基于刻面分类描述的构件检索方法研究

随着构件技术的发展和构件库规模的扩大,构件的表示与检索技术作为构件库管理的两个核心技术已经成为研究热点。根据目前被广泛应用的构件刻面分类描述方法及其特点,本文从构件复用者不同的检索方式出发,提出了基于浏览检索方式、基于刻面检索方式以及基于术语检索方式三种构件检索方式以及与之对应的五种匹配模型和两种匹配算法。理论分析和实验结果表明,将三种检索方法应用在大规模的构件库中检索构件时,可满足构件复用者的各种检索需求,且在检索效率上是可行的。     

基于刻面分类模式的构件库检索方法

可复用软件构件的检索是构件库和软件复用领域研究的一个重要课题。基于刻面分类模式的检索方式拥有准确、高效的优势,因而得到了广泛应用。论文介绍了刻面分类模式的相关概念以及刻面树的创建方式,分析了基于刻面分类模式对软件构件库进行检索的规则,该规则将用户选择的刻面和术语通过合理的并和交运算组合生成数据库查询条件来完成检索。最后根据规则提出了相应算法以及刻面分类模式检索在实际构件库系统中的实现方法。     

基于刻面分类模式的构件库检索方法

可复用软件构件的检索是构件库和软件复用领域研究的一个重要课题。基于刻面分类模式的检索方式拥有准确、高效的优势,因而得到了广泛应用。论文介绍了刻面分类模式的相关概念以及刻面树的创建方式,分析了基于刻面分类模式对软件构件库进行检索的规则,该规则将用户选择的刻面和术语通过合理的并和交运算组合生成数据库查询条件来完成检索。最后根据规则提出了相应算法以及刻面分类模式检索在实际构件库系统中的实现方法。     

一个支持构件库动态演变的构件检索系统

在基于构件的软件开发CBD(component－based Software development)中,随着可重用构件库的不断增长,构件的分类和检索技术一直是软件重用组织十分关注的问题.文章提出了一个支持构件库动态演变的构件检索系统;为了改进该系统的检索性能,还采用了多种构件检索方法.     

基于本体的主动构件库系统研究

目前,基于构件的软件开发方法(CBSD)在软件工程研究与软件开发领域变得越来越重要。该文提出了一种主动构件库系统系统,在传统构件库SourceForge的基础上,该系统根据开发者的实际需求,主动的将构件推送给用户。该方法通过构建领域本体,创建构件库访问代理,实时代码分析,并结合用户个性化信息,在上述基础上实现了基于本体的构件检索与推送。方法有效的整合了构件库、构件检索、构件查询,并同开发过程进行了无缝整合。试验表明,在开发过程中应用该方法,可以提升构件查询的准确度,并有效地降低获取构件的成本。     

基于刻面的构件检索算法研究

如何从构件库中准确快速找到需要的构件,是每个构件库系统需要解决的一个主要问题。本文通过匹配的思想进行研究构件的特点,提出了一种基于刻面的检索算法的研究,它主要是通过后缀字典进行排查,用于提高查询的效率,通过该算法能够在保证构件检索的查询速度,在短时间内能够迅速的查找到刻面的内容。     

基于刻面分类标识和聚类树的构件检索方法

针对如何从规模庞大的软件构件库中快速且高效地检索出目标构件的问题,提出一种基于刻面分类标识和聚类树的构件检索方法。使用构件标识集合对构件进行刻面分类标识描述,克服了单纯采用刻面分类法对构件进行分类描述和检索时带来的主观因素的影响;引入聚类树的思想,对构件进行基于语义相似度的聚类分析,建立构件聚类树,能有效地缩小检索范围,减少检索构件与构件库中构件比较的次数,提高检索效率。最后在实验中与一般检索方法对比,实验结果表明该方法的构件查准率为88.3%,查全率为93.1%;而且在大规模的构件库中使用时依然有良好的检索效果。     

基于逻辑推理的构件组装策略及其算法

针对构件组装体系框架,提出一种适用于无状态构件的组装策略,用于满足用户的构件检索请求．该策 略通过进程代数理论形式化描述构件行为,提高匹配度,并提出了2 种基于逻辑推理的检索算法SABLR（searching algorithm based on logical reasoning）和ASABLR（advanced searching algorithm based on logical reasoning）加以支持． 检索算法均应用正向推理的思想,判别构件仓库中是否含有用户请求构件信息．算法可以判别2 种状况：一是库中 直接含有请求构件信息,二是库中部分构件可经组装后满足用户请求．克服了普通构件检索算法无法判别第2 种状 况的缺点．最后,通过实例分析和算法ASABLR 的实现,证明该策略的有效性和可行性．     

基于语义检索的构件库系统体系结构

语义检索是解决目前构件查准率和查全率不高的最好方法之一。该文研究了基于语义检索的构件库技术,能在构件入库时完成基于本体的构件语义描述,在检索时复用领域本体,实现构件隐含语义推理和匹配,检索出传统算法难以检索到的构件,为设计实现具体面向语义检索的构件库系统提供了一个参考模型。     

