基于构件的软件复用技术的研究与应用
发布时间:2021-01-24 12:48
软件行业兴起至今,已经完成了单工作业到工程作业的转变,伴随而来的“软件危机”是软件工程最关键的问题,而遗留系统是最难解决的问题,针对这一关键问题,本文分别从面向过程与面向对象的软件工程设计思想进行对比分析,最后衍射出面向构件的软件工程思想,构件是高级软件工程的基础,是未来的冉冉新星,构件技术的兴起,来源于软件复用的工程理念,产生这一理念的根源是遗留系统的处理问题。构件相比于对象与过程是一种更大的格局,是从更高的角度来处理软件,也更适合软件工程中的工程思想,采用基于构件的软件复用技术有助于缓解“软件危机”,对软件工程未来的发展具有更深远的意义。而构件技术是软件复用的核心技术,构件可以小到函数、类、对象等,也可以大到完整的软件系统。软件复用包括一整套体系的理论框架以及技术难点,本文分别对软件复用技术中的软件构件组装技术、软件构件分类技术以及动态演化技术三个方面进行深入研究,在研究的过程中提出三个创新点,来提高软件复用过程的效率:(1)针对构件组装技术的研究,采用适配器技术特性,将其类比为构件间的胶水,从构件组装的角度,利用适配器来组装构件的模型,并在实际的项目中应用该模型,通过实际项目的开...
【文章来源】:中北大学山西省
【文章页数】:68 页
【学位级别】:硕士
【部分图文】:
四个标志性阶段以下进行具体阐述,在1968年,北大西洋公约组织的软件工程会议在德国Garmish举行,软件复用的概念由DoughMcilroy的论文“MassProduceSoftwareComponents”中
图 2.1 信息科学分类方法图灵活性以及多视角多描述的特点,因此构件库中类;传统的信息科学分类方法虽然在构件分类中择过于依赖现有的受控词汇表以及不受控词汇表表,从而使构件检索的查全率以及查准率下降。卷积神经网络的构件分类模型,对构件进行分率下降的问题。的构件分类模型分析络的兴起,促进了自然语言研究问题的深入发展足当前的需求,而且随着研究学者利用深度学习取得了不错的成绩,加快了在自然语言处理的,本文采用卷积神经网络来处理构件分类的问题
自动学习任务计算的权重值的滤波器,最后汇总计算结果,该网络就是模仿人脑感知视自动提取以及识别。图像识别方面大放异彩,在该领域成为研理中的文本分类以及要素识别等方面取得了网络的构件分类模型,来分类构件,以达到提络的构件分类算法神经网络结构模型,如图 2.2 所示,分别由滤波器以及可加偏置中将输入数据进行卷积行局部特征映射图的提取,然后在池化层中操作,把每张特征图的典型特征提取出来,量。
【参考文献】:
期刊论文
[1]基于卷积神经网络的道路检测方法[J]. 朱振文,周莉,刘建,陈杰. 计算机工程与设计. 2017(08)
[2]基于卷积神经网络的fMRI数据分类方法[J]. 张兆晨,冀俊忠. 模式识别与人工智能. 2017(06)
[3]基于卷积神经网络的鲜茶叶智能分选系统研究[J]. 高震宇,王安,刘勇,张龙,夏营威. 农业机械学报. 2017(07)
[4]卷积神经网络在脑脊液图像分类上的应用[J]. 龚震霆,陈光喜,曹建收. 计算机工程与设计. 2017(04)
[5]一种基于规则的软件体系结构层性能演化优化方法[J]. 倪友聪,叶鹏,杜欣,陈明,肖如良. 电子学报. 2016(11)
[6]基于Petri网的软件动态演化的一致性分析[J]. 谢仲文,明利,林英,秦江龙,莫启,李彤. 计算机科学. 2016(11)
[7]基于卷积神经网络的图像生成方式分类方法[J]. 李巧玲,关晴骁,赵险峰. 网络与信息安全学报. 2016(09)
[8]基于事件卷积特征的新闻文本分类[J]. 夏从零,钱涛,姬东鸿. 计算机应用研究. 2017(04)
[9]基于LTS的软件构件组装行为适配研究[J]. 张驰. 小型微型计算机系统. 2016(05)
[10]基于SSH与EXTJS框架的计量服务平台设计与实现[J]. 贺建峰,曹守军,杜珂珂,张俊,胡杨升,张昊,宝媛媛,任俊香. 哈尔滨理工大学学报. 2016(01)
本文编号:2997274
【文章来源】:中北大学山西省
【文章页数】:68 页
【学位级别】:硕士
【部分图文】:
四个标志性阶段以下进行具体阐述,在1968年,北大西洋公约组织的软件工程会议在德国Garmish举行,软件复用的概念由DoughMcilroy的论文“MassProduceSoftwareComponents”中
图 2.1 信息科学分类方法图灵活性以及多视角多描述的特点,因此构件库中类;传统的信息科学分类方法虽然在构件分类中择过于依赖现有的受控词汇表以及不受控词汇表表,从而使构件检索的查全率以及查准率下降。卷积神经网络的构件分类模型,对构件进行分率下降的问题。的构件分类模型分析络的兴起,促进了自然语言研究问题的深入发展足当前的需求,而且随着研究学者利用深度学习取得了不错的成绩,加快了在自然语言处理的,本文采用卷积神经网络来处理构件分类的问题
自动学习任务计算的权重值的滤波器,最后汇总计算结果,该网络就是模仿人脑感知视自动提取以及识别。图像识别方面大放异彩,在该领域成为研理中的文本分类以及要素识别等方面取得了网络的构件分类模型,来分类构件,以达到提络的构件分类算法神经网络结构模型,如图 2.2 所示,分别由滤波器以及可加偏置中将输入数据进行卷积行局部特征映射图的提取,然后在池化层中操作,把每张特征图的典型特征提取出来,量。
【参考文献】:
期刊论文
[1]基于卷积神经网络的道路检测方法[J]. 朱振文,周莉,刘建,陈杰. 计算机工程与设计. 2017(08)
[2]基于卷积神经网络的fMRI数据分类方法[J]. 张兆晨,冀俊忠. 模式识别与人工智能. 2017(06)
[3]基于卷积神经网络的鲜茶叶智能分选系统研究[J]. 高震宇,王安,刘勇,张龙,夏营威. 农业机械学报. 2017(07)
[4]卷积神经网络在脑脊液图像分类上的应用[J]. 龚震霆,陈光喜,曹建收. 计算机工程与设计. 2017(04)
[5]一种基于规则的软件体系结构层性能演化优化方法[J]. 倪友聪,叶鹏,杜欣,陈明,肖如良. 电子学报. 2016(11)
[6]基于Petri网的软件动态演化的一致性分析[J]. 谢仲文,明利,林英,秦江龙,莫启,李彤. 计算机科学. 2016(11)
[7]基于卷积神经网络的图像生成方式分类方法[J]. 李巧玲,关晴骁,赵险峰. 网络与信息安全学报. 2016(09)
[8]基于事件卷积特征的新闻文本分类[J]. 夏从零,钱涛,姬东鸿. 计算机应用研究. 2017(04)
[9]基于LTS的软件构件组装行为适配研究[J]. 张驰. 小型微型计算机系统. 2016(05)
[10]基于SSH与EXTJS框架的计量服务平台设计与实现[J]. 贺建峰,曹守军,杜珂珂,张俊,胡杨升,张昊,宝媛媛,任俊香. 哈尔滨理工大学学报. 2016(01)
本文编号:2997274
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2997274.html