CN113239637B - 一种计算机软件视图的可视软件建模方法 - Google Patents
一种计算机软件视图的可视软件建模方法 Download PDFInfo
- Publication number
- CN113239637B CN113239637B CN202110705482.0A CN202110705482A CN113239637B CN 113239637 B CN113239637 B CN 113239637B CN 202110705482 A CN202110705482 A CN 202110705482A CN 113239637 B CN113239637 B CN 113239637B
- Authority
- CN
- China
- Prior art keywords
- model
- visual
- software
- visual software
- computer software
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及软件工程领域,并具体公开了涉及一种计算机软件视图的可视软件建模方法,包括如下步骤:S1、构建计算机软件视图各特征参数与可视软件建模脚本之间的关联关系;S2、实现待建模的计算机软件视图内载特征参数的识别,并获取各特征参数的详细信息;S3、基于特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集;S4、基于特征参数的详细信息实现可视软件建模脚本的排序和微调,得目标可视软件建模脚本;S5、运行所述目标可视软件建模脚本实现可视软件模型的搭建。本发明基于计算机软件视图特征的识别,实现了可视软件模型搭建脚本的自主构建、驱动,从而实现了目标可视软件模型的自主构建。
Description
技术领域
本发明涉及软件工程领域,具体涉及一种计算机软件视图的可视软件建模方法。
背景技术
在信息技术高度发达的今天,软件对人类的生活和发展起着越来越重要的作用。随着软件系统越来越复杂,面向对象的方法暴露出越来越多的不足,模型驱动方法成为人们追求的理想软件设计方法。模型驱动的软件方法的核心 思想是:开发者专注于构造软件模型,将知识表达为软件模型,软件模型转化为计算机可运行的程序的代码工作交给计算机自动完成。模型驱动的理念虽然早就提出,最近二十年的努力之下,模型驱动方法在业界还基本上存在于理念和口号与探索层面,实际应用还是采用面向对象方法。模型驱动发展缓慢的根本原因是缺乏一个能够支持简单有效地构造软件模型的方法。
发明内容
为解决上述问题,本发明提供了一种计算机软件视图的可视软件建模方法,基于计算机软件视图特征的识别,实现了可视软件模型搭建脚本的自主构建、驱动,从而实现了目标可视软件模型的自主构建。
为实现上述目的,本发明采取的技术方案为:
一种计算机软件视图的可视软件建模方法,包括如下步骤:
S1、构建计算机软件视图各特征参数与可视软件建模脚本之间的关联关系;
S2、实现待建模的计算机软件视图内载特征参数的识别,并获取各特征参数的详细信息;
S3、基于特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集;
S4、基于特征参数的详细信息实现可视软件建模脚本的排序和微调,得目标可视软件建模脚本;
S5、运行所述目标可视软件建模脚本实现可视软件模型的搭建。
进一步地,还包括:构建计算机软件视图特征参数识别模型的步骤;具体的,首先构建计算机软件特征参数集,然后基于计算机软件特征参数集构建计算机软件视图特征参数识别模型。
进一步地,所述步骤S2中,基于计算机软件视图特征参数识别模型实现待建模的计算机软件视图内载特征参数的识别,基于数据挖掘模型获取各特征参数的详细信息。
进一步地,所述步骤S3中,基于Bi-LSTM+Attention模型根据特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集。
进一步地,所述步骤S4中,基于历史可视软件模型搭建流程实现可视软件建模脚本的排序,然后根据各特征参数的详细信息实现对应的可视软件建模脚本的微调。
进一步地,还包括获取所述可视软件模型中各模型节点,并为每一个模型节点配置一虚拟作动模块和一虚拟参数模块的步骤,基于虚拟作动模块实现模型节点参数在范围内的改变,从而实现可视软件模型的调整,虚拟参数模块用于实现每一次调整后,各模型节点对应的参数。
本发明具有以下有益效果:基于计算机软件视图特征的识别,计算机软件视图各特征参数与可视软件建模脚本之间的关联关系的构建,实现了可视软件模型搭建脚本的自主构建、驱动,从而实现了目标可视软件模型的自主构建;且可以实现可视软件模型的快速调整。
附图说明
图1为本发明实施例1一种计算机软件视图的可视软件建模方法的流程图。
图2为本发明实施例2一种计算机软件视图的可视软件建模方法的流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
实施例1
一种计算机软件视图的可视软件建模方法,包括如下步骤:
S1、构建计算机软件视图特征参数识别模型;具体的,首先构建计算机软件特征参数集,然后基于计算机软件特征参数集构建计算机软件视图特征参数识别模型;
S2、构建计算机软件视图各特征参数与可视软件建模脚本之间的关联关系;具体的,通过访问大数据平台内载的历史计算机软件视图各特征参数及其对应的可视软件建模脚本构建;
S3、实现待建模的计算机软件视图内载特征参数的识别,并获取各特征参数的详细信息;
S4、基于特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集;
S5、基于特征参数的详细信息实现可视软件建模脚本的排序和微调,得目标可视软件建模脚本;
S6、基于Hadoop运行所述目标可视软件建模脚本实现可视软件模型的搭建。
