯穿产品全生命周期过程中,提出基于环境资源属性的产品集成信息模型.通过引入环境资源因子和零部件关联矩阵,分别建立了基于环境资源因子的绿色度目标函数和基于零部件关联矩阵的聚合度目标函数;提出一种改进的免疫克隆多目标优化算法,对二进制基因对进行变异与跟踪,在克隆选择中筛选出满足环境资源属性的非支配抗体,对产品平台的模块化分问题进行多目标优化求解,构建出能够量化评估产品的环境资源属性的产品平台,从而在满足客户对产品功能需求的同时提高了产品对环境的友好性.最后以采煤机为应用实例,通过与其他算法的对比以及与绿色影响程度的分析评价,对该方法进行了验证.     

一种不甩建造Huffman树的高效Huffman编码算法

Huffman编码作为一种高效的不等长编码技术正日益广泛地在文本、图像、视频压缩及通信、密码等领域得到应用。为了更有效地利用内存空间、简化编码步骤和相关操作，首先研究了重建Huffman树所需要的信息，并提出通过对一类一维结构数组进行相关操作来获取上述信息的方法，然后利用这些信息，并依据提出的规范Huffman树的编码性质，便能直接得到Huffman编码。与传统的Huffman算法及近年来国内外文献中提出的改进算法相比，由于该方法不需要构造Huffman树，不仅使内存需求大大减少，而且编码步骤和相关操作更简洁，因而更利于程序的实现和移植。更重要的是，该算法思路为Huffman算法的研究和发展提供了新的途径。     

面向软件产品线中特征选择的多目标优化算法

软件产品线中产品定制的核心是选择合适的特征集.由于多个非功能需求间往往相互制约甚至冲突,特征选择的本质是多目标优化过程.优化过程的搜索空间被特征间错综复杂的依赖和约束关系以及明确的功能需求大大限制.另外,有些非功能需求有明确的数值约束,而有些则仅要求尽可能得到优化.多样的非功能需求约束类型也给优化选择过程带来极大挑战.本文提出一种含修正算子的多目标优化算法MOOFs.文中首先设计特征间依赖和约束关系描述语言DCF-DL来统一规范特征选择过程中必须遵守的规则.所有的非功能需求都转化为优化目标,相关的数值约束则作为优化过程中特征选择方案的过滤器.另外,设计了修正算子用于保证选择出的特征配置方案必满足产品线的特征规则约束.通过与四个常用的多目标优化算法在四个不同规模的特征模型上的运行结果做对比,证明本文的方法能够更快地产生满足约束的优化解,且优化解具备更好的收敛性与多样性.     

可信软件非功能需求形式化表示与可满足分析

可信软件的可信性由其功能需求和非功能需求共同来体现,其中,非功能需求的实现是可信软件获得用户对其行为实现预期目标能力的信任程度的客观依据.针对可信软件的重要性以及对可信软件的迫切需求,在可信软件的早期需求工程阶段,提出可信软件非功能需求驱动的过程策略选取方法.首先,对可信软件需求进行定义,提出由功能需求和非功能需求中的可信关注点构成可信需求,非可信关注点的非功能需求则定义为软目标,用于表达质量需求,基于模糊集合论和信息熵对可信软件非功能需求进行排序并获取可信关注点和软目标.在此基础上,提出可信软件非功能需求驱动的过程策略选取方法.传统的软件早期需求工程阶段的目标是为了获取满足需求的技术及设计决策,与此不同,本文对可信软件非功能需求进行分析的目标是获取过程策略,从过程角度解决可信软件生产问题.由于非功能需求间复杂的相关关系,尤其是因为存在冲突关系,故提出了基于可满足性问题求解方法推理过程策略的方法,选取满足可信软件非功能需求的过程策略.最后,通过第三方可信认证中心软件的案例,说明所提出方法的可行性.     

