【摘 要】
：
在软件重用中,软件设计重用受到关注。UML类图被广泛应用于软件设计,UML类图的重用已经成为软件设计重用研究的重点。随着可重用的UML类图数量的不断增加,分类成为一项基础性
【机 构】
：
东北大学软件学院,沈阳工业大学化工过程自动化学院
【基金项目】
：
国家自然科学基金(61370075,61772269)。
论文部分内容阅读
在软件重用中,软件设计重用受到关注。UML类图被广泛应用于软件设计,UML类图的重用已经成为软件设计重用研究的重点。随着可重用的UML类图数量的不断增加,分类成为一项基础性工作。一个新的基于语义的UML类图的两级分类被提出。定义了类图之间的语义相似性度量,提出了行最大值捕捉算法获取中心类图来标识每个类别特征,基于改进的KNN(K邻近)算法构建了一个新的集成分类器E-KNN(ExtensibleKNN)。从分类质量和效率上验证了所构建分类器的有效性。
其他文献
为了直观地了解人工智能领域发展现状及研究前沿,剖析国内外研究存在的异同点,助力国内人工智能研究。以Web of Science数据库和CNKI数据库的2008—2019年期刊论文为依据,借
为进一步降低基本飞蛾火焰算法陷入局部最优的概率并提高种群多样性,提出一种融合学习策略和邻域搜索的飞蛾火焰算法。将拟反向学习策略嵌入到火焰更新过程,有助于火焰从局部
针对经典循环卷积神经网络(RCNN)在池化层采用的最大池化策略较为单一,会忽略除最突出特征外的其他特征,影响分类精度的问题,提出基于多头注意力池化的循环卷积神经网络(MHAP
针对基本樽海鞘群算法收敛速度慢、收敛精度低、易陷入局部最优的缺点,提出了一种融合黄金正弦混合变异的自适应樽海鞘群算法AGHSSA(Adaptive Salp Swarm Algorithm with Gol
异常检测是数据挖掘中的一个重要研究方向,当前大多数基于密度的异常检测算法常常基于样本分布假设,敏感于近邻参数k并且缺乏对集体异常点的检测能力。针对这些问题,提出了一
动态目标检测与目标跟踪是图像领域的热点研究问题,为研究其在移动机器人领域的应用价值,设计了六足机器人动态目标检测与跟踪系统。针对非刚体运动目标容易被检测为多个分散
针对极深神经网络图像超分辨率重建过程中,存在图像特征提取少、信息利用率低,平等处理高、低频信息通道的问题,提出了残差卷积注意网络的图像超分辨率重建算法。构造多尺度残差注意块,最大限度地提高网络提取到多尺寸特征信息,引入通道注意力机制,增强高频信息通道的表征能力。引入卷积注意块的特征提取结构,减少高频图像细节信息的丢失。在网络的重建层,引入全局跳远连接结构,进一步丰富重建的高分辨率图像信息的流动。实
为了使灰度图像的细节更加突出、可视性增强,提出一种基于离散余弦变换与分位数算法结合的图像增强方法。通过离散余弦变换提取出图像的低频分量,图像高频分量保持不变。对低频分量进行分位数的细分,使参与增强过程低频分量的增强级别具有选择性,再分别对这些子直方图进行直方图均衡化,使图像对比度增强。将处理后的低频分量与未处理的高频分量进行逆变换,得到增强后的图像。选取蒙古族家具纹样,与传统的自适应直方图均衡化算
针对大规模多AGV路径规划的应用场景,为解决多个AGV在路径规划时因抢占节点,导致该节点负载过高,造成局部拥塞,致使整个系统的运行效率降低的问题。提出了一种结合节点负载情
钢轨表面缺陷检测是铁路日常检测的重要部分,根据现代铁路自动化检测技术对实时检测和适应性的要求,构建了一个完整的钢轨表面缺陷识别和分析系统。根据机器视觉的基本原理,设计了一种带有LED辅助光源和遮光箱的图像采集装置,并将采集到的图像进行人工标注,建立了一个较为庞大的具有语义分割标注的钢轨表面缺陷数据集;将高级语义分割技术应用于钢轨图像分析,利用一种级联自编码结构(CASAE)的语义分割网络,将缺陷图