本实施例中,所述步骤S3中,基于计算机软件视图特征参数识别模型实现待建模的计算机软件视图内载特征参数的识别,基于数据挖掘模型获取各特征参数的详细信息。所述计算机软件视图特征参数识别模型优选Inception V4深度神经网络模型或InceptionV3深度神经网络模型。所述数据挖掘模型优选无限深度神经网络模型。
本实施例中,所述步骤S4中,基于Bi-LSTM+Attention模型根据特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集。
本实施例中,所述步骤S5中,基于历史可视软件模型搭建流程实现可视软件建模脚本的排序,然后根据各特征参数的详细信息实现对应的可视软件建模脚本的微调。
实施例2
一种计算机软件视图的可视软件建模方法,包括如下步骤:
S1、构建计算机软件视图特征参数识别模型;具体的,首先构建计算机软件特征参数集,然后基于计算机软件特征参数集构建计算机软件视图特征参数识别模型;
S2、构建计算机软件视图各特征参数与可视软件建模脚本之间的关联关系;
S3、实现待建模的计算机软件视图内载特征参数的识别,并获取各特征参数的详细信息;
S4、基于特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集;
S5、基于特征参数的详细信息实现可视软件建模脚本的排序和微调,得目标可视软件建模脚本;
S6、基于Hadoop运行所述目标可视软件建模脚本实现可视软件模型的搭建。
S7、获取所述可视软件模型中各模型节点,并为每一个模型节点配置一虚拟作动模块和一虚拟参数模块;基于虚拟作动模块实现模型节点参数在范围内的改变,从而实现可视软件模型的调整,虚拟参数模块用于实现每一次调整后,各模型节点对应的参数。
本实施例中,所述步骤S3中,基于计算机软件视图特征参数识别模型实现待建模的计算机软件视图内载特征参数的识别,基于数据挖掘模型获取各特征参数的详细信息。所述计算机软件视图特征参数识别模型优选Inception V4深度神经网络模型或InceptionV3深度神经网络模型。所述数据挖掘模型优选无限深度神经网络模型。
本实施例中,所述步骤S4中,基于Bi-LSTM+Attention模型根据特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集。
本实施例中,所述步骤S5中,基于历史可视软件模型搭建流程实现可视软件建模脚本的排序,然后根据各特征参数的详细信息实现对应的可视软件建模脚本的微调。
本实施例中,所述步骤S7中,虚拟作动模块用于驱动模型节点参数变化,与可视软件模型中的各元素建立关系后,可以在指定的范围内对模型节点参数进行变动,从而可以驱动仿真分析方法针对不同的参数进行计算求解;虚拟传感器,为在可视软件模型插入的可以直接获取当前各模型节点对应的参数的逻辑单元。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (2)
1.一种计算机软件视图的可视软件建模方法,其特征在于:包括如下步骤:
S1、构建计算机软件视图各特征参数与可视软件建模脚本之间的关联关系;
S2、实现待建模的计算机软件视图内载特征参数的识别,并获取各特征参数的详细信息;
S3、基于特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集;
S4、基于特征参数的详细信息实现可视软件建模脚本的排序和微调,得目标可视软件建模脚本;基于历史可视软件模型搭建流程实现可视软件建模脚本的排序,然后根据各特征参数的详细信息实现对应的可视软件建模脚本的微调;
S5、运行所述目标可视软件建模脚本实现可视软件模型的搭建;
还包括获取所述可视软件模型中各模型节点,并为每一个模型节点配置一虚拟作动模块和一虚拟参数模块的步骤,基于虚拟作动模块实现模型节点参数在范围内的改变,从而实现可视软件模型的调整,虚拟参数模块用于显示每一次调整后,各模型节点对应的参数;
构建计算机软件视图特征参数识别模型的步骤;具体的,首先构建计算机软件特征参数集,然后基于计算机软件特征参数集构建计算机软件视图特征参数识别模型;
基于计算机软件视图特征参数识别模型实现待建模的计算机软件视图内载特征参数的识别,基于数据挖掘模型获取各特征参数的详细信息;
所述虚拟作动模块用于驱动模型节点参数变化,与可视软件模型中的各元素建立关系后,可以在指定的范围内对模型节点参数进行变动,从而可以驱动仿真分析方法针对不同的参数进行计算求解;
虚拟传感器,为在可视软件模型插入的可以直接获取当前各模型节点对应的参数的逻辑单元。
2.如权利要求1所述的一种计算机软件视图的可视软件建模方法,其特征在于:所述步骤S3中,基于Bi-LSTM+Attention模型根据特征参数的识别结果调用对应的可视软件建模脚本,构建可视软件建模脚本集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110705482.0A CN113239637B (zh) | 2021-06-24 | 2021-06-24 | 一种计算机软件视图的可视软件建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110705482.0A CN113239637B (zh) | 2021-06-24 | 2021-06-24 | 一种计算机软件视图的可视软件建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239637A CN113239637A (zh) | 2021-08-10 |
CN113239637B true CN113239637B (zh) | 2023-07-14 |
Family
