發(fā)布時(shí)間：2021-01-24 12:48

　　軟件行業(yè)興起至今,已經(jīng)完成了單工作業(yè)到工程作業(yè)的轉(zhuǎn)變,伴隨而來的“軟件危機(jī)”是軟件工程最關(guān)鍵的問題,而遺留系統(tǒng)是最難解決的問題,針對(duì)這一關(guān)鍵問題,本文分別從面向過程與面向?qū)ο蟮能浖こ淘O(shè)計(jì)思想進(jìn)行對(duì)比分析,最后衍射出面向構(gòu)件的軟件工程思想,構(gòu)件是高級(jí)軟件工程的基礎(chǔ),是未來的冉冉新星,構(gòu)件技術(shù)的興起,來源于軟件復(fù)用的工程理念,產(chǎn)生這一理念的根源是遺留系統(tǒng)的處理問題。構(gòu)件相比于對(duì)象與過程是一種更大的格局,是從更高的角度來處理軟件,也更適合軟件工程中的工程思想,采用基于構(gòu)件的軟件復(fù)用技術(shù)有助于緩解“軟件危機(jī)”,對(duì)軟件工程未來的發(fā)展具有更深遠(yuǎn)的意義。而構(gòu)件技術(shù)是軟件復(fù)用的核心技術(shù),構(gòu)件可以小到函數(shù)、類、對(duì)象等,也可以大到完整的軟件系統(tǒng)。軟件復(fù)用包括一整套體系的理論框架以及技術(shù)難點(diǎn),本文分別對(duì)軟件復(fù)用技術(shù)中的軟件構(gòu)件組裝技術(shù)、軟件構(gòu)件分類技術(shù)以及動(dòng)態(tài)演化技術(shù)三個(gè)方面進(jìn)行深入研究,在研究的過程中提出三個(gè)創(chuàng)新點(diǎn),來提高軟件復(fù)用過程的效率:（1）針對(duì)構(gòu)件組裝技術(shù)的研究,采用適配器技術(shù)特性,將其類比為構(gòu)件間的膠水,從構(gòu)件組裝的角度,利用適配器來組裝構(gòu)件的模型,并在實(shí)際的項(xiàng)目中應(yīng)用該模型,通過實(shí)際項(xiàng)目的開... 

【文章來源】：中北大學(xué)山西省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

四個(gè)標(biāo)志性階段以下進(jìn)行具體闡述，在1968年，北大西洋公約組織的軟件工程會(huì)議在德國(guó)Garmish舉行，軟件復(fù)用的概念由DoughMcilroy的論文“MassProduceSoftwareComponents”中

圖 2.1 信息科學(xué)分類方法圖靈活性以及多視角多描述的特點(diǎn)，因此構(gòu)件庫(kù)中類；傳統(tǒng)的信息科學(xué)分類方法雖然在構(gòu)件分類中擇過于依賴現(xiàn)有的受控詞匯表以及不受控詞匯表表，從而使構(gòu)件檢索的查全率以及查準(zhǔn)率下降。卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)件分類模型，對(duì)構(gòu)件進(jìn)行分率下降的問題。的構(gòu)件分類模型分析絡(luò)的興起，促進(jìn)了自然語言研究問題的深入發(fā)展足當(dāng)前的需求，而且隨著研究學(xué)者利用深度學(xué)習(xí)取得了不錯(cuò)的成績(jī)，加快了在自然語言處理的，本文采用卷積神經(jīng)網(wǎng)絡(luò)來處理構(gòu)件分類的問題

自動(dòng)學(xué)習(xí)任務(wù)計(jì)算的權(quán)重值的濾波器，最后匯總計(jì)算結(jié)果，該網(wǎng)絡(luò)就是模仿人腦感知視自動(dòng)提取以及識(shí)別。圖像識(shí)別方面大放異彩，在該領(lǐng)域成為研理中的文本分類以及要素識(shí)別等方面取得了網(wǎng)絡(luò)的構(gòu)件分類模型，來分類構(gòu)件，以達(dá)到提絡(luò)的構(gòu)件分類算法神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，如圖 2.2 所示，分別由濾波器以及可加偏置中將輸入數(shù)據(jù)進(jìn)行卷積行局部特征映射圖的提取，然后在池化層中操作，把每張?zhí)卣鲌D的典型特征提取出來，量。

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的道路檢測(cè)方法[J]. 朱振文,周莉,劉建,陳杰.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(08)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的fMRI數(shù)據(jù)分類方法[J]. 張兆晨,冀俊忠.  模式識(shí)別與人工智能. 2017(06)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的鮮茶葉智能分選系統(tǒng)研究[J]. 高震宇,王安,劉勇,張龍,夏營(yíng)威.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(07)
[4]卷積神經(jīng)網(wǎng)絡(luò)在腦脊液圖像分類上的應(yīng)用[J]. 龔震霆,陳光喜,曹建收.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(04)
[5]一種基于規(guī)則的軟件體系結(jié)構(gòu)層性能演化優(yōu)化方法[J]. 倪友聰,葉鵬,杜欣,陳明,肖如良.  電子學(xué)報(bào). 2016(11)
[6]基于Petri網(wǎng)的軟件動(dòng)態(tài)演化的一致性分析[J]. 謝仲文,明利,林英,秦江龍,莫啟,李彤.  計(jì)算機(jī)科學(xué). 2016(11)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像生成方式分類方法[J]. 李巧玲,關(guān)晴驍,趙險(xiǎn)峰.  網(wǎng)絡(luò)與信息安全學(xué)報(bào). 2016(09)
[8]基于事件卷積特征的新聞文本分類[J]. 夏從零,錢濤,姬東鴻.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[9]基于LTS的軟件構(gòu)件組裝行為適配研究[J]. 張馳.  小型微型計(jì)算機(jī)系統(tǒng). 2016(05)
[10]基于SSH與EXTJS框架的計(jì)量服務(wù)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J]. 賀建峰,曹守軍,杜珂珂,張俊,胡楊升,張昊,寶媛媛,任俊香.  哈爾濱理工大學(xué)學(xué)報(bào). 2016(01)



本文編號(hào)：2997274