10、UML 上层结构:语言定义与图表详解

UML 上层结构:语言定义与图表详解

1. UML 系统的主要视图

UML 为所有系统提供了两种主要视图:结构(Structure)和行为(Behavior)。行为视图还可进一步细分为功能(functional)和动态(dynamic)两种不同视图。将功能分离出来,是为了将其与用例和业务流程相连接。在不同的上下文环境中,我们会使用结构/行为(Structure/Behavior)或者结构/功能/动态(Structure/Function/Dynamics)视图。

2. 基于结构和行为轴的 13 种 UML 图分类

为了对抽象概念进行结构化处理,UML 将它们分为两个类别:结构和行为。具体的 UML 图分类如下:

2.1 结构视图

  • 类图(Class Diagrams) :展示静态模型元素,如类、接口、实例、包及其关系。在数据库开发中,类可替代传统实体 - 关系图中的实体;在实时系统中,可将对象的公共属性归纳为实时类。
  • 对象图(Object Diagrams) :显示特定上下文中对象及其之间的消息流。在实时系统中,可绘制不同的对象图来描述对象协作的各种场景。
  • 组件图(Component Diagrams) :描述构成系统的组件、其公共接口及其关系。组件是一组相连的对象,整个结构可执行高级任务。在 UML 2 中,组件的使用已扩展到抽象组件。
  • 包图(Package Diagrams) :主要用于将复杂的描
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分,聚或者物品之间的有趣关联. 机器学习分 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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