嵌入式数字化仪器设备UML应用软件框架研究

为了实现软件开发的可复用性,提高软件开发的效率,在对嵌入式数字化仪器(DI)设备领域分析的基础上,提出了一个建立在面向对象基础上的构件化软件框架元模型.针对对象领域特征,采用构件化技术,抽象设计了一系列可配置、扩展性强的通用构件库和专用构件库.从而形成了嵌入式数字化仪器系统软件开发模型和相应的软件应用框架,并使用统一建模语言（UML）进行描述.以智能电表远程抄表系统(AMRS)软件应用框架为例,表明该框架可以实现嵌入式数字化仪器设备系统软件开发的有效复用.     

领域构件库技术在信息系统开发中的应用

为提高软件的复用程度,采用了基于软件体系结构的开发方法,提出了机场领域的软件体系结构;重点讨论了领域构件库及其在信息系统中的作用,设计了一个领域构件库系统,为构件的检索和管理提供了基础;初步实现了领域构件库中对构件的分类、查询、存储和管理功能,并在领域特定的软件体系结构框架下,实现了对机场领域的信息系统的开发。     

一种新的视景仿真软件体系结构

构造符合仿真要求的被仿真领域实体集合是视景仿真软件开发的主要内容.因此设计 出可复用的领域实体库对于提高仿真软件的开发效率具有重要意义.目前,主要的视景仿真 引擎没有对此提供相关支持.为此,文中借鉴了XP方法学,提出了一种支持重构的实体库演化 开发方法,并设计了一种支持这一方法的实体库开发架构.该架构允许开发者采取不同策略 将实体集合分解为一组相对独立的功能构件,并利用事件机制将这些构件装配为满足要求的 领域实体.该技术不仅能够减少因重复实现类似实体功能带来的开销;而且在进行功能扩展时将其影响限制在较小范围内.     

基于P2P网络的网构软件自适应性研究

P2P的网络环境具有网络的开放性、动态性和多变性,同时增强了网络的可控性,它提供了一种在大规模异构环境下进行资源共享的有效途径,可以降低网构软件自治和演化的难度.提出了建立在P2P网络拓扑结构上的网构软件模型,模型包括用来描述软件的系统架构、控制集合以及自适应构件库.网构软件的自适应性主要通过控制集合和构件库的共同作用来实现.自适应构件库通过引入构件副本、构件复用形式以及构件副本测试状态等概念来增强网构软件模型的自适应性.在P2P网络中每个Peer的本地都维护着一个本地构件库,而网络构件库是一个逻辑上集中、物理上分布的构件库系统,由分布在P2P网络中的符合构件接口的所有构件副本组成.     

面向构件的海上测控软件系统架构的设计

从探讨软件重用技术出发，通过分析海上测控软件系统的质量特性要求，在软件体系结构层次上对构件间的关系进行抽象描述，对接口进行统一定义，形成可复用构件库，使架构模型简单有效，数据的互动和交换关系更为清晰，对提高海上测控软件质量和开发效率具有重要意义。     

基于漏洞指纹的软件脆弱性代码复用检测方法

针对传统脆弱性代码复用检测技术漏报率高的问题,提出基于漏洞指纹的检测方法.分析开源项目漏洞补丁的结构与脆弱性代码特征,总结代码复用过程中常见修改手段的特点,设计基于哈希值的漏洞指纹模型.开展代码预处理消除无关因素的影响,选取固定行数的代码块作为特征抽象粒度,利用哈希算法抽取关键代码特征.通过搜集开源项目漏洞信息与相关代码片段构建漏洞样本库,利用基于LCS的相似性评估算法定位漏洞样本的复用并且标记为敏感代码,使用漏洞指纹进行检测并根据识别策略完成对脆弱性代码的判定.实验结果表明,基于漏洞指纹的检测方法能够有效地应对多种代码修改手段的影响,明显提高检测效率,检测时间与输入代码量呈线性增长关系.     

基于可复用性评价的构件设计模式研究

通过对构件内聚度、耦合度和集成度的分析,得出了构件的可复用性评价模型.依据此模型对构件的继承度与复用性之间矛盾进行了分析,提出了在不影响构件可复用性的前提下应用对象技术继承性的设计模式,得出了对象复用技术与构件化开发技术相结合能有效提高构件复用性的结论.     

基于服务规约匹配的业务构件获取

针对目前构件模型缺乏行为语义和脆弱接口的问题,提出了一个面向服务的业务构件模型,该模型采用有限状态机来描述业务构件的行为语义,采用基于XML的标记数据类型来表示业务数据类型,基于此模型,提出了动作、动作序列和业务构件3个层次的语义匹配关系,借鉴数据库查询语言,提出业务构件检索语言以支持业务构件的自动获取.结果表明:所提出的方法为大规模的业务构件复用提供了有利的技术支持.开发了业务构件库管理工具验证了该法方法的可行性和有效性.     

