构件化专家系统的研究与应用.pdf

《构件化专家系统的研究与应用.pdf》由会员分享，可在线阅读，更多相关《构件化专家系统的研究与应用.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、构件化专家系统的研究与应用 吴华瑞。张凤霞 杨宝祝 3 (北京工业大学计算机学院，北京 1 0 0 0 2 2)(聊城大学数学科学学院 山东聊城 2 5 2 0 5 9)(国家农业信息化工程技术研究 中心，北京 1 0 0 0 8 9)摘要首先 阐述 了构件化的软件技 术，提 出构件化的农业专家 系统的体 系结构，分析 了构件 问的集成 规则并研 究 了 数据挖掘 构件 和推理机构件。最后研 究 了构件组装的接 口问题厦 专家 系统构件组装的 实现方案。关键词专家 系统知识工程软构件 文章编号 1 0 0 2 8 3 3 1 一(2 0 0 6)1 2 0 2 0 9 0 3 文献标识码 A

2、中圈分类号 T P 1 8 2 Re s e a r c h a n d Ap p l i c a t i o n f o r Co mp o n e n t-b a s e d Ex p e r t S y s t e m W u Hu a r u i Zh a n g F e n g x i a Ya n g Ba o z h u 。(C o l l e g e o f C o m p u t e r S c i e n c e，B e i j i n g P o l y t e c h n i c U n i v e r s i t y，B e i j i n g 1 0 0 0 2 2

3、)(S c h o o l o f Ma t h e m a t i c s S c i e n c e，L i a o c h e n g U n i v e r s i t y，L i a o c h e n g，S h a n d o n g 2 5 2 0 5 9)(N a t i o n a l E n g i n e e ri n g R e s e a r c h C e n t e r f o r I n f o r m a t i o n T e c h n o l o g y i n A g r i c u l t u r e，B e i j i n g 1 0 0 0 8

4、 9)Ab s t r a c t：T h e a r t i c l e ma i n l y d i s c u s s e s t h e c o mp o n e n t s o f t w a r e t e c h n o l o g y a n d c o mp o n e n t a g r i c u l t u r e e x p e rt s y s t e m，a n aly z e s i n t e g r a t i o n r u l e s a mo n g t h e c o mp o n e n t s a n d r e s e a r c h e s

5、t h e c o mp o n e n t o f d a t a mi n i n g a n d t h e c o mp o n e n t o f rea s o n i n g me c h a n i s m F i n a l l y d i s c u s s e s t h e q u e s t i o n o f i n t e r f a c e o f the c o mp o n e n t c o mpo s i t i o n a n d r e s e a r c h t h e i n t e g r a t i o n p r o c e s s o f

6、 c o mp o n e n t c o mp o s i t i o n o f t h e e x p e rt s y s t e m Ke y w o r d s：e x p e rt s y s t e m。k n o w l e d g e e n n e e d n g，c o m p o n e n t 随着计算机技 术的飞速发展，软件 系统 的复杂性不断增长 和软件行业的激烈竞争迫使软件企业提高软件质量，尽可能地 缩短软件产品的开发周期软件构件化技术此时就应运而生。软件构件是指 应用 系统 中可 以明确辨识的构 成成分，包括源 代 码、需求、系统和软件 的需求规约、系统 和

7、软件 的构架、文档、测 试计划、测试案例和数据以及其他开发活动有用的信息。其目 的是彻底改变软件 生产方式 从 根本 上提高 软件生产 的效率 和 质量，提高开发大型软件系统尤其是商用 系统 的成功率。农业专家系统是一种智能化的农业信息系统，拥有高层 次、多方面农业专家知识，能模仿人类推理过程，对多种知识 和 多项成果进行综合 集成。当今信息 技术在农业领域 的广泛应 用的国际趋势，以及我们广大农民的相对落后的生产条件和农 业家的奇缺，使得我们有必要开发一个面向农业的，构件化 的农业专家系统。l 构件化的农业专家系统体 系结构 面向对象技术是在”数据+算法”的基础上提升了对事物的 认识方法 对

8、象的概念符合人们认识世界的习惯。构件技术与 面向对象的开发方法不同的是，构件推广了对象封装的内涵，侧重于复杂系统中组成部分的协调关系，强调实体在环境中的 存在形式。从广义上来说 构件有如下的几个基 本属性：(1)构件是可独立配 置的单元，因此构件必须 白包容；(2)构件强调与环境和其他 构件 的分离。因此构 件的实现 是严格封装的，外界没机会或没必要知道构件内部 的实现细节；(3)构件可以在适 当的环境中被复合使用 因此构件需要 提供 清楚 的接1：3 规范 可 以与环境交互：(4)构件不应当是持续的，即构件没有个体特有的属性，理 解为构件不应当与自身副本区别。从 以上四个属性可 以看出，构件

