一种面向对象的软件设计模式库的设计

成功地利用模式可以有效提高软件的开发效率和设计质量,通用模式具有较强的普适性,结合具体领域特点形成的实例模式具有更强、更具体的指导作用。为了实现一个辅助设计模式复用的CASE工具,对设计模式的几个面向对象的原则进行分析,提出了一种面向对象的分布式软件实例模式库来存储设计模式,并给出相应的类层次库组织结构、分布式的交互管理和基于聚类的多级索引方法及面向对象的嵌套索引方法。依此存储模式以更有效地管理和利用模式。     

一种面向对象的软件设计模式库的设计

成功地利用模式可以有效提高软件的开发效率和设计质量,通用模式具有较强的普适性,结合具体领域特点形成的实例模式具有更强、更具体的指导作用.为了实现一个辅助设计模式复用的CASE工具,对设计模式的几个面向对象的原则进行分析,提出了一种面向对象的分布式软件实例模式库来存储设计模式,并给出相应的类层次库组织结构、分布式的交互管理和基于聚类的多级索引方法及面向对象的嵌套索引方法.依此存储模式以更有效地管理和利用模式.     

一种基于泛化-特化关系模式的业务服务实例化方法

业务服务作为业务活动具体实现的一种抽象表示,在业务层上解决了业务用户可用及领域可复用的问题,然而,业务服务在落实到具体的物理服务时缺少一种规范化的实例化方法,因此,文中提出了一种基于泛化-特化关系模式的业务服务实例化方法.通过泛化-特化关系的判定,最终用户定制的表达个性化需求的业务服务能够发现它的邻近上界业务服务,并且基于泛化-特化关系模式的应用,业务服务只需要在它的邻近上界业务服务的公共实例集合中去匹配.实验表明,这种实例化方法能够很好地减少业务服务实例化中的冗余匹配,提高业务服务实例化的效率.     

支持领域复用的过程元模型

过程的复用问题如同软件本身的复用性，具有同样重要的意义．提出了一种支持领域复用的过程元模型．借鉴OO技术中的类继承概念，以表示领域业务过程间的共性以及抽象-特化父子关系；通过参数化模板机制的使用，增强过程的抽象表示能力．据此设计了独立于具体平台的过程定义语言，通过映射机制可转换为特定的过程定义语言如WSFL、WPDL等，从而可被各种工作流引擎执行．实现了过程建模工具PM Builder．     

VB编程领域知识的专家与新手比较

通过无结构访谈及行为观察法，抽取VB编程专家领域相关的陈述性知识和程序性知识，并通过问卷测试及观察具体编程行为，比较专家和新手在陈述性及程序性知识上的差异，结果表明：专家具有5种典型陈述性知识、7种新手所不具备的程序性知识，专家的领域知识更丰富。     

基于迁移学习的领域自适应推荐方法研究

协同过滤在目标评分数据非常稀疏时，其推荐效果往往会下降。跨领域推荐方法在一定程度上可以解决数据稀疏性的问题。对于不同领域异构的数据，如果不进行特征映射处理，则可能会导致负迁移；采用单一的迁移模式，则会造成潜在信息缺失。因此，提出一种领域自适应的方法，以应用于跨领域推荐。具体包括：利用GFK特征映射后，以增加共享信息的一致性和减少潜在信息的缺失；采用联合用户侧重和项目侧重多元迁移模式来预测缺失评分的目标域矩阵，以提升预测评分的准确性。经开源数据集上的实验测试，证实了该模型可提高推荐的精准度。     

基于归结的最大一般理论特化

提出一种基于归结的并有关于背景适应吸示例的一致特化理论,该理论给出了最大一般特化假设的归结构造方法,可将其作为一种蕴涵意义下的一般理论特化框架。基于该理论,进一步提出ｋ一般特化概念以解决特化的可计算性问题,并相应地给出特化算法。有关实验表明,该理论与算法能够正确并有效地进行一阶理论特化。     

