增强可靠自适应系统的上下文规范：数据挖掘方法

背景:自适应系统有望通过实现其目标的多种策略以及将策略与实际环境匹配的逻辑来满足各种操作环境。在设计时对相关背景的预测对于可靠性是至关重要的。随着当前使用数据挖掘来支持需求工程过程的趋势,在设计时理解自适应系统的上下文的任务也可以从这些技术中受益。目标:目标是提供一种方法来改进上下文变量的规范及其与可靠性策略的关系。这种改进应检测这些变量之间的依赖关系,监控它们的优先级,并决定它们在决策树中选择正确策略的相关性。方法:除了感知信息的操作值之外,我们的需求驱动方法还采用上下文目标建模结构,以将上下文映射到系统的行为。我们提出了一种设计时分析过程,该过程使用数据挖掘算法的子集来提取相关上下文及其相关变量,任务和/或目标的列表。结果:我们通过实验评估了我们关于身体传感器网络系统(BSN)的建议,模拟了12个资源,这些资源可能导致4096种可能的背景条件的可变性空间。我们的方法能够引出微妙的背景,这将严重影响为辅助患者提供的服务和上下文之间的关系,协助他们的需求决策和监控的优先级。结论:使用一些数据挖掘技术可以减少缺乏对上下文的精确定义及其与系统可靠性策略的关系。我们的方法是实用的,并且支持传统的需求规范方法,这些方法通常需要强烈的人为干预。

基于人工智能的智慧档案馆建设研究

一、人工智能与档案馆概述(一)人工智能的概念人工智能简称为“AI”,隶属于计算机科学领域,指的是研发应用于“模拟、拓展人类智能”的技术科学。人工智能旨在掌握智能实质并且研发出近似于人类智能反应的智能机器,主要包含着机器人、深度学习、自然语言处理、专家系统等方面。