面向碎片化建模的相似度量方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110135102A(43)申请公布日2019.08.16(21)申请号201910439071.4(22)申请日2019.05.24(71)申请人哈尔滨工业大学地址150001黑龙江省哈尔滨市南岗区西大直街92号(72)发明人林琳刘杰郭丰钟诗胜(74)专利代理机构哈尔滨市松花江专利商标事务所23109代理人刘冰(51)Int.Cl.G06F17/50(2006.01)权利要求书3页说明书7页附图5页(54)发明名称面向碎片化建模的相似度量方法(57)摘要面向碎片化建模的相似度量方法，属于系统工程建模领域。现有的建模人员的工作负担重，建模效率低的问题。一种面向碎片化建模的相似度量方法，计算模型库中碎片化拓扑图模型的相似度；按照模型库中碎片化拓扑图模型存储顺序选取大于相似度阈值的两个碎片化拓扑图模型进行融合，并将得到的融合图保留，将形成该融合图的两个碎片化拓扑图模型删除；循环执行上述步骤，直到将模型库中相似的碎片化拓扑图模型融合得到一个完整的模型或相对完整的模型。本发明能够减轻建模人员的负担，提高建模效率，而且更加容易地获得针对同一目标的，完整性、兼容性和创新性都较高的全模型。CN110135102ACN110135102A权利要求书1/3页1.一种面向碎片化建模的相似度量方法，其特征在于：所述方法包括以下步骤：步骤一、按照模型库中碎片化拓扑图模型存储顺序，计算模型库中相邻两个碎片化拓扑图模型的相似度；步骤二、判断两个碎片化拓扑图模型之间的相似度的值是否大于相似度阈值；若是，则认为两个碎片化拓扑图模型是相似的，用于执行步骤三的融合过程；若否，则认为两个碎片化拓扑图模型不相似，不能用于执行步骤三的融合过程，继续选取其他碎片化拓扑图模型；步骤三、将大于相似度阈值的两个碎片化拓扑图模型进行融合，并将得到的融合图保留，将形成该融合图的两个碎片化拓扑图模型删除；步骤四、循环执行步骤一至三的步骤，直到将模型库中相似的碎片化拓扑图模型融合得到一个完整的模型或相对完整的模型；其中，若设计人员已经设计了完整的碎片化拓扑图模型，则得到完整的模型，若设计人员仅设计了部分碎片化拓扑图模型，则得到相对完整的模型。2.根据权利要求1所述的面向碎片化建模的相似度量方法，其特征在于：所述的步骤一中碎片化拓扑图模型的逻辑结构包括两种基本的核心模型、在其中一种核心模型基础上进行的边缘扩展得到的碎片化拓扑图模型、在其中一种核心模型的基础上进行内部扩展得到的碎片化拓扑图模型；其中，两种基本的核心模型是指由不同建模人员设计的两种基本的核心模型。3.根据权利要求2所述的面向碎片化建模的相似度量方法，其特征在于：所述的步骤一中计算模型库中碎片化拓扑图模型的相似度的过程为，步骤一一、将MBSE碎片化拓扑图模型中的顶点通过现有的语义相似度手段，将其转化为类似图论中有向图的形式，在图同构中以路径之间的映射替代传统的边之间的映射，开发基于路径相似的最大扩展公共连通子图方法，MBSE为基于模型驱动的系统工程，具体为：定义一个有向图D，有向图D为一个三元组<V,E,W>，其中，a)、V是一个非空的有限集合，表示有向图D的顶点集，V中的元素称为节点vi，用V(D)表示有向图D的节点集，节点元素vi∈V(D)，i＝1,2,…,l；|V(D)|为有向图D的节点数，表示有向图的阶；b)、E是卡氏积V×V的多重子图，表示有向图D的边集，E中的元素称为有向边ei，简称边；用E(D)表示有向图D的边集，有向边元素ei∈E(D)，i＝1,2,…,l；|E(D)|为有向图D的边数；c)、W是节点所带权重的集合，对于节点vi所对应的权重值称为W中的元素uW；其中，表示任意给定的V中的一个元素vi，权重元素uW为节点vi所对应的权重值；由W(D)表示有向图D的所有节点权重集；步骤一二、设有向图D中节点和有向边的交替序列为Γ＝v0e1v1e2…elvl，若vi-1是有向边ei的始点，vi是有向边ei的终点，i＝1,2,…k…,l，vk互不相同，k＝1,2,…,l，则称Γ为顶点v0到vl的路径，v0和vl分别称为此路径的起点和终点；在一个有向图D中，若从顶点v0到vl存在路径，则称v0可达vl，记为v0→vl；略去D中各有向边的方向后，对vl∈V(D)，v0→vl，则称D是弱连通图，简称连通图；步骤一三、若{G1,G2}满足如下条件，称{G1,G2}为有向图D1＝<V1,E1,W1>和有向图D2＝＜2CN110135102A权利要求书2/3页V2,E2,W2＞的扩展公共子图：1)G1和G2分别是有向图D1和有向图D2的子图，即2)对任意边(v1,k,v1,k+1)∈E1(G1)，存在两个顶点v1,k-1,v1,k+2∈V1(G1)∩V