一种面向大规模构件库的构件检索方法

针对如何在大规模构件库中改善构件检索性能的问题,提出一种基于功能倒排索引与改进VSM(Vector Space Model)相似度的构件检索方法。应用功能倒排索引能够快速排除在功能上不相关的构件,有效缩小构件检索范围;对VSM相似度算法进行改进,提高构件检索的查准率。与常用检索方法的对比实验表明,该方法有效提高了检索速度,并且检索查全率与查准率也保持在较高水平。     

基于遗传算法的刻面权重构件检索方法的实现

提出了一种改进的基于遗传算法的刻面权重自学习构件检索模型（CRMFWS）,采用基于刻面权重自学习的遗传算法来动态地改变刻面权重以提高查准率;采用基于构件采样的风险最小化算法来解决训练数据不充分问题。实验结果表明该算法是可行的,能够大幅度提高构件的检索效率。     

软件配置构件分类及优化查询方法研究

针对软件不同的质量和管理要求,结合软件本身的规模和特点,设计软件配置构件管理方法。给出优先级刻面的构件分类方法PF-CCM,用于优化构件检索与查询。结合索引、关键词和刻面3种构件检索机制,提出一种基于剪枝的优化匹配方法POMA,根据刻面优先级对查询结果进行排序。实验结果表明,POMA方法能有效提高配置构件的查询效率。     

基于刻面树的可重构MES组件库中组件检索

提出了一种基于刻面树组件检索规约结合设计模式的组件检索算法。该算法首先在刻面分类的基础上抽取组件的本质特征创建了刻面树。然后,根据用户选择的刻面和术语制定了符合刻面树检索组件的规约,根据该规约结合迭代和组合二设计模式给出了适合从中小离散制造业可重构MES组件库中检索组件的算法。最后,对该算法进行了编码实现与实验测试。实验结果数据证明,同等条件下采用此算法检索时间更少,速度更快。运用该算法可解决从具有可重构性的MES组件库中快速检索出用户所需组件这一关键问题。     

基于独立关键子块和三角树的快速图象检索新方法

由于图象存储数据量非常大,因此提取图象特征和检索极为耗时.为了提高图象检索效率,将文本检索中的有效检索方法(基于关键字频率与关键字逆文档频率乘积的索引模型)结合三角树索引机制应用到基于内容的图象检索,提出了一种基于独立关键子块和三角树的快速图象检索新方法.该方法首先用独立分量分析将样本图象子块中的直方图特征映射到色彩概念空间来得到类似于文本中关键字的独立关键子块;然后再用训练好的模糊支持向量机去识别每幅图象中所包含的独立关键子块,由于独立分量分析能够使特征彼此保持高阶独立性,因此该方法与主成分分析方法对比,具有较高检索效率;最后,再通过构造三角树来来为图象数据库建立分层索引结构,以加快检索速度.     

基于检索条件转换算法的多构件库检索

不同构件库之间实现互通可以有效提高复用者检索构件的效率,分类是检索的基础。通过建立多个以关键字和本体分类方式的构件库的检索条件转换模式帮助用户从基于这两种分类模式的多个构件库中检索构件,避免用户多次为同一需求构造不同的检索条件,减少复用者的理解成本,提高关键字检索本体构件库的查全率。实验结果证明了该方法的有效性和可行性。     

基于卷积神经网络的构件分类策略的研究

为了提高软件复用过程中构件检索的效率，分析了软件构件分类技术的优缺点以及构件特征，从构件刻面信息的角度，采用卷积神经网络技术，提出一种基于卷积神经网络的构件分类策略；利用卷积神经网络对构件刻面特征进行提取，减少人为因素，提高刻面信息提取精确性，并训练出基于卷积神经网络的构件分类模型，通过具体的实验，来论证该模型的准确性，以达到提高构件检索效率的目的。     

Image retrieval based on incremental subspace learning

Many problems in information processing involve some form of dimensionality reduction, such as face recognition, image/text retrieval, data visualization, etc. The typical linear dimensionality reduction algorithms include principal component analysis (PCA), random projection, locality-preserving projection (LPP), etc. These techniques are generally unsupervised which allows them to model data in the absence of labels or categories. In this paper, we propose a semi-supervised subspace learning algorithm for image retrieval. In relevance feedback-driven image retrieval system, the user-provided information can be used to better describe the intrinsic semantic relationships between images. Our algorithm is fundamentally based on LPP which can incorporate user's relevance feedbacks. As the user's feedbacks are accumulated, we can ultimately obtain a semantic subspace in which different semantic classes can be best separated and the retrieval performance can be enhanced. We compared our proposed algorithm to PCA and the standard LPP. Experimental results on a large collection of images have shown the effectiveness and efficiency of our proposed algorithm.     

一种高效的基于刻面分类的构件检索算法研究

如何从构件库中准确快速找到需要的构件,是每个构件库系统需要解决的一个主要问题。基于树匹配的思想通过研究构件的特点,提出了基于刻面路径匹配的算法,它使用后缀字典排序来提高查询的效率,该算法可以在保持构件查询速度的前提下,有效提高构件的查全率和查准率,实验结果证明了该算法的可行性与有效性。