42、从面向对象到面向目标:安全注入系统需求分析

从面向对象到面向目标:安全注入系统需求分析

1. 目标导向概述

目标是系统要达成的声明性意图表述。这里的“系统”涵盖待开发软件及其运行环境。目标通过规定性断言来表述,涉及功能或非功能属性,从高层次的“安全的核电站”到低层次的“当块开关开启且压力低于‘允许’值时,安全注入被覆盖”等。

系统组件包含扮演特定角色的人员、设备和软件。需求是由单个软件组件负责实现的目标,期望则是由单个环境组件负责实现的目标。

对目标进行建模和推理在高保证系统中尤为重要,因为部分系统目标对应着特定应用的安全、安保、容错和生存性属性,需高保证地实现。目标模型可捕捉与其他系统目标的正负交互并妥善管理;能识别可能阻碍关键目标实现的环境异常条件并解决,以生成更健壮的需求;还能精确指定目标并逐步细化为可证明保证高层次目标的操作软件规范。需求实际上如同程序实现设计规范一样“实现”目标。

为说明在高保证系统不同抽象层次上对目标进行显式建模和推理的相关性与益处,我们以安全注入控制系统为例,运用一套全面的面向目标技术来构建和分析其需求。该案例虽规模较小,但源于实际应用,涵盖高保证系统常见问题,常被用于阐释其他方法。

2. 面向目标的需求工程实践:安全注入系统需求细化

我们采用 KAOS 方法(即“保持所有目标满足”),从系统底层目标逐步推导安全注入软件的操作需求。具体步骤如下:
1. 目标细化图构建 :从系统初步描述中识别相关目标,通常通过在自然语言陈述中查找意图关键词,并对这些陈述提出“为什么”和“如何”的问题。
2. 对象建模 :从目标规范中推导概念类、属性和关联

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值