9、沿袭 了对象 的封装 特性，但 同时并不 局限在一个对象。其内部可 以封装一个或 多个类、原型对象甚至过程 结构是灵活的。构件突出了自包容和被包 容的特性。这就是在软件 工厂 的软件开发生产线上作为零件的 必要特征。所以说构件是一种前沿的软件设计思想。对整个软 件行业的发展有着推动作用 要 实现构件技术必须具备下列几个 条件：(1)有标准软件 体系结构。保证构件问通信协议统一。实现同步和异步操作控 制，突破本地空 间限制，充分 利用 网络环境；(2)构件 有标准接 口，保证系统可分解成多个功能独立的单元。用构件组装而成；(3)构件 独立 于编程语言；(4)构件提供版本兼 容 来实现应用 系统的

10、扩展和更新。农业专家系统软构件技术的出现是对传统农业软件开发 过程的一次新变革，它完成特定功能的对象或对象的组合，广 义上如同硬件那样。是基于面向对象的、嵌入后马上可以使用 基金项目：国家科技攻荚项 目资助项 目(编号：2 0 0 3 B A 8 0 8 A1 6)；国家 8 6 3高技术研究 发展计划资助项 目(编号：2 0 0 3 A A1 1 8 0 1 0)；上 海市科技攻关 重 大项 目(编号：0 3 d z 1 9 3 0 4)作者简介：吴华瑞(1 9 7 5 一)。男，博士生，主要研究方向为计算机软件理论和中间件技术。张凤髓(1 9 7 6 一)。女，讲师。主要研究方向为计算数学

11、、模糊 数学和专家系统。杨宝祝(1 9 6 6 一)。男。研究员。硕士生导师，主要研究方向 为农业信息技术。计算机工程与应用 2 0 0 6 1 2 2 0 9 维普资讯 http:/ 的、即插即用型的软构件概念为中心，通过构件的组合来建立 应用的技术体系。狭义上它通过构件组合，来作为农业信息应 用的开发环境和系统的工具使 用。二二 二=二=二)F=二=苄=二=：千=二=l U I 构 件lIK D D l 解 释 构 件l推 理 机 l 知 识 库l 数 据 库l L、一 一 、一 _l_ _ _ ll 图 I 农业专寒系统构件结构 示意 图 农业专家系统软构件的三个主要特征包括：第一可视化

12、方 式提供软部件 和软构件；第二组合软构件的规格 以标准方式实 现：最后由于软构件不是以源代码，而是以二进制方式提供，不 依存于以前的程序语言，可方便地处理。本文以下将讨论专家 系统 中两个重要构件：数据 挖掘 构件和推理机构件。1 1 数据挖掘构件 数据挖掘控件 的结构分为数据库 的预处理部分、数据挖掘 部分。数据库的预处理部分：(1)用户选择要进行数据挖掘的数据 库 中数据 表；(2)将表 中的字段分 别设蜀为 I F前 提项 和 T H E N 结论 项 若 T HE N结论项 的值 为非 名词型，则用户需进 一步输 入欲转为名词型所需的分隔数；(3)生成下一步所需的数据库文 件 数据字

13、典文件，启发式知识文件。数据挖掘部分：(1)基于上一步所产生的三个文件和控件属 性一最小覆盖 的记 录数、评估 函数 的最小评估值、非名词型 前 提项的间隔数、评估函数 I D的值，调用动态连接库的接口函数 进行挖掘。(2)产生中间结果输 出文件和结果文件。数据挖掘技术是数据库 中知识发现的核心，它从大量 的、不完全 的、有噪声 的、模糊 的、随机 的实际应用数据 中，提取隐 含在其中的、人们事先不知道的、但又是潜在有用的信息和知 识的过程。1 1 1 知识获取方 法 从数据库 中发掘的规则可 以有 以 下几种：特征规 则、区分 规则、聚类规则、关联规则和进化规则等。为解决知识获取的瓶 颈问题

14、 我们采用 K D D领域中的MA Q A算法和模式聚类算法 相结合 从关系数据库中挖掘关联规则的算法和实现。以便从 大量的数据库中发现人们未知的模式和规则，对专家系统的知 识库 的建立可 以起到辅 助作用2 1。在 K D D领域中最常使用的技术之一就是挖掘关联规则。所谓关联规则就是描述数据库中数据项(属性。变量)之间所存 在 的(潜在)关系的规则，可做 如下形式 化定义：令，=i ，i 1 为项 目集，D为事务数据库，其中每个事务 是一个项目子 集(”)，并具有一个唯一的标识符 I D。关联规则是形如 y的 逻辑蕴含式，其 中，y ，且 ny=。有两个 因子 与这条规则 相关：如果事务数据

