一种运用模式将CIM转换到PIM的方法

模型转换在MDA软件开发方法中扮演着非常重要的角色,尤其是从CIM到PIM的转换。本文给出了一种从CIM转换到PIM的方法。在CIM中,我们通过特征模型来组织需求,同时用软件体系结构来组织PIM中的各个要素。这个转换中的核心内容是模式的应用。在CIM的需求模型中,本文将特征分层,从而将需求分为不同的层次。同时模式也被分为不同的层级,其中包括体系结构模式和设计模式。针对不同层级的特征模型,应用不同层级的模式进行变换,从而得到分层的体系结构。当需求发生变化时,首先确定这种特征的变化是在哪个层级上的,然后在不同的体系结构层级上变换相应的功能,从而实现PIM的相应变化。本文最后以自行开发的Object-Z的支持工具为例来说明所给出的方法。     

基于线性降维方法的蛋白质四级结构类型预测

提出一种新的能依据蛋白质序列自动地识别被查询蛋白质的四级结构类型的方法。首先采用伪特定位点记分矩阵方法(PsePSSM)提取蛋白质序列的特征。采用这种方法提取出的特征能尽可能多地反映蛋白质序列的原始信息如顺序和进化等信息。但随之产生的问题是特征维数很高,使得预测系统复杂化。因此,引入线性维数约简算法最大方差映射方法(MVP),它可以从高维的特征空间中提取出低维的关键特征。最后,在约简后的特征上再应用分类算法预测未知蛋白质的四级结构。试验结果表明,采用降维方法不但使得预测系统得到简化,同时还提高了分类性能。     

Object-Z 规格说明测试用例的自动生成器

对Object-Z形式规格说明构造测试用例的研究,目前主要集中在理论研究阶段,测试用例的自动生成几乎没有相应的工具支持.Object-Z是基于数学和逻辑的语言,并大量使用了模式复合和简写形式,这给计算机提取完整语义用以自动产生测试用例造成了困难.通过展开Object-Z规格说明中的模式定义,改进Object-Z的文法结构,给出了提取Object-Z规格说明语义的方法,研究了从Object-Z规格说明产生测试用例的自动化过程.这一过程主要包含3个阶段:Object-Z语言的自动解析、语义自动抽取和测试用例自动产生.通过介绍的工具原型,可以很容易得到规格说明中的各种语义;基于某些测试准则,能够方便自动产生可视化的抽象测试用例.     

融合对抗训练与ERNIE 的短文本情感分析模型

使用深度学习技术进行文本情感分类是近年来自然语言处理领域的研究热点, 好的文本表示是提升深度学习模型分类性能的关键因素。由于短文本蕴含情感信息较少、训练时易受噪声干扰, 因此提出一种融合对抗训练的文本情感分析模型PERNIE RCNN。该模型使用ERNIE 预训练模型对输入文本进行向量化, 初步提取文本的情感特征。随后在ERNIE 预训练模型的输出向量上添加噪声扰动, 对原始样本进行对抗攻击生成对抗样本, 并将生成的对抗样本送入分类模型进行对抗训练, 提高模型面临噪声攻击时的鲁棒性。实验结果表明, PERNIE RCNN 模型的文本分类性能更好, 泛化能力更优。