基于反馈QoS量化的Web服务发现模型

服务发现是Web服务应用中极其重要的环节.随着Web服务数目的增长,提供相同功能的服务越来越多,现有的基于服务功能描述的服务发现机制越来越难以满足实际需求,于是向Web服务描述内部加入非功能性描述的成为Web服务应用的一个新研究方向.提出了一种基于反馈信息的QoS量化的Web服务发现和选择模型,采用了反馈机制对注册服务QoS进行量化,通过引入概念相近权重,实现了服务质量动态排序,满足了用户的个性化需求,提高服务的查准率.     

基于目标部分满意度的需求设计方案评估

不同的需求设计方案对软件系统中非功能目标的实现具有不同的影响。这些非功能目标一般不能以一种绝对清晰定义的程度来满足，常常是以一种部分满意的方式实现，现实中寻求“满意”解比寻求“最优”解更符合实际情况。为了反映此特性，该文在分析目前已存在方法局限性的基础上，利用Letier和Lamsweedre提出的基于概率理论的面向目标的推理方法，对目标部分满意度建模。模型建立在客观标准基础上，在领域内具有实际物理解释，获得了不同方案对目标满意度的影响，可更好地用于指导需求分析和设计决策。     

兼有群体标识词的代词的指代消解

本文提出了一种基于领域内与群体词相关的指示代词的指代消解策略。首先从概念模型出发,给出了概念间的细化操作,由此提出了概念从属树模型;其次结合群体词的相关知识,对兼有群体标识词的代词的指代对象经概念从属确定后进一步提高准确性。经过测试,此策略能有效地找到代词的指代对象。     

基于层次社会组织目标的需求过程建模

将社会组织结构抽象为递归的社会组织域树,其顶层目标即为社会组织总体目标,总体目标层层分解为社会子组织域目标,从层次化的社会组织目标构建软件系统需求目标分解树,进而构建软件系统需求,并用层次着色Petri网对软件系统需求过程进行形式化建模,无缝连接社会组织目标与软件系统需求,为软件系统需求分析提出了一种自然、直观的需求过程建模方法.     

改进的领域本体概念语义相似度计算方法

基于领域本体的树状层次结构,从路径距离、语义重合度、语义深度、语义密度和概念属性几个角度讨论并优化了领域本体概念语义相似度的计算方法。该方法在聚焦爬虫网页分析中的成功应用,充分验证了它对概念语义相似度进行量化的准确性。     

面向嵌入式PLC领域的构件模型的研究与实现

嵌入式PLC以其软硬件可裁剪性,可以根据用户的个性化需求进行定制,节约成本等特点逐渐发展成为当前PLC开发的一种主流模式。而嵌入式PLC系统的开发面临着软件复用率低及非功能属性难以量化的挑战。以嵌入式PLC系统的构件化开发方法为出发点,采用高扩展性语言XML作为构件的描述语言,提出一种嵌入式PLC构件模型EPCM,它支持对非功能属性的分析与评估。通过构建一个嵌入式PLC控制算法的生成平台及基于该平台之上的案例分析,表明该构件模型不仅能提高软件的复用水平,而且对非功能属性的分析和验证的支持也是可行的。     

Scalable prediction of non-functional properties in software product lines: Footprint and memory consumption

ContextA software product line is a family of related software products, typically created from a set of common assets. Users select features to derive a product that fulfills their needs. Users often expect a product to have specific non-functional properties, such as a small footprint or a bounded response time. Because a product line may have an exponential number of products with respect to its features, it is usually not feasible to generate and measure non-functional properties for each possible product.ObjectiveOur overall goal is to derive optimal products with respect to non-functional requirements by showing customers which features must be selected.MethodWe propose an approach to predict a product’s non-functional properties based on the product’s feature selection. We aggregate the influence of each selected feature on a non-functional property to predict a product’s properties. We generate and measure a small set of products and, by comparing measurements, we approximate each feature’s influence on the non-functional property in question. As a research method, we conducted controlled experiments and evaluated prediction accuracy for the non-functional properties footprint and main-memory consumption. But, in principle, our approach is applicable for all quantifiable non-functional properties.ResultsWith nine software product lines, we demonstrate that our approach predicts the footprint with an average accuracy of 94%, and an accuracy of over 99% on average if feature interactions are known. In a further series of experiments, we predicted main memory consumption of six customizable programs and achieved an accuracy of 89% on average.ConclusionOur experiments suggest that, with only few measurements, it is possible to accurately predict non-functional properties of products of a product line. Furthermore, we show how already little domain knowledge can improve predictions and discuss trade-offs between accuracy and required number of measurements. With this technique, we provide a basis for many reasoning and product-derivation approaches.     

