基于用例的需求获取的研究与应用

来源 :西北大学 | 被引量 : 0次 | 上传用户:philipsyin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
进入90年代以来,需求工程越来越多的受到了人们的重视。需求捕获作为需求工程中的重要部分也得到了很大的发展。用例是UML中捕获需求的技术,已随着UML广泛应用于各个领域。它借助简单的图符和自然语言描述系统与用户或外部环境的交互状况。UML中提供的仅仅是如何正确的使用用例,并没有回答如何获得用例的问题。因而,在基于UML的面向对象的软件开发过程中,用例经常被错误地构造,或过于庞大,或缺少结构化的规格描述。而且已有基于UML的CASE工具也忽略了支持构造标准化用例的过程,仅仅提供了用例模型的绘制和说明描述平台。 需求捕获过程是一个复杂问题,对于不同种类的软件很难用一个标准的过程来完成需求捕获工作,因此应该针对不同种类软件应有不同的需求捕获方法。本文就是在在原有的用例获取需求的基础上,结合实践经验提出了一种适合于信息流系统的用例构造方法—RGFF用例构造框架。本方法以参与者为中心,首先分析出参与者的责任(Responsibility),然后根据责任得到参与者的目标(Goal),接着根据目标得到输入信息(Feedin),由输入信息分析出输出信息(Feedback),最终导出系统的用例。
其他文献
文物是古代社会生产、生活、科技、艺术等诸多信息的载体,是考古学重要研究对象之一。由于自然和人为的原因,在考古挖掘现场通常出土成千上万的文物碎片,如何从碎片快速拼接出一
经过数十年的快速发展,Internet已经发展成为足以和电信网抗衡的全球性大网,而且现有IP网络正在发生着深刻的变化,逐步由单一的数据传送网络向数据、语音、图像等实时多媒体信息
粗糙集理论是八十年代初由波兰数学家Z.Pawlak提出的一个分析数据的数学理论,粒度计算是近年来新兴的一个软计算方法。本文以当前人工智能中十分活跃的研究领域——粗糙集理
Agent和多Agent系统(Multi-Agent Systems,简称MAS)正在成为人工智能研究实用化和在分布计算环境下的软件智能化的重要技术。MAS技术的研究主要集中在三个方面:Agent行为理论、
本文对网格环境下资源预约的可适应性分析以及优化进行了研究。文章首先对资源预约问题进行了详细的表述,分别建立了一个有资源预约功能和一个没有资源预约功能的应用模型,然后
随着互联网的逐渐普及和不断发展,电子政务已经成为当前政府部门完善政府管理与服务职能的重要手段。各级国税机关很多都建立了自己的网上办税网站,为纳税人提供了方便,但还存在
企业面对日益激烈的竞争环境,为了提高自身的应变能力和竞争实力,需要应用更加高效的管理系统。业务流程管理就是为适应变化的环境,以规范化的构造端到端的卓越业务流程为中心,以
互联网是一个具有虚拟的无限潜力的信息资源。然而,这种潜力只是相对地得到充分应用,因为对于机器(计算机)来说,智能地处理和整合万维网上的这类信息是困难的。近年来,研究者们提
XML正迅速取代HTML成为Web上数据表示、集成和交换的标准。与HTML相比,XML具有简单、自我描述的特点,并且实现了内容、结构和表现三者的分离,更适合于数据表示和交换。近来,XML在
计算机和网络技术的迅速发展正逐渐改变人们的工作和生活方式,网络应用已经渗入到了人们日常生活的每一个角落。网络的便利吸引了形形色色,各种层次,各种水平,各种需求的人来在网