基于Eclipse智能代码生成框架的研究

Eclipse是一个基于Java的可扩展开发平台,它本身是由一个框架和一组服务组成,用于通过插件组件的形式构建开发环境。富客户端平台RCP是位于Eclipse平台核心的功能,它可以视为基于OSGi构建插件系统的最佳实践指导,同时可重用Eclipse中已存在的方法和编码模式。图形化的模型框架GMF是一个Eclipse建模项目的子项目,其目标是为Eclipse建模框架EMF和图形化编辑框架GEF提供一个统一的桥梁,从而为代码工具的生成奠定了良好的基础。而EMF是Eclipse MDA的一个重要组成部分,通过它可以将模型转换成高效正确和易于定制的Java代码。在此结合Eclipse平台、RCP工程及GMF、EMF等相关技术,研究分析了智能代码生成框架的设计过程。     

基于Eclipse属性编辑工具的研究

Eclipse基于Java提供了一个可扩展开发平台,允许软件以插件的形式在其上运行,由Eclipse来提供统一的、美观的图形界面。而Eclipse RCP是使用Eclipse结构风格设计弹性的可扩展的应用程序,可重用Eclipse中已存在的方法和编码模式。GEF是一个图形化编辑框架,它允许开发人员以图形化的方式展示和编辑模型。这里采用了Eclipse RCP和GEF的相关技术,结合RCP中的插件技术和GEF中提供的图形编辑工具及请求、命令、策略等技术实现了属性编辑工具。     

基于特征分层选择和融合度相结合的近红外光谱多类识别度量算法研究

针对高维空间下获取最优特征子集异常复杂和模型识别准确率较低的问题,提出了基于特征分层选择和融合度相结合的近红外光谱多类识别度量算法。首先引入跳跃度,构造了一种特征分层方法,将所有特征依据对样本的重要性程度划分不同的特征子集,从而避免了从原始特征数据逐个剔除无关特征构建特征子集的繁琐过程;同时又改进了样本的融合度,将其代替K最近邻分类器(KNN)中依据概率进行类别判断的方式,提高了分类器的识别精度,较好地解决了多类识别准确率较低的问题。为验证该算法的有效性,选取五类具有代表性382个烟叶样品为实验对象,构建了烟叶产地识别度量模型,并选取64个样本进行了模型测试,以预测均方根误差(RMSEP)、交互验证均方差(RMSECV)和相关系数(r)作为模型稳健性的评价指标,以产地识别准确率作为算法优劣评价标准。仿真实验结果表明,利用该算法构建的模型具有较低的RMSEP(0.117),RMSECV(0.106)和较高的r(0.973),平均识别准确率达到98.44%,性能明显优于其他算法,该算法对于高维光谱数据具有良好的识别性能。     

基于GEF的业务模式图形编辑器的设计与实现

业务模式是根据客户需求而制定的一些规则和方法。改变传统手工编织代码来实现这些规则和方法,通过设计业务模式图形编辑器将这些规则和方法图形化使得项目开发效率更高。GEF提供了标准程序结构和组件框架,缩短了开发时间并提供了一致性的外观模型,GEF也提供了标准的开发框架,为图形编辑器的设计提供了基础组件,并进一步研究运用了框架中的命令设计模式,可以很容易地实现撤消/重做等功能。在此基于Eclipse平台和GEF架构设计和实现业务模式图形编辑器,提高开发效率和软件的可维护性。