28、UML中的实时对象统一设计方法

UML中的实时对象统一设计方法

1. 贸易展关系建模

在大型贸易展的场景中,可能会同时在多个地点举办。这里涉及到贸易展(TradeShow)、参与者(Participant)、地点(Location)以及时间范围(FromTo_Date)等要素。最初的例子展示了一个四元关系的错误使用,经过第一步修正为三元关系,然后在第二步将三元关联转换为两个二元关联。

1.1 关系示例

  • 参与者参加贸易展,从特定日期开始到特定日期结束,在特定地点。
  • 贸易展在特定日期范围内举办,有参与者参加,在特定地点。

2. 对象/组件层次结构中的聚合/组合

2.1 聚合与组合的区别

聚合和继承是对象范式中最重要的特征之一,但也常常带来问题。在UML中,聚合和组合是有区别的。聚合被认为是部分与整体之间的松散耦合形式,而组合是高度耦合形式。具体区别如下表所示:
| 特征 | 聚合 | 组合 |
| — | — | — |
| 目的 | 为了方便分类或简化描述而对部分进行分组 | 定义整体的组件,强调整体的细节,抑制部分的细节 |
| 新兴属性和功能 | 无 | 有不同程度的新兴属性和功能 |
| 个体属性和功能 | 可见 | 不可见 |
| 生命周期约束 | 无 | 有松散耦合的生命周期约束 |
| 操作传播 | 无 | 有操作传播(从整体到部分、从部分到整体或混合方案) |

2.2 聚合/组合的特点

  • 二元关联 :只有二元关联可以
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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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