ID=77140676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110705482.0A Active CN113239637B (zh) | 2021-06-24 | 2021-06-24 | 一种计算机软件视图的可视软件建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239637B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275708A (zh) * | 2019-06-06 | 2019-09-24 | 江西理工大学 | 一种计算机软件视图的可视软件建模方法 |
CN111563302A (zh) * | 2020-05-14 | 2020-08-21 | 中北大学 | 一种结构可靠性优化设计系统 |
CN112346752A (zh) * | 2020-12-03 | 2021-02-09 | 江苏云坤信息科技有限公司 | 基于jenkins和K3S的软件环境快速部署方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GR1005481B (el) * | 2005-07-28 | 2007-04-02 | Συστημα και μεθοδος για την εκπονηση και διαχειριση μελετων εφαρμογης για την οπλιση κτιριακων εργων. | |
KR101470319B1 (ko) * | 2008-02-15 | 2014-12-08 | 삼성전자주식회사 | 컴포넌트 모델 기반의 가상 소프트웨어 플랫폼을 생성하는방법, 이를 이용하여 소프트웨어 플랫폼 아키텍처를검증하는 방법 및 그 장치 |
-
2021
- 2021-06-24 CN CN202110705482.0A patent/CN113239637B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110275708A (zh) * | 2019-06-06 | 2019-09-24 | 江西理工大学 | 一种计算机软件视图的可视软件建模方法 |
CN111563302A (zh) * | 2020-05-14 | 2020-08-21 | 中北大学 | 一种结构可靠性优化设计系统 |
CN112346752A (zh) * | 2020-12-03 | 2021-02-09 | 江苏云坤信息科技有限公司 | 基于jenkins和K3S的软件环境快速部署方法 |
Non-Patent Citations (3)
Title |
---|
Parametric scripting for early design performance simulation;Julien Nembrini 等;《ELSEVIER》;20141231;全文 * |
动力学参数化可视化仿真软件研究与设计;杨新民等;《电子测量技术》;20161215(第12期);全文 * |
面向机械产品可视优化设计的参数化建模;孙伟等;《东北大学学报(自然科学版)》;20091115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113239637A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107632987B (zh) | 一种对话生成方法及装置 | |
CN111144561B (zh) | 一种神经网络模型确定方法及装置 | |
CN108614865B (zh) | 基于深度强化学习的个性化学习推荐方法 | |
CN111190600B (zh) | 基于gru注意力模型的前端代码自动生成的方法及系统 | |
CN108920510A (zh) | 自动聊天方法、装置和电子设备 | |
US20230084055A1 (en) | Method for generating federated learning model | |
CN107315889A (zh) | 仿真引擎的性能测试方法及存储介质 | |
CN109344969B (zh) | 神经网络系统及其训练方法以及计算机可读介质 | |
CN112015896B (zh) | 基于人工智能的情感分类方法、以及装置 | |
CN107526682A (zh) | 测试机器人的ai行为树的生成方法、装置及设备 | |
CN113392197A (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN112925926A (zh) | 多媒体推荐模型的训练方法、装置、服务器以及存储介质 | |
CN114820279A (zh) | 基于多gpu的分布式深度学习方法、装置及电子设备 | |
CN116956116A (zh) | 文本的处理方法和装置、存储介质及电子设备 | |
CN113239637B (zh) | 一种计算机软件视图的可视软件建模方法 | |
CN113194493B (zh) | 基于图神经网络的无线网络数据缺失属性恢复方法及装置 | |
CN113885845A (zh) | 深度学习编译器的计算图的生成方法、系统、设备及介质 | |
CN109740302B (zh) | 一种神经网络的仿真方法和装置 | |
CN110486009B (zh) | 一种无限大地层的参数自动反求方法及系统 | |
CN114023313B (zh) | 语音处理模型的训练、语音处理方法、装置、设备及介质 | |
CN114048301B (zh) | 一种基于满意度的用户模拟方法及系统 | |
CN110175769B (zh) | 一种基于微服务架构的资产价值评价方法、装置及系统 | |
CN114626833A (zh) | 一种施工标准工艺监管方法、装置、设备及介质 | |
CN114790885A (zh) | 抽油机井产量计量方法及装置 | |
CN112184592A (zh) | 一种图像修复方法、装置、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |