本文關(guān)鍵詞： 二元相似度測量 二元特征 測量組合 軟件模塊化　出處：《Frontiers of Information Technology & Electronic Engineering》2017年08期 　論文類型：期刊論文

【摘要】：目的:各種各樣的二元相似度測量在聚類方法中被用來確定數(shù)據(jù)中的相似實體的同類組。這些相似度測量大多數(shù)僅基于特征的存在或缺失。二元相似度測量在軟件模塊化中亦能與不同的聚類方法一起用于提高軟件系統(tǒng)的可理解性與可管理性。每種相似度測量都有其優(yōu)勢與不足,分別能使聚類結(jié)果優(yōu)化或惡化。創(chuàng)新點:本文強調(diào)了軟件模塊化中一些已有的著名的二元相似度測量的優(yōu)勢。此外,基于這些已有的相似度測量,新提出了幾種改進(jìn)的相似度測量。方法:首先,介紹了一些軟件模塊化中已有的著名的二元相似度測量的優(yōu)勢。接著,提出了幾種改進(jìn)的新的相似度測量。結(jié)合具體例子,說明這些新方法整合了JCJNM和RR這幾種已有的二元相似度測量的優(yōu)勢。最后,通過實驗比較新方法與已有方法的結(jié)果,驗證所提新方法的有效性。結(jié)論:實驗結(jié)果表明相較于已有的相似度測量,本文所提出的新的二元相似度測量結(jié)果的可信度更高。這些新方法能減少任意決策的數(shù)量,增加聚類過程中聚類的數(shù)量。盡管這些新方法僅基于數(shù)據(jù)的二元特征向量表達(dá),它們能被用來測試任何編程語言編寫的軟件系統(tǒng)。
[Abstract]:Objective:. A variety of binary similarity measurements are used in clustering methods to identify similar groups of similar entities in data. Most of these similarity measurements are based on the presence or absence of features. Binary similarity measurements are used in software modules. It can also be used to improve the understandability and manageability of software system together with different clustering methods. Each similarity measurement has its own advantages and disadvantages. Innovation: this paper emphasizes the advantages of some well-known binary similarity measurements in software modularization. In addition, based on these existing similarity measurements. Several improved similarity measurement methods are proposed. Firstly, the advantages of some well-known binary similarity measurements in software modularization are introduced. Several new improved similarity measurements are proposed. Combined with specific examples, these new methods integrate the advantages of JCJNM and RR binary similarity measurement. Finally. The effectiveness of the proposed method is verified by comparing the results of the new method with the existing methods. Conclusion: the experimental results show that compared with the existing similarity measurement. The new binary similarity measurement results proposed in this paper are more reliable. These new methods can reduce the number of arbitrary decisions. Although these new methods are based on binary eigenvector representation of data, they can be used to test software systems written in any programming language.
【作者單位】： Faculty
【基金】：supported by the Office of Research,Innovation,Commercialization and Consultancy(ORICC) Universiti Tun Hussein Onn Malaysia(UTHM),Malaysia(No.U063)
【分類號】：TP311.5
【正文快照】： 1 Introduction Clustering is an approach that makes clusters of similar entities in the data.Entities in a cluster are similar to each other(based on characteristics or features)while they are distinct from entities in other clusters.In the software dom

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭煒冬;;試卷相似度自動評估技術(shù)的研究[J];智能計算機(jī)與應(yīng)用;2011年06期

2 趙濤;肖建;;二型模糊相似度及其應(yīng)用[J];計算機(jī)工程與應(yīng)用;2013年08期

3 徐志明;李棟;劉挺;李生;王剛;袁樹侖;;微博用戶的相似性度量及其應(yīng)用[J];計算機(jī)學(xué)報;2014年01期

4 李桂林,陳曉云;關(guān)于聚類分析中相似度的討論[J];計算機(jī)工程與應(yīng)用;2004年31期

5 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(自然科學(xué)版);2006年04期

6 蔣鵬;;基于本體的應(yīng)急案例相似度算法研究[J];南昌高專學(xué)報;2009年03期

7 何亞;;詞語相似度算法的分析與改進(jìn)[J];硅谷;2011年24期

8 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

9 焦鵬;唐見兵;查亞兵;;仿真可信度評估中相似度方法的改進(jìn)及其應(yīng)用[J];系統(tǒng)仿真學(xué)報;2007年12期

10 姜毅;樂慶玲;;一種基于興趣相似度的學(xué)習(xí)社區(qū)算法[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年16期

相關(guān)會議論文 前10條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國計算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

2 陸勁挺;路強;劉曉平;;對比相似度計算方法及其在功能樹擴(kuò)展中的應(yīng)用[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

4 劉曉平;陸勁挺;;任意功能樹的物元相似度求解方法[A];全國第21屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

5 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

6 洪文學(xué);王金甲;常鳳香;宋佳霖;劉文遠(yuǎn);王立強;;基于圖形特征增強的相似度分類器的研究[A];中國生物醫(yī)學(xué)工程進(jìn)展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（上冊）[C];2007年

7 雷慶;吳揚揚;;一種基于語義信息計算XML文檔相似度的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

8 葉正;林鴻飛;楊志豪;;基于問句相似度的中文FAQ問答系統(tǒng)研究[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

9 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

10 王健;劉衍珩;焦玉;;VANETs信任傳播建模[A];中國通信學(xué)會通信軟件技術(shù)委員會2009年學(xué)術(shù)會議論文集[C];2009年

相關(guān)重要報紙文章 前1條

1 王伽　衛(wèi)江;出入境證件照片應(yīng)及時更換[N];中國國門時報;2008年

相關(guān)博士學(xué)位論文 前10條

1 操震洲;矢量數(shù)據(jù)動態(tài)多尺度網(wǎng)絡(luò)傳輸研究[D];南京大學(xué);2015年

2 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 劉振宇;基于區(qū)域相似度和特征降維的極化SAR影像分類[D];武漢大學(xué);2013年

4 曹，

本文編號：1475608