.Net开发中MVC模式的应用

介绍了如何利用．NET平台结合MVC模式开发安全、可扩展、易维护的系统。分析了MVC设计模式，设计了一个基于MVC模式的．NET框架下的应用模型，并结合该实例，探讨了具体的实现方法，并给出了每个模块的代码实现。该系统实现了应用程序模块化，具有良好的安全性、可扩展性和易维护性。     

高效挖掘无序频繁子树

频繁模式挖掘是数据挖掘领域的中一个重要问题，其研究范围包括事务，序列，树和图．频繁子树挖掘广泛应用于生物信息学，web挖掘，化合物结构分析和挖掘等领域．本文提出用模式增长方法在由无序树构成的森林中挖掘直接频繁子树．算法利用规范化方法将元序树化为为唯一的表示形式，利用最右路径扩展方法构造完整的模式增长空间，然后根据待增长模式的拓扑结构确定其增长点并构造相应投影库，从而将挖掘频繁子树模式问题转化为在各投影库中寻找频繁节点问题．通过与HybridTreeMiner算法的实验比较，表明其具有更高的效率。     

领域相关多媒体对象的基于内容查询

该文通过对多媒体对象领域知识特点的分析，指出了领域属性与多媒体对象分离的必要性，对多媒体对象的领域属性进行了分类，采用框架（frame）结构作为领域知识的表示模式，利用语义网表示领域概念之 分类关系以及同义关系，并用上下文（context）记录了特定用户更细的辅助知识，包括多媒体相似阈值刻画、模糊值的描述以及用户查询反馈等参数。该文还给出了多媒体对象相似的计算公式，分析了多媒体基于内容查询的各种类型，研究了多媒体查询处理过程。     

Pool Evolution: A Parallel Pattern for Evolutionary and Symbolic Computing

We introduce a new parallel pattern derived from a specific application domain and show how it turns out to have application beyond its domain of origin. The pool evolution pattern models the parallel evolution of a population subject to mutations and evolving in such a way that a given fitness function is optimized. The pattern has been demonstrated to be suitable for capturing and modeling the parallel patterns underpinning various evolutionary algorithms, as well as other parallel patterns typical of symbolic computation. In this paper we introduce the pattern, we discuss its implementation on modern multi/many core architectures and finally present experimental results obtained with FastFlow and Erlang implementations to assess its feasibility and scalability.     

SEIS++:一个油气勘探领域软件建造和集成的模式语言

工业化的软件复用从通用类库进化到了面向领域的应用框架和设计模式,与框架相比,设计模式更集中于软件体系结构中重复出现的设计韵律,它主要由可复用的抽象设计结构组成,特定领域内一组相关的设计模式构成了该领域的模式语言,它们可在领域内重复使用以完成某类特定系统的体系结构设计。     

采用开放语料库的跨领域模式自动获取

信息抽取模式的自动获取不仅能极大地减少所需的工作量，而且对于信息抽取系统的可扩充性和可移植性都至关重要。该文提出的采用开放语料库的跨领域模式自动获取方法是采用开放的训练语料库来自动生成领域无关的抽取模式，借助模式和实例之间的二元性，不断获取新的语料对系统进行训练，从而克服以往训练语料库规模较小的缺点。该方法尽可能减少了领域相关性，领域移植的代价很小。由于采用开放语料，该文提出了一种通过机器学习使用统计模型来自动选取用于模式生成和评价的正反实例的方法。根据在投资领域的测试结果，该方法获得了较好的效果，模式抽取的平均查准率达到92％，平均召回率达到42．4％。     

Fabric Pattern Elements Retrieval Based on Cosine Transform

Fabric pattern contains many types of the available pattern elements, which not only can be used for the researchers, but also as the material for the designer. But existing method focus on the complete image retrieval, therefore lack methods of retrieving pattern elements. This article proposes a pattern elements retrieval algorithm based on cosine transform. Firstly, automatically segment the patterns according to size and location and filter the similar primary patterns, then, through cosine transform, analyze elements features in DCT domain, extract amplitude frequency and phase frequency. We employ 2-norm to measure the similarity, search 10 similar pattern elements in the sample library and save them in the design resources library. Experiment results indicate that this algorithm performs well while used in palace costume and carpet patterns, and got more than 75% of the average recall in 100 times experiments     

