局部行为模型的合并研究

来源 :浙江师范大学 | 被引量 : 0次 | 上传用户:xingchen1023
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
软件工程中的需求分析是指通过对要解决的问题的分析与理解,为问题涉及的信息、功能及系统行为建立模型,将用户需求精确化、完全化,最终形成需求规约说明。而用于需求分析的形式化方法是以严格的数学理论为基础,用数学的方法来帮助需求分析人员解决目标系统系统“做什么”的问题。模态迁移系统是一种基于状态机的形式化建模方法,普遍应用于对系统行为的形式规约。该方法通常假定在某种层次上,已经完整描述目标系统的行为。尽管这一假设对已经完全探知其属性的命题来说是有效的,但在系统行为建模的初期是不能满足需求的,系统需求的捕获过程中需求信息是逐步完善的。为获取目标系统更正确完整的需求规约,本文通过扩展模态迁移系统,定义了局部模态迁移系统来更精确的描述目标系统的局部行为。局部模态迁移系统对用户需求描述中的必然行为、不确定行为和禁止行为,都给出了相应的形式规约说明。在局部模态迁移系统中未描述的行为被认为超出了特定用户关注的范围,是与之无关的未定义行为。为消除局部行为模型中存在的不确定行为,获取目标系统的全局行为模型,文中提出了一种基于事件和状态的局部行为模型合并方法。该方法首先定义了模型之间的精化关系,利用精化关系比较谁是目标系统更“确定的”的模型,这也就为确定什么样的模型是我们期望的合并模型提供了依据。由于我们通常希望合并模型不增加额外的需求信息,因此其合并过程就是构建初始模型的最小共同精化(或极小共同精化)的过程。通过文中定义的+u操作符和+1操作符可以分别确定合并模型的上界与最大下界。建模者可以选择性的对最大下界进一步精化获得预期的极小共同精化。通过对目标系统所有局部行为模型的合并,以及在合并过程中不断的与相关用户交互,可以精化模型中存在的不确定行为,逐步捕获目标系统的所有必然行为。最终的全局行为模型应该只包含有必然迁移和禁止迁移,这样也就得到了我们所期望的初始模型的实现:局部标号迁移系统模型。
其他文献
秘密共享是保护信息和数据的重要手段,它主要用于保护重要信息和数据,以防止重要信息的丢失、毁坏和篡改。秘密共享已经成为密码学研究的一个重要分支,同时也是信息安全方向
关联规则是数据挖掘研究的重要内容之一,从概念上来说,基于某些约束条件挖掘关联规则的方法能减少挖掘过程中的计算量,减小挖掘结果的规模并使其更具针对性,因而具有重要的现实意
在传统Web1.0应用程序中,每个Web站点相互隔离,用户访问Web站点仅能得到来自本站点的信息。在新的Web2.0潮流之下,我们希望打破网站之间的隔离状态进行数据融合使之能够共享信息
文本分类是信息检索与数据挖掘领域的研究热点与核心技术,在网页分类、新闻出版的栏目分类、个性化新闻、垃圾邮件过滤、SNS用户分类、微博用户分类等方面有着非常重要的应用
“数字化虚拟人”研究是当前国内外的热点问题之一,它结合人体形态学、生物学和物理学等信息,通过大量的计算处理,从而实现在计算机上重现的数字化虚拟人体,是进行真实人体进行实
随着计算机信息技术和企业信息化的迅速发展,企业为满足业务发展、信息存储、数据共享等需求,分别建立起了内部纷繁复杂的、异构的多个信息系统,从而导致企业内部存在大量的“信
图像分解是图像处理中的基本问题,即将图像中不同组成部分通过分解算法分解开来,从而提取所需要的图像信息。早期的图像分解处理技术主要是基于变分偏微分方程和对偶方法等对
实现服务等级目标(service level objective,简称SLO)的精确保障可以有效避免SLO保障中的资源过量供给问题,从而为性能优化提供了更多可用的资源;而性能优化必须以SLO为约束条件
随着计算机和互联网技术的高速发展,多媒体数据已经成为了当前计算机处理的主要数据之一。但由于多媒体数据所包含的信息量很大,当前的多媒体检索算法无法很好地对多媒体数据
Ad Hoc网络也称无线自组网,是由一组带有无线收发装置的移动终端组成的多跳临时性自治系统。由于Ad Hoc网络中节点的移动性、资源短缺、无中心性以及主机功能与路由器功能集