中文摘要 | 第1-6页 |
英文摘要 | 第6-12页 |
第一章 绪论 | 第12-25页 |
1.1 课题背景和意义 | 第12-13页 |
1.2 需求工程中的不确定性 | 第13-16页 |
1.3 演化是软件开发中的重要特性 | 第16-19页 |
1.4 国内外的研究现状 | 第19-22页 |
1.5 课题来源及本文研究目标 | 第22-24页 |
1.6 本文的组织 | 第24-25页 |
第二章 泛逻辑学研究基础 | 第25-41页 |
2.1 泛逻辑学的研究内容 | 第25-26页 |
2.2 广义相关系数 | 第26-31页 |
2.2.1 广义自相关系数 | 第27-29页 |
2.2.2 广义相关系数 | 第29-31页 |
2.3 命题泛逻辑运算模型 | 第31-41页 |
2.3.1 泛逻辑运算的生成基 | 第31-32页 |
2.3.2 泛非运算 | 第32-33页 |
2.3.3 泛与/或运算 | 第33-35页 |
2.3.4 泛蕴涵运算 | 第35-36页 |
2.3.5 泛等价运算 | 第36-37页 |
2.3.6 泛组合运算 | 第37-41页 |
第三章 模糊需求间的折衷关系 | 第41-62页 |
3.1 不一致的需求模糊性 | 第41-42页 |
3.2 泛平均算子 | 第42-50页 |
3.2.1 加权平均算子公理集 | 第42-43页 |
3.2.2 生成函数和参数化的平均算子簇 | 第43-46页 |
3.2.3 平均算子与其它算子的关系 | 第46-48页 |
3.2.4 泛平均算子的性质和物理意义 | 第48-50页 |
3.3 一个模糊非单调推理系统 | 第50-52页 |
3.4 模糊不一致需求的识别和平均算子的选择 | 第52-60页 |
3.4.1 模糊需求的形式化表示 | 第53-54页 |
3.4.2 模糊不一致需求关系的识别 | 第54-57页 |
3.4.3 泛平均算子的选择 | 第57-60页 |
3.5 需求工程中的模糊性讨论 | 第60-62页 |
第四章 需求的动态不一致性 | 第62-91页 |
4.1 泛逻辑和缺省推理 | 第62-66页 |
4.1.1 模糊测度之间的广义相关性 | 第62页 |
4.1.2 模糊测度和缺省推理 | 第62-66页 |
4.2 演化是未来软件开发面临的主要问题 | 第66-68页 |
4.3 形式化系统和它的上下文 | 第68-69页 |
4.4 变化的缺省理论 | 第69-81页 |
4.4.1 缺省逻辑的一般形式和性质 | 第70-72页 |
4.4.2 分层思想 | 第72-74页 |
4.4.3 动态算子和信念变化理论 | 第74-77页 |
4.4.4 约束集合的部分满足 | 第77-79页 |
4.4.5 变化的缺省理论 | 第79-81页 |
4.5 演化的需求规格 | 第81-88页 |
4.5.1 动态需求规格 | 第81-85页 |
4.5.2 如何选择行为和需求模型 | 第85-86页 |
4.5.3 模糊性的考虑和动态需求的策略 | 第86-87页 |
4.5.4 例:会议就餐时间调度 | 第87-88页 |
4.6 动态对外商业服务业务示例 | 第88-90页 |
4.6.1 形式化规格 | 第89-90页 |
4.6.2 规格的不一致识别和处理 | 第90页 |
4.7 需求工程中的不一致性 | 第90-91页 |
第五章 缺省规则的发现 | 第91-104页 |
5.1 需求工程中的缺省规则 | 第91页 |
5.2 广义相似关系及其相应性质 | 第91-95页 |
5.2.1 基于广义相似关系的广义粗近似 | 第92-95页 |
5.3 一种考虑模糊性的广义相似关系 | 第95-98页 |
5.3.1 基本概念 | 第95页 |
5.3.2 T相似关系及相应的划分 | 第95-97页 |
5.3.3 基于T范的广义粗近似和包含度 | 第97-98页 |
5.4 使用广义相似关系挖掘缺省规则 | 第98-101页 |
5.4.1 缺省规则的抽取 | 第98-101页 |
5.5 示例 | 第101-103页 |
5.6 小结 | 第103-104页 |
第六章 非全息环境下领域间的映射 | 第104-118页 |
6.1 需求工程的领域性 | 第104页 |
6.2 环境间的映射知识 | 第104-110页 |
6.2.1 背景知识的获取方式 | 第105-106页 |
6.2.2 需求工程中领域知识的使用 | 第106-110页 |
6.2.2.1 领域间结构的映射 | 第106-107页 |
6.2.2.2 领域理论的概念和模型 | 第107-110页 |
6.2.2.3 映射和规格重用 | 第110页 |
6.3 背景知识对问题的约束作用 | 第110-115页 |
6.3.1 第一类不确定信息的处理 | 第111-115页 |
6.3.1.1 带有空值的数据库 | 第112页 |
6.3.1.2 根据环境映射知识形成具体的背景知识 | 第112-113页 |
6.3.1.3 基于背景知识生成广义数据库 | 第113-114页 |
6.3.1.4 利用广义粗集理论度量不精确信息 | 第114-115页 |
6.4 辅助需求获取 | 第115-117页 |
6.4.1 第一类不确定信息的处理 | 第115-117页 |
6.4.2 第一类不确定信息的处理 | 第117页 |
6.5 小结 | 第117-118页 |
第七章 面向对象的演化需求 | 第118-129页 |
7.1 模糊对象的表示 | 第118-123页 |
7.1.1 模糊类中的概念 | 第119-120页 |
7.1.2 隶属概念的形式化表示 | 第120-123页 |
7.2 演化条件下的不一致 | 第123-127页 |
7.2.1 模糊需求的不一致 | 第123-125页 |
7.2.2 处理演化不一致的过程 | 第125页 |
7.2.3 电梯控制示例 | 第125-127页 |
7.3 需求工程中的面向对象分析 | 第127-128页 |
7.4 小结 | 第128-129页 |
第八章 本题的总结和展望 | 第129-132页 |
8.1 本文的创新之处及研究成果 | 第129-130页 |
8.2 进一步的研究工作 | 第130-132页 |
致谢 | 第132-133页 |
参考文献 | 第133-143页 |
攻读博士学位期间发表的文章和参加的科研活动 | 第143页 |