一种基于描述逻辑的构件检索匹配算法

在基于刻面的描述方法基础上引入描述逻辑作为知识表示的形式化方法,来描述用户复用需求和构件,从而使二者能够在语义层面上进行匹配。提出了一种基于描述逻辑的构件检索匹配算法,用该算法计算出一个实数值来表示用户复用需求与某一构件的匹配度,以便帮助复用者在构件库中选择合适的构件。     

CAN2:构件组合式神经网络

探索有广阔应用前景的工程化神经计算技术是促进智能计算技术进展的一种有效途径。为有效解决工程化神经计算面临的难题:神经网络的“黑箱性”,提出了构件组合式神经网络(component assembled neural network,CAN²)。基于CAN²技术,构建了易于理解和复用的数字逻辑神经构件库(digital logic neuro-component library,DLNL)。应用DLNL实现复杂数字逻辑功能、解决任意分类问题,展示CAN²技术的优越性。实验表明,CAN²能有效减少神经网络的“黑箱性”,有较强的可复用性,为神经计算工程化作出了一种有效的尝试。     

数学库重用方法在CAI中的应用研究

软构件的有效组织与检索是软件重用技术的关键。介绍了一种支持数学库重用的新方法。它极大地简化了教学软件包的使用与操作。在使数学库成为库单元前,要经过必要的前置处理和分离文件的过程。再把这些分离的文件按维护与重用的需要放入库中,这些过程自动完成,当使用这些库单元时,只需用一条新增命令重组软构件。     

Decision-tree induction from self-mapping space based on web

With the development of electronic technology andcomputer application,itis very hotfor us howto quick-ly,effectively and economically retrieval all relative in-formation of some thesis from Web data.Build a learn-ing model with good transparency also with…     

一种基于信息熵建立决策树的算法

信息论给出了信息的数学本质,提出了用热力学中的熵来度量信息量的大小。分类是一个重要的数据挖掘问题,在训练数据集上建立分类树的关键是如何选择决策树每一个内部结点的测试属性。传统的决策树建立算法利用信息论中熵的概念选择属性,具有偏向于取值较多属性的缺点。本文分析了信息论中有关熵的一些基本概念和含义,讨论了它们在挖掘分类树中的应用,利用互信息设计了一个建立分类树的算法,克服了传统算法的缺点。     

基于决策树的英语四级成绩分析

阐述了数据挖掘流程的基本概念,介绍了决策树算法的原理,根据决策树算法分析了影响高校英语四级成绩的诸多因素,对这些因素按照数据挖掘思想生成了规则集,为提高教学质量奠定了基础.     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

决策树在P2P网络截包分析中的应用

为了更高效准确地检测到P2P数据流,将目前在数据挖掘等领域比较成熟的决策树分类技术应用到截包分析研究中.在实际应用中,通过对流的特征属性进行计算统计处理作为训练样本集建立决策树,并对建立的决策树进行剪技优化,实验表明决策树分类技术更能快速准确地定位P2P数据流,在实时处理大量数据方面更能体现决策树分类技术的效率与准确度.     

隐私保护分类数据挖掘研究

随着数据挖掘应用领域的扩大,隐私保护的数据挖掘技术研究变得越来越重要．作为隐私保护数据挖掘的主要类型——隐私保护的分类数据挖掘已经成为近年来数据挖掘领域的热点之一．如何对原始数据进行变换,然后在变换后的数据集上构造判定树是隐私保护分类数据挖掘研究的重点．基于随机扰动矩阵提出一种隐私保护分类挖掘算法．该方法适用于字符型、布尔类型、分类类型和数字类型的离散数据,并且在隐私信息的保护度和挖掘结果的准确度上都有很大的提高．     

结合贝叶斯推理技术的改进决策树研究

决策树是当前预测、决策和数据挖掘中常用的方法之一。通过对决策树的生成过程进行分析,针对现有方法中决策树过度生长带来的弊端,提出了一种结合贝叶斯推理技术思想的决策树的改进方法,并给出了该方法中数据的存储结构和决策树的生成过程。该方法利用数据挖掘所产生的规则对决策树每个分支节点的分裂条件进行判断,一方面能限制决策树生长,另一方面又能帮助选择最优线路,从而使决策效率明显提高。     

一种基于属性频率划分的决策树算法

决策树是数据挖掘任务中分类的常用方法。在构造决策树的过程中,节点划分属性选择的标准直接影响决策树分类的效果。基于粗糙集的属性频率函数等方法度量属性重要性的概念,将其用于分枝划分属性的选择,提出一种决策树学习算法。该方法仅利用区分矩阵就可以计算出属性的出现频率函数值,计算简单。实验结果表明,用该方法构造的决策树与传统的基于信息熵方法构造的决策树相比较,结构简单,且能有效提高分类效果。