15、库中的s 的事务包含义 uy，那么我们 说关联规则XY的支持度(s u p p o r t)为 S；如果事务数据库里包 含 的事务中的 C 的事务同时也包含 y 那么我们说关联规 则 XY的置信度(c o n fi d e n c e)为 C。发掘关联规则问题就是在给 定的交易集合D中产生所有满足最小支持度和最小可信度的 2 1 0 2 0 0 6 1 2计算机工程与应用 关联规则的过程，发掘关联规则问题可以分为两个子问题。(1)寻找所有这样的项的集合(I t e m s e t s)，它们的支持度超 过用户给定的最小支持度，这个项的集合称为频繁集(F r e q u e n t h e m

16、s e t)。(2)应用频繁集产生规则 一般的想法是，如果 A B C D和 AB是频繁集，那么，可以通过计算可信度c o n f=s u p p(A c D)s u p p(A B )来确定规则 A 一C D是否成立 当可信度c o n f 最小 可信度时 规则成立，其中s u p p(X)表示 的支持度。从关联规则的定义我们可以知道，发掘关联规则问题可以 被看做是在一个所有属性均为布尔类型的关系表中寻找“1()”值之间的关联，即在一个给定记录中，某个属性的值为“l”则表 示在相应的事务中包含了相应的项目，否则属性值为“0”。这种 情况称为布尔型关联规则 问题。但是，在绝 大多数商业及 科学

17、 领域 中，属性 购买型是多种多样的。当属性都 是定量型或 离散 型 则在这些属性 中发现关联规则问题就被 称为定量型关联规 则 问题 1 1 2 M A Q A算法 应于一个新的布尔型属性，再在其上使用发掘布尔型关联 规则的算法。但是如果所有的属性都是离散型或定量型属性只 取 少数 几种 值，这 种对应还 比较 直接明 了；如果 定量型属性取 值范 围很大 这种一一对 应就显得不实用，就有 必要对属性进 行划 分 再对应 到布尔型 属性上去，MA Q A(M i n i n g A s s o c i a t i o n a m o rt g Q u a n t i t a t i v e

18、A t t r i b u t e s)算法 就借 鉴 了这个 思想，采用 了 一种划分。合并方法来把定量型属性转化为布尔型属性，其算 法步骤 为：(1)用一个聚类 算法来决定定量 属性 和离散型属性 的划分 问题。(2)把定量型属性和离散型属性 的若 干区间和(一 系列)值 对应 到一系列连续整 数上 去。所有 的 对在一起构 成一个项 目集。(3)从项 目集 中发 现感兴趣的项 目(i n t e r e s t i n g i t e ms)来构 成 频繁项 目集。所谓感兴趣 的项 目就是指 与该项 目对应 的事务 数 目大于等于用户规定的最小去持度(s u p p)。(4)循环执行下列

19、操作：合并一些相邻的定量值，找出合并 后的持度大于等于 s u p p的项目，并把它们加到频繁项目集中。(5)用频繁项 目集来产 生关联规则。如果 A B C D和 AB都 是频繁项 目集，则 s u p por t A B C D必定大 于等 于 s u p p，我们可 以 用计 算 c o nfid e n c e-s u p p o rt(A B C D)s u p port(A B)来决定 规则 是 否成立。如果 c o n f i d e n c e的值大于等于用户规定 的最小置信 度(C o I l f)，则该规则成立。(6)决定输 出的感 兴趣的规则。1 1 3 聚类划分算法 对

20、每个属性(属性取值数 目)，聚类划分算法可概括描 述如下：计算与该属性相关的事务数 目；找出所有的局部最大 点 并找出与其相邻的两个最低点以确定该区间：对于每个 区 间 i，计算与其对应的事务数S u ml；合并这样的两个区间：支持 度都低于 S u p p(最小支持度)，宽度都较窗且足够接近，并且两 区间之间的最低点接近于较低落的那个局部最高点；把除了 m a x S u m i 1 和 mi n S u mi 两个值之外的所有 S u m i 累加起来，结 果存入 S中；计算事务的平均值并存入 S a v e中；找出所有的 S u m i 值大 于 c S a v e(S u p p)的区