LiDAR点云支持下地物精细分类的实现方法

在遥感数据分类中,获取精细的地物类别无疑能够传递更加丰富的信息量,进一步加深对遥感数据的理解和解译。在机载LiDAR点云高程数据的支持下,提出并实现了遥感影像上地物精细分类的方法。为保证高精度地同种地物再划分,综合考虑配准、辅助数据源、首次回波、点云密度及影像空间分辨率4种因素,并重点解决了点云密度与影像空间分辨率不匹配的问题,利用决策树显著地提高了影像上建筑物、植被的分类数量,使点云与影像联合分类的优势得到体现,达到了分类精度与地物类别数量相统一的目的。     

数控领域内基于XML的可扩展的组件描述

软件组件的形式化描述是基于组件开发复杂软件的基础之一。通过把组件的标识信息、外部信息、内部信息、术语信息、技术信息、非功能性属性信息和商业信息等组织成树型结构的形式,利用XML模式定义树型结构的语义规则,设计了数控领域内的组件描述方法。这种方法的一个重要特征是它是可扩展的。利用这种描述方法,在现有组件的基础上,实现了开发式数控系统,系统具有良好的扩展性和灵活性,这种描述方法具有很好的实用价值。     

Assessing requirements-related risks through probabilistic goals and obstacles

Requirements completeness is among the most critical and difficult software engineering challenges. Missing requirements often result from poor risk analysis at requirements engineering time. Obstacle analysis is a goal-oriented form of risk analysis aimed at anticipating exceptional conditions in which the software should behave adequately. In the identify-assess-control cycles of such analysis, the assessment step is not well supported by existing techniques. This step is concerned with evaluating how likely the obstacles to goals are and how likely and severe their consequences are. Those key factors drive the selection of most appropriate countermeasures to be integrated in the system goal model for increased completeness. Moreover, obstacles to probabilistic goals are currently not supported; such goals prescribe that some corresponding target property should be satisfied in at least X % of the cases. The paper presents a probabilistic framework for goal specification and obstacle assessment. The specification language for goals and obstacles is extended with a probabilistic layer where probabilities have a precise semantics grounded on system-specific phenomena. The probability of a root obstacle to a goal is thereby computed by up-propagation of probabilities of finer-grained obstacles through the obstacle refinement tree. The probability and severity of obstacle consequences is in turn computed by up-propagation from the obstructed leaf goals through the goal refinement graph. The paper shows how the computed information can be used to prioritize obstacles for countermeasure selection toward a more complete and robust goal model. A detailed evaluation of our framework on a non-trivial carpooling support system is also reported.     

Tool Support for Refinement of Non-functional Specifications

Model driven architecture (MDA) views application development as a continuous transformation of models of the target system. We propose a methodology which extends this view to non-functional properties. In previous publications we have shown how we can use so-called context models to make the specification of non-functional measurements independent of their application in concrete system specifications. We have also shown how this allows us to distinguish two roles in the development process: the measurement designer and the application designer. In this paper we use the notion of context models to allow the measurement designer to provide measurement definitions at different levels of abstraction. A measurement in our terminology is a non-functional dimension that can be constrained to describe a non-functional property. Requiring the measurement designer to define transformations between context models, and applying them to measurement definitions, enables us to provide tool support for refinement of non-functional constraints to the application designer. The paper presents the concepts for such tool support as well as a prototype implementation.