面向组装的语义构件模型及系统原型

来源 :浙江大学 | 被引量 : 0次 | 上传用户:wanderooy
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
随着信息技术的不断发展,软件复用和软件构件化越来越受到业界的广泛关注。当前的构件技术还是存在许多需要进一步改善的地方,譬如传统的构件描述与检索方式,由于缺乏丰富的构件语义信息描述,用户难以精确检索到与需求匹配的构件资源,无法满足网络计算的移动特性,很难进行构件的自动组装和验证,不能很好地实现资源共享和复用的目的。针对以上的问题,当前正被重视的本体(Ontology)技术可以发挥重要的作用。本文在传统构件的基础上引入本体,提出了语义构件的概念,并围绕语义构件进行了研究。首先,本文将本体引入构件描述,面向语义构件的自动组装和验证,并结合语义构件开发的特点提出了一种语义构件模型。该模型针对语义构件开发过程中五个不同的阶段,通过五个不同的视图对语义构件进行了全面的描述。本文着重对其中与构件组装密切相关的行为模型和交互模型进行了讨论。其次,在语义构件模型的基础上建立了构件本体模型OWL-C,明确和统一了描述构件需要的知识和概念。本文完整的定义了构件的上层本体,并建立了行为本体和和交互本体模型,为基于语义的自动组装和验证提供了可参考模型。第三,在以上研究的基础上提出了语义构件的描述语言SCDL,为语义构件的描述提供了方法。SCDL具有强大的知识表达能力和良好的可扩展性,能够很好的帮助机器理解和分析语义构件。本文对SCDL的语言特性和扩展能力做了详细的介绍。最后介绍了语义构件的管理和组装原型系统。
其他文献
聚类分析是把数据对象或规则划分成若干个子集的过程,每个子集代表了一个簇,其目标是使得簇中的对象彼此的相似,而与其他簇中的对象尽可能的不相似,聚类分析已经广泛地应用到
医学图像分割算法的研究是医学图像处理永恒的话题,是一个多学科交叉的研究领域,它涉及数字图像处理、计算机图形学以及医学领域的相关知识。在诊断医学、手术规划及模拟仿真
动态目标检测与跟踪是智能监控系统的重要组成部分,它融合了图像处理、模式识别、自动控制及计算机应用等相关领域的先进技术和研究成果,是计算机视觉和图像编码研究领域的一个
随着网络的飞速发展,互联网上信息资源的数量急剧增加,为了从海量的数据中挖掘出有用信息,搜索引擎作为网络信息检索的主要工具迅速产生并发展起来。然而,任何一个搜索引擎都
随着Internet的发展,网上的信息量在飞速的增长。同时,信息的内容也逐渐多样化,各式各样的内容涌现到网民面前,其中不免有些不良和不安全信息的存在。如何有效的从众多的信息
支持向量机(SVM)是建立在统计学习理论(SLT)的VC维理论和结构风险最小原理基础上的一种新的通用学习方法,它根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以
随着数码照相机、计算机、平板、智能手机等设备的全面普及,在我们的日常生活和工作中常常与大量的多媒体影像、图像打交道,时常需要对其进行抠图处理,人们对于抠图方式的简
蛋白质的生物功能是由它们的空间折叠结构决定的,理解蛋白质的折叠过程是生物信息学领域中极具挑战性的问题之一。近年来,许多研究者从事蛋白质简化模型的研究,这些模型基于
本文对基于旋转平台的物体表面三维重建方法进行了研究。我们的测量装置由一个旋转平台和一台固定的摄像机组成,物体可随旋转平台旋转运动,摄像机固定不动。对该系统进行研究,具
入侵检测作为一种积极主动的安全防护技术,它不仅能检测未经授权的对象对系统的入侵,而且也能监视授权对象对系统资源的非法使用。随着因特网应用的日益普及,基于网络的入侵