21、间，其 中是一个 与其 总是相关 的 实数，结果存入 S t m p中；对 S t mp中的每个区间f 做以下工作，如果 S u m j (Mi n R j Mi n L j)S (M i n R-Mi n L)则把区间 存入 维普资讯 http:/ S r e s 中，其中 mi n R和 m i n L是该属性所具有的最大值和最小 值，集合 S r e s 中包含了所有感兴趣的区问。1 2 推理机构件 推理是从已知的知识推出蕴含着的知识，或归纳和发现新 知识的重要方法。所有推理方法都要涉及前提与结论之间的关 系。按前提到结论置信度的传递方式的不同。推理被区分为主 观的充分置信推理与主观的不

22、充分置信推理两大类。前者统称 为演绎推理，而后者统称为归纳推理。一个产生式规则的一般形式为：严 p，f，其左部一般 表示一组前提或条件，右部表示若干结论或动作，前提P既可 以是一个简单条件，也可以是用A N D或 O R把多个简单条件 连接起来构成的复合条件。C F是 0 C F 1 称为知识的可信度 因子，即规则强度，T是规则被满足的阈值。上述规则的含义是“如果前提 P在某种程度上被满足则可以一定 可信度推 出结论 p(或执行动作 Q)，规则的可信度为 C 。因为知识的前提条件中各个子条件问存在着依赖关系，它 们不是相互独立的，而且各个子条件所包含的信息量不同。它 们对相应结论的支持程度也不

23、相 同，也就是说它们具有不 同的“重要度”。为了解决这种问题。可在知识 的前提 条件 中引入加 权 因子，使不 同的子条件具 有不同的权。设产生 式形式为 P Q，C F，f。当 P为一个带加权因子 的 组合条件时。如下逐层匹配：先检查整个 P能否与已知知识匹配，若存在匹配，则以与 之匹配的已知知识的可 信度 作为前提 P的匹配程度。否则进 一 步将 P分解成子式。检查各子式是否能与已知知识匹配，若存在匹配，则以与 之匹配的 已知知识的可信度作 为该子式的可信度。并按逻辑公 式运算 出整个逻辑式 的可信 度，作为前提 P的匹配程度，否则 进一步再分解子式成子子式，继 续进行逐项匹配，如此直 至

24、分 解到不能再分解的原子公式 为止。注意：这 里的匹配动作 仍是 完全相 同的意思，只是 因为 每项 已知知识都有可信 度，因而可 根据逻辑公式算出一个复合可信度，把它当作前提 P的匹配 程度。现假设 已按上述 方法对 P求得 匹配程度 m。令 t=m i n(m，C F)。或 t=m*C F等，则 只有 当 t f时 才能使 规则激活。即可利 用它，或以强 t 执行动作 Q，或推 出可信度为 t 的结论 Q。若 Q 不曾出现在 已知知识 集合中，则将它加入。若 Q已出现过，则 比较 已知知 识集合 中的 Q 的可 信度 是否 比新推 出 的可信 度 小，若是，则把新可信度替换原可信度，否则保

25、持原可信度值。因为存 实际 问题中。一 条推 理规则 的前提 中的各子前提的“重要性”或所包 含的信息量等都可能是不 同的。为此。每项前 提条件在前 提条件中有一个 权重()，当条件的可信度(t)大 于 条件域值(f)时 激活结论(Q)，该条规则 的可信度(C F)为 0 9 5，结论 Q的可信度为 t AC F，A为交型运算。这时，推理规则 具有：w l*P I，w 2*尸 2，l Q。C F，7 的形式，其 中 Q与 q=t，2，n)为逻辑谓词，取可信度于【0，l】之间。：w j O U=1，2，n)，&v j=l为子前提 的权系数。C F：0 E F t1 为规则的置信度。r：0 r 1

26、 为该规则的可应 用阈限。上述规则的含义是前提的可信度t，t-&v j*T(巧)，其中 (巧)为的 巧 可信度 卢l，2，l；如果(，=1，2，1)不满足归一条件，即删 l，则 t-d()氇 。当 t 大于等于 f时，则该规则就可被应 用。应用 的结果是 推出结论 Q，其可信度为(Q)=A c F。其中为某种“交型运算”，既可“取极小”，也可为“乘法”运算。因而，总有，结论的可信度前提的可信度。2 专家系统构件的组装方法 构件的接口是构件与外界交互 的端 口 包含一组逻辑 内聚 的功能元素。接口的型构(s i g n a t u r e)和交互协议(p r o t o c o 1)是接 1：3

