Frame精化:基于Frame的软件开发与逐步精化的融合

来源 :计算机研究与发展 | 被引量 : 0次 | 上传用户:zxd19811219
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
基于Frame的软件开发和逐步精化是用于实现系统化软件开发(例如软件产品线)的两种范型.然而这两种方法基于不同的假设而独立发展,它们之间的联系还未得到完全认识.为了弥补这一缺失,使得能够在一个统一的软件开发过程中发挥这两者的优势,探讨了它们之间的联系、融合的必要性以及在融和过程中出现的有趣的问题,像可换合成策略和不同范型指令的融合等.为了支持这一观点,在frames的设计中集成了逐步精化技术,并设计开发了Frame++.它构建在XVCL之上,利用AHEAD(XAK)来支持frames精化.在frames中
其他文献
身体传感器网络(bodysensornetwork,BSN)是实时监护病人生理特征的一种新型网络,压缩传感(compressedsensing,CS)是一种全新的信号采集、编解码理论.面对CS理论用于基于BSN的心电信号
近年来,闪存正被越来越广泛地应用到各种各样的存储系统当中.同时,闪存技术的革新促使单个设备存储容量剧增,这导致了基于固态硬盘的阵列(RAIS)系统中单设备失效的修复时间急
遥感图像去噪是图像处理领域的热门研究课题.伴随着采集设备改进和技术提升,同一场景下的多帧图像的融合去噪已经成为可能.然而海量遥感图像去噪在单机上暴露出处理速度慢、并发性差等问题,利用云计算平台进行海量数据的存储和处理是大势所趋.为保护外包计算的遥感图像的安全性,提出了一种针对多帧遥感图像的安全外包融合去噪方案.方案利用Paillier加密算法的密文加法同态性和Johnson-Lindenstrau
利用功能磁共振成像(functional magnetic resonance imaging,fMRI)技术解读思维数据,已经实现大脑活动的功能定位,但是大脑的思维过程具体如何运行还不得而知;利用何种分析方
针对基于查询表的Dyna优化算法在大规模状态空间中收敛速度慢、环境模型难以表征以及对变化环境的学习滞后性等问题,提出一种新的基于近似模型表示的启发式Dyna优化算法(a heuristic Dyna optimization algorithm using approximate model representation,HDyna-AMR),其利用线性函数近似逼近Q值函数,采用梯度下降方法求解最