构件化软件演化信息建模和获取方法研究

来源 :计算机应用研究 | 被引量 : 7次 | 上传用户:yuanli1988
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
为了清晰、全面地获取构件化软件的演化历史信息,通常需要提供演化信息表示和建模的有效手段。分析了构件化软件演化信息获取所需解决的若干问题,提出了在软件构件模型基础上,增加建模元素以表示软件演化信息的方法;通过结合软件配置管理系统,实现对构件化软件变化过程的追踪和管理。基于该方法和相应的系统支持,可以为实施软件重构和后期开发提供指导。
其他文献
针对柔性作业车间调度问题,对生物地理学优化算法中的迁移操作和突变操作进行改进,提出一种改进的生物地理学优化算法。在算法初始阶段采用混合初始化的方法,提高初始种群质量;对迁移操作和突变操作采用不同选择方法,提高算法全局搜索能力,加快收敛速度。通过编程仿真对柔性作业车间调度问题标准测试算例进行运算,并与其他文献中的计算结果进行比较,验证了该算法是可行和有效的,也可用于其他车间调度问题中。
针对传统的基于滑动窗口的数据流聚类算法存在的算法执行效率低、聚类质量较差等缺点,提出了一种基于混合差分进化的滑动窗口数据流聚类算法。该算法将数据流聚类过程分为两个部分:在线的时序窗口数据信息微簇特征向量生成和离线阶段的聚类优化。对在线生成的微簇进行微簇集合的更新与维护,利用改进的粒子群算法对离线的微簇数据信息进行适应度值的计算,将种群分为优势子种群和普通子种群,然后利用个体适应度值和平均适应度值的
在机器视觉检测中,图像光照不均匀现象会增加后续处理的难度,因此需要对其进行有效的阈值分割。算法通过窗口分割提取原图的背景灰度图后,结合局部对比度调整系数,对图像进行背景均匀化处理,然后进行全局阈值分割。实验对具有典型光照问题的高分辨率线纹尺图像处理效果良好,平均时间在0.5 s以内。通过与其他几种算法的对比,证明了本算法处理效果最佳,所耗时间满足实时性,为目标的进一步测量工作奠定了良好的基础。
引入多尺度熵方法对路由协议和网络流量复杂度之间的关系进行研究和分析。以经典路由协议AODV及其改进协议AODV-FABL和AODV-CM路由协议引起的网络流量为研究对象,定量分析了其在不同时间尺度下的复杂度。分析结果验证了这些路由协议在小时间尺度下网络流量复杂度高且波动较大,在大时间尺度下网络流量复杂度低且具有长程相关性。指出并分析了这些路由协议的网络流量复杂度与网络拓扑变化速度之间的关系。
肾脏医学图像是辅助医生诊断肾脏疾病的重要资料,其中肾皮质的厚度与体积是判断肾脏健康状况的重要指标。将肾皮质从背景中分割出来有助于计算肾皮质体积,进而极大地方便医生观察。由于肾皮质形状复杂,与输尿管、血管、肾盂等区域区分度低,因而容易发生误判,对其准确分割的难度较大。而且目前大多数研究是针对肾脏整体进行分割的,单独对肾皮质分割的还较少。为实现三维的肾皮质分割,提出了一种基于区域的交互式马尔可夫随机场
对Hadoop平台的作业调度算法进行了研究,提出了支持作业类型区分的多队列调度优化算法。优化算法支持根据节点当前的负载情况分配不同类型的作业,以提高节点的资源利用率;允许作业队列的资源在闲置时被其他作业队列占用;在原作业队列需要时可以被即时回收,即回收过程支持任务抢占;采用共享队列列表和非共享队列列表的逻辑划分来防止乒乓效应。Hadoop平台的性能测试结果表明,优化算法相比系统默认算法在作业调度的
针对复杂环境下,基于肤色信息的Cam Shift(continuously adaptive Mean-Shift)算法跟踪运动人脸的实时性欠佳,且同一时刻只能跟踪一个人脸的问题,提出了一种适于复杂环境下多人脸目标的自动检测与实时跟踪的方法。该方法利用Ada Boost(adaptive boosting)算法进行背景消除,提取可能包含活动人脸的区域进行人脸验证,采用多线程的Cam Shift算法
结合故障定位技术,提出了一种基于变异的程序故障自动化修复方法,并采用该方法阐释了C程序表达式故障的变异修复机制,研制了C程序故障自动化修复辅助工具。通过对实际故障系统案例的分析,证明了方法的有效性。
针对供需网的一个典型节点,研究随机需求情形下零售商主导的供需网契约协调问题。考虑由一个风险厌恶的零售商和一个风险厌恶的制造商构成的两层供需系统,零售商制定最优批发价
为了对蛋白质结构进行正确分类,提出了一种基于粗糙集理论的蛋白质结构分类属性筛选方法。通过多结构比对工具MAMMOTH-mult获得条件属性值,针对分辨矩阵中元素特点提出了分辨矩阵简化方法和改进的属性约简方法。实验以SCOP 1.71数据库中结构信息完整的35个家族数据集为研究对象,采用本方法得到%STRCTCORE和%LOOSECORE两个蛋白质分类属性,并通过两个属性的d1a0fa1与35个蛋白