基于遗传算法的刻面权重构件检索方法的实现

提出了一种改进的基于遗传算法的刻面权重自学习构件检索模型(CRMFWS),采用基于刻面权重自学习的遗传算法来动态地改变刻面权重以提高查准率;采用基于构件采样的风险最小化算法来解决训练数据不充分问题。实验结果表明该算法是可行的,能够大幅度提高构件的检索效率。

基于刻面权重的构件检索方法的研究

介绍刻面分类模式的相关概念,引入刻面权重的定义,并对基于刻面描述的构件检索模型进行改进。改进后的模型可以有效地提高检索的查全率与查准率,尤其是在对大规模构件库进行查询的时候。实验结果证明了该改进的可行性与有效性。

基于模糊聚类的构件检索方法

在构件的检索过程中,由于用户对于构件的描述形式或者机制不是很理解,因此很难把自己的需求以专业的术语或者表达形式表示出来,从而影响了检索的效率。引入了刻面权重的定义,将用户的需求有效的具象化,并提出了基于模糊聚类分析的构件检索方法,利用一定的聚类准则将构件库里的构件集合划分为不同的类别,降低构件检索的规模,提高构件检索的效率,同时具有较好的查全率和查准率。实验结果证明了该方法的可行性与有效性。