- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
嵌入式构件中自适应机制与策略
嵌入式构件中自适应机制与策略
(电子科技大学 计算机科学与工程学院, 成都 610054)
??
摘 要:为了对嵌入式构件进行智能管理,提出了一种基于实例的学习算法。该适应算法能对经XML形式化表达过的构件进行自适应调整,从而在软件复用过程中减少人工干预。它比由自然语言描述的构件有更强的通用性、灵活性、自治性。
?す丶?词:机器学习; 扩展标记语言解析器; K近邻法; 扩展标记语言; 树匹配
?ぶ型挤掷嗪牛?TP18 文献标志码:A
文章编号:1001?B3695(2009)03?B0914?B03
??
Adaptive mechanism and strategy in embedded component
??
WAN Yunqiang, CHEN Wenyu, ZHANG Yan
??
(School of Computer Science Engineering, University of Electronic Science Technology of China, Chengdu 610054, China)
??
Abstract:The paper proposed an instancebased learning algorithm for the conducting of some intelligence management on embedded component. This selfadaptive algorithm leaded to the components reuse writing with XML with less human interfere. Components formalized by XML are more universal, flexible and autonomous than those described by nature languages.
??Key words:machine learning; XML parser; KNN; XML; tree matching
?お?
0 引言??
基于复用的软件开发可以有效地提高软件开发的质量和效率[1]。随着对软件复用的研究与深入,软件构件库作为软件复用的一项重要基础设施,已得到产业界与学术界越来越多的重视[2]。??
针对构件的复用,国内外的研究人员做了许多有益的研究工作。例如Schantz等人针对绑定所有系统行为说明到一个地方和将有关质量服务的人工管理集作为一个单个、可重复利用行为灵活地插入到应用中去,提出了将低层的抽象、规范和执行绑定成高层抽象,再加上管理层预先提供的质量服务自适应行为方法[3]。它能实现一定程度的软件复用,但它存在一个问题。其运用一些简单逻辑语言和自然语言来描述接口、适应行为、合同,与形式化语言相比,缺少通用性和不利于自动化处理。XML具有严格语法定义的形式语言,并且自定义灵活。本文首先提出一种实例学习的算法,它们的实例就是用XML形式化表达,并加上一定的模糊性,可能解决构件复用的问题。最后,从一定程度上证明其可行性和有效性。??
本项目是一个嵌入式项目的子项目,嵌入式构件与一般构件本身没有区别。但在成熟平台上,W3C是提供解析的工具,而笔者必须自己写解析器来解析XML文件给出策略。??
该解析器的设计方案就是本文的主题。它的存储方式是二叉树存储,笔者对树的层次进行了改进。??
本文给出XML简单表示,并用树来表示;给出孩子兄弟表示法存储结构,提出二叉树的构建、插入、删除和检索的基于实例学习算法。??
1 基于实例的学习[4]??
对于这类算法,学习过程只是简单地存储已知的训练数据。当遇到新的查询实例时,一系列相似的实例被从存储器中取出,并用来分类新的查询实例。??
针对不同的构件描述形式,人们已提出了许多相应的检索方法。例如Podgurski等人[5]针对构件的行为表示提出基于构件行为采样的检索;Zaremski等人[6]针对构件的形式化规格说明提出基调匹配(接口规约)和规约匹配 (功能规约)。许多研究者还提出了将神经网络[7]、模糊数学[8]、关联传动[9]等方法应用于构件的检索。??
构件的检索,本文采用两步走的方法:首先找到构件各属性所在最小公倍数子树;然后采用决策树加数理逻辑方法来检索该子树,属性匹配采用带权K近邻法来作模糊匹配。它是基于实例学习的思维来做的。??
2 XML及树性存储??
XML是W3C(World Wide Web Consortium)推荐的一种可置标语言,其设
原创力文档


文档评论(0)