基于時(shí)態(tài)邏輯的UML交互模型檢測(cè)研究
發(fā)布時(shí)間:2021-09-03 21:59
該文詳細(xì)介紹了統(tǒng)一建模語(yǔ)言和模型檢測(cè)技術(shù),在此基礎(chǔ)上,該文研究了基于交互自動(dòng)機(jī)和時(shí)態(tài)邏輯的UML交互模型性質(zhì)檢測(cè)方法,提出了模型檢測(cè)所需的Marking算法。該算法通過對(duì)交互自動(dòng)機(jī)全部狀態(tài)的遍歷,檢測(cè)各狀態(tài)的時(shí)態(tài)邏輯公式(CTL公式)的真值,以判斷用戶設(shè)計(jì)的UML交互模型是否符合計(jì)算機(jī)軟件系統(tǒng)應(yīng)滿足的性質(zhì)及規(guī)范。
【文章來(lái)源】:電腦知識(shí)與技術(shù). 2008,4(34)
【文章頁(yè)數(shù)】:3 頁(yè)
【部分圖文】:
。過繼承 UML::定義即可知道息序列。 在一
測(cè)試了算法的隨記錄的增加時(shí)間的變化(時(shí)間復(fù)雜性),將測(cè)試數(shù)據(jù)庫(kù)的元組數(shù)從 1000 開始,逐漸遞增到 5000。 兩算法的時(shí)間復(fù)雜性數(shù)據(jù)曲線如圖 1 所示,從圖中礦業(yè)發(fā)現(xiàn),兩個(gè)算法的時(shí)間復(fù)雜性均較好, 不過隨數(shù)據(jù)庫(kù)規(guī)模的增大, 針對(duì) FP 算法的改進(jìn)OLAP 結(jié)構(gòu)算法在執(zhí)行時(shí)間更為迅速, 而且在時(shí)間的增長(zhǎng)上更為平緩一些,所以本論文提出的改進(jìn)算法是可行的。5 結(jié)語(yǔ)該文中首先對(duì)數(shù)據(jù)倉(cāng)庫(kù)、OLAP、 相關(guān)規(guī)則的挖掘進(jìn)行了總體的介紹,其次全面討論了 OLAP 相關(guān)規(guī)則挖掘的結(jié)構(gòu),最后討論了基于 FP 算法改進(jìn)
【參考文獻(xiàn)】:
期刊論文
[1]基于B語(yǔ)言的UML形式化方法[J]. 周欣,魏生民. 計(jì)算機(jī)工程. 2004(12)
[2]基于TCOZ的UML用例圖的形式化模型[J]. 許維新,虞慧群. 華東理工大學(xué)學(xué)報(bào). 2004(01)
本文編號(hào):3381934
【文章來(lái)源】:電腦知識(shí)與技術(shù). 2008,4(34)
【文章頁(yè)數(shù)】:3 頁(yè)
【部分圖文】:
。過繼承 UML::定義即可知道息序列。 在一
測(cè)試了算法的隨記錄的增加時(shí)間的變化(時(shí)間復(fù)雜性),將測(cè)試數(shù)據(jù)庫(kù)的元組數(shù)從 1000 開始,逐漸遞增到 5000。 兩算法的時(shí)間復(fù)雜性數(shù)據(jù)曲線如圖 1 所示,從圖中礦業(yè)發(fā)現(xiàn),兩個(gè)算法的時(shí)間復(fù)雜性均較好, 不過隨數(shù)據(jù)庫(kù)規(guī)模的增大, 針對(duì) FP 算法的改進(jìn)OLAP 結(jié)構(gòu)算法在執(zhí)行時(shí)間更為迅速, 而且在時(shí)間的增長(zhǎng)上更為平緩一些,所以本論文提出的改進(jìn)算法是可行的。5 結(jié)語(yǔ)該文中首先對(duì)數(shù)據(jù)倉(cāng)庫(kù)、OLAP、 相關(guān)規(guī)則的挖掘進(jìn)行了總體的介紹,其次全面討論了 OLAP 相關(guān)規(guī)則挖掘的結(jié)構(gòu),最后討論了基于 FP 算法改進(jìn)
【參考文獻(xiàn)】:
期刊論文
[1]基于B語(yǔ)言的UML形式化方法[J]. 周欣,魏生民. 計(jì)算機(jī)工程. 2004(12)
[2]基于TCOZ的UML用例圖的形式化模型[J]. 許維新,虞慧群. 華東理工大學(xué)學(xué)報(bào). 2004(01)
本文編號(hào):3381934
本文鏈接:http://www.sikaile.net/shekelunwen/ljx/3381934.html
最近更新
教材專著