【摘 要】
:
技术的发展方向由人类的需求决定。观察编程语言以及各种专用语言的发展历史可以发现语言的设计都朝着更加“自然”的方向发展。从人理解计算机到计算机理解人,这是必然的发
论文部分内容阅读
技术的发展方向由人类的需求决定。观察编程语言以及各种专用语言的发展历史可以发现语言的设计都朝着更加“自然”的方向发展。从人理解计算机到计算机理解人,这是必然的发展趋势。随着各式的应用系统迅速发展,业务需求不断的快速变化,新的业务层出不穷,业务复杂度不断地增大,跨系统的业务过程集成的需求也不断出现。基于上述需求,本文设计了一门自然、友好、基于中文的语言,用于以自然的语言描述方式描述用户的业务需求,完成用户指定的业务命令。本文针对特定领域场景——运维领域,提出一种面向运维过程的业务命令语言。通过收集该场景中用户常用的业务描述语句,根据业务描述语句的功能进行模块化划分与分类,提取语言的句型和关键字,从而形成相应的语法规则。对语言相关的业务操作单元进行封装,使得最终的应用系统具有良好的业务可重用性。并且将这些业务操作单元与语言的结构和关键字进行映射,形成语言的意义解释模块,进一步完成语言应用的设计。该语言相对于其他建模语言,更加贴近于自然语言,对用户更加友好。通过该语言,用户可以轻松地进行一些繁琐的业务过程构建,并且可以更加灵活的完成自己所需的业务。与此同时,该语言可以响应业务专业人员与普通用户对于业务流程不断变化的需求,进而有效地支撑企业可持续发展。
其他文献
图像分割是依据一定的相似性准则将图像分为几个有意义的、互不重叠的区域的一种图像处理办法。在同一区域内,图像的特征(如灰度、纹理、色彩)是相似的,而在不同的区域内,图像的特征则明显有所不同。阈值法因其简单实用的优点成为最常用的图像分割方法,但是它只利用了图像的灰度信息,在某些情况不能得到理想的分割结果。研究表明,同时考虑图像的灰度信息和像素间的空间相关性有助于改善分割结果,将像素之间的空间相关性引入
在计算密集型批处理任务中,有一种任务运行时间很长、且要占用大量CPU和内存资源,例如基因测序任务。对于该种类型的任务调度策略来讲,任务完成时间是衡量调度策略好坏的一个重要指标。在任务大小和数量一定时,任务完成时间越小,系统服务质量越高。设计了一种面向计算密集型批处理任务的调度系统。该系统采用一种混合改进遗传模拟退火算法(Improved Genetic Simulated Annealing,IG
主客体化学是超分子化学领域的核心内容,分子自组装是超分子化学的最终目标,现在超分子化学在这两方面的基础上均取得了快速的发展。设计和开发具有大尺寸空腔和特定功能性大
随着互联网技术的发展和开源社区的兴起,开源代码的数量急剧增加,从开源社区中发掘出有用信息需要耗费大量的时间和精力。自动摘要技术广泛地应用于文本主要内容的获取,但针对代码的相关技术研究较少。本文使用深度学习思想解决这一问题,利用卷积神经网络(Convolutional Neural Networks,CNN)模型提取代码特征,从而缓解信息爆炸带给人们的时间精力问题。本文对代码自动摘要问题进行了分析,
提到近代日本的思想一定会涉及到脱亚论。但是,在同时代“日中连带”和“亚洲只有一个”等兴亚思想多为民间人所讨论。这些思想多为早期亚洲主义的思想。亚洲主义思想在19世
图像分割作为图像处理技术中基础步骤,是能够将图像划分成具有各自特性的区域并能将感兴趣的区域提取出来的技术。图像分割结果会直接影响图像处理中的图像分析和图像理解步骤,因此,对图像分割技术的研究具有重要意义。在传统的分割算法中,大多是以单个像素为处理单元,所以分割方法计算效率低,分割效果差。因此以超像素代替像素的分割方式得到了发展,降低运算成本。本文在超像素的基础上,通过图像预分割和超像素融合两个阶段
进入了大数据时代之后,各行各业的需要处理的数据越来越多,视频数据尤甚。在视频算法出现之前,一直都是靠人工对视频数据进行处理。显然,人工对视频数据进行处理与分析需要耗
薯类作物采用机械收获时,会产生机械损伤。这些机械损伤因为收获环境复杂,薯类形状各异等限制一直没有很好的智能化检测方法。本文针对薯类的工业检测背景进行机器视觉检测的
伴随着互联网的普及,软件产品正深入人们的日常生活,对软件产品质量提出了更高的要求。如何快速开发高质量的软件正成为现代软件开发的难题,而开源软件提供了很大的便利。GitHub是目前最大的软件开源社区,许多软件项目依靠软件工程师、开发者之间的讨论决定软件未来的走向,没有固定软件过程模型的指导。软件过程模型对于指导和管理开发高质、高效的软件产品有一定的重要作用。目前,软件过程建模己经从传统人为建模的方法
目前,深度学习在计算机视觉领域的巨大成功使其成为最具影响力的研究方向之一,很多研究都对深度网络进行了改进并将其应用到各个领域.然而,对深度网络的改进主要是增加网络的