一个Web查询界面域序列模式图模型及其应用

针对Deep Web查询界面集成问题,定义了一种面向专门领域的域序列模式图(FSRG)模型,用于表示和发现同一领域查询界面中的所有域序列模式.该模型将领域内不同查询页面的域序列模式统一到一个有向有环图中.基于序列模式图进行研究可发现领域模式中域的结构化组织排列规律.还论述了域序列模式图的构造、域子序列模式划分和领域所有域的整体序列模式发现方法.在有限领域下封闭测试表明,该模型及其算法对结构化Web界面分析有较大应用价值.研究为实现智能化的Web数据模式处理提供了域序列分析方法,对大规模智能集成和搜索应用有一定参考价值.     

Efficient Mining of Frequent Closed XML Query Pattern

Previous research works have presented convincing arguments that a frequent pattern mining algorithm should not mine all frequent but only the closed ones because the latter leads to not only more compact yet complete result set but also better efficiency. Upon discovery of frequent closed XML query patterns, indexing and caching can be effectively adopted for query performance enhancement. Most of the previous algorithms for finding frequent patterns basically introduced a straightforward generate-and-test strategy. In this paper, we present SOLARIA＊, an efficient algorithm for mining frequent closed XML query patterns without candidate maintenance and costly tree-containment checking. Efficient algorithm of sequence mining is involved in discovering frequent tree-structured patterns, which aims at replacing expensive containment testing with cheap parent-child checking in sequences. SOLARIA＊ deeply prunes unrelated search space for frequent pattern enumeration by parent-child relationship constraint. By a thorough experimental study on various real-life data, we demonstrate the efficiency and scalability of SOLARIA＊ over the previous known alternative. SOLARIA＊ is also linearly scalable in terms of XML queries＇ size.     

基于纹理渲染的分形图案设计

传统分形图案的纹样在表现实际景物特征方面存在不足.针对这一问题,提出了一种基于纹理渲染的分形图案设计概念和技术,并改进了Wei的点匹配纹理合成算法,即首先用2维自相关函数先分析纹理的构成和分布,然后确定合成的L形邻域大小,最后将分形图案作为结构约束,并在HSL颜色空间上控制色彩渲染,实现了结构约束的纹理合成,并通过选择两个特殊的分形数集来进行实验,生成了既有样图纹理特征,又能控制色彩变化的分形图案.     

基于模式模板的MPEG压缩视频序列的划变转换检测

为了在进行视频分段时，对一些复杂的和奇异的Wipe转换模式进行检测，得出了一种基于模式模板的MPEG压缩视频序列的划变转换检测方法。该方法是在刻画划变转换时，用一种视频帧间图象特征变化信息的模式模板；并用一个基于该模式模板的算法，来检测包括各种奇异转换在内的划变转换，同时为了消除运动干扰，还引入了Hough变换。实验结果显示，该方法能精确检测划变转换区的位置和识别相应的转换模式，另外，无论是已存在的或将来出现的划变转换模式，该算法都同样适用。     

A General Model for Sequential Pattern Mining with a Progressive Database

To capture the dynamic nature of data addition and deletion, we propose a general model of sequential pattern mining with a progressive database while the data in the database may be static, inserted or deleted. In addition, we present a progressive algorithm Pisa, standing for Progressive mIning of Sequential pAtterns, to progressively discover sequential patterns in defined time period of interest. The period of interest is a sliding window continuously advancing as the time goes by. Pisa utilizes a progressive sequential tree to efficiently maintain the latest data sequences, discover the complete set of up-to-date sequential patterns, and delete obsolete data and patterns accordingly. The height of the sequential pattern tree proposed is bounded by the length of period of interest, thereby effectively limiting the memory space required by Pisa that is significantly smaller than the memory needed by alternative methods. Note that the sequential pattern mining with a static database and with an incremental database are special cases of the progressive sequential pattern mining. By changing Start time and End time of the period of interest, Pisa can easily deal with a static database or an incremental database as well. Complexity of algorithms proposed is analyzed.