27、 规约的两个重要方面。接口型构描述接口元素的语法 如接 12 1 元素的名字、参数、返 回值类型。接 口的交互协议描述接 口元 素活动的时序。接口绑定建立复合构件的外部接 12 1 和内部接口的对应关 系。如图 2(a)所示，构件 A、曰通过连接件 尺连接，得到 复合构 件 C，C的接12：I g绑定到 A的接口e，表示复合构件 C的接1：3 g 就是内部构件A 的接 口 e。如果一个复合构件的外部接 口只与 一个 内部接 口进行绑 定，则它的型构、交互协议 与该 内部接 口 的相同。如果多个内部接 口型构相 同，并且包 含的元素都是构件要 求的外部功能，则它们能够绑定到一个复合构件的外部接

28、口，表示它们都需要该功能 服务。如图 2(b)所示，A和 曰具 有两个 型构相同的请求外部功能的接口e，它们绑定到复合构件的接 1：3 f o 厂 的型构与A e和 B e的相同，但端 V I f 的交互协议却既不 同于 A e，叉不同于 B e，因为 A e中元素在活动的时候，可能穿 插 B e中元 素的活动，它们都反映到 厂 中。反之亦 然。但 是 e 中元素的活动和B e中元素的活动不是任意穿插的，它受到 A、曰连接成为一个有机整体的制约t3 1。(a)一对一接 13绑 定(b)多对一接 13绑定 圈 2 接 口绑定 专家 系统 的功能构 件 是指推理 机 构件、KD D构件、U l 构

29、 件、数据库管理构件、解释构件等等。主要是面 向专家系统开发 者。如果专家系统功能构 件库 中没有 自己需要 的构件，或出现 新的人工智能技术后，要创建新的功能构件时，可以从小粒度 构件模型库中来胶合小粒度构件来构造 自己需要的功能构件。系统设计时将它们进行构件化分析，分解成更小粒度的可重用 的、可替换的小粒度功能构件，以便可以快速方便地开发构造 出针对不同领域的各种不同的专家系统功能构件。一般应用 中，支持 B S模式的专 家系统 已经足够了，但是 专家系统必须是可动态配置的、可方便升级维护的和可定制 的 为此需要为该层次的组装建立一个基于二进制代码的黑盒 的动态组装模 型。在模 型中，要建

30、立一 个系统配置信息构件，它 要包含所有的用户配置和定制的所有的专家系统中的功能构 件和界面构件信息 以便下次运行时可以在构件库中加载合适 的构件14 1。如果要求某个构件是动态可插拔的，则还要保存构件 执行过程中的状态信息。此外，还要包含数据库维护构件、知识 库维护构件(包括知识检测和求精构件、知识录入编辑构件等)、(下转 2 2 0页)计算机工程 与应用 2 0 0 6 1 2 2 1 1 维普资讯 http:/ 2 5 3 测试分析(1)在第一组中我们对采用索引结构(F A C-f i l e)和不采用 索引结构所用的检索时间进行测试。文章中采用的检索时间提高率的计算公式为：i n d

31、t i m o r i t i m n 其中i n d t i m 为第 i 次采用索引方法的检索时间，o r i t i m 为 第 i 次未采用索引方法的检索时间，n为检索的总次数。按着上 面公式 可以得到这样的计算结果：裹 3 检索时间的提 高率 检索时间提高的程度5 3 5 6 5 0 1 6 0 7 l 6 4 5 1 8 4 4 1 8 4 3 经过 对上 面数 据 的分析 可 以得 到 这样 的 结论：采 用 了 F A C fi l e 索引方法后检索时间比原来有了提高。(2)第二组的测试工作主要针对于 F AC 1 e索引结构本 身的性能：在不同的焦点数下图片的过滤效 率和索

32、 引文件 的大 小。并对数据进行了分析。文章中采用的图片过滤效率的计算公式为：r em a nnum i 1 pic t ur e num 其 中 r e m a i n n u m 为过滤后 图片的数 目，p i c t u r e n u m为图 片 库 中图片的总数，n为检索 的次数。按 着上面公式计算。F A C fi l e索引方法 的过滤效率如下：表 4 F A C fi l e索引方法图片的过 滤效 率 F AC me 4 3 4 7 4 8 4 8 5 4 6 6 5 64 6 5 7 3 0 5 8 3 9 然而对于一个 索引方法来说，除了考虑它 的过 滤能力 之 外，还要求

33、它的索引文件越小越好。F A C fi l e索引方法在不同 焦点情况下的索引文件 的大小如下：衰 5 F A C fi l e索引文件大小 经过对上面数据的分析可以得到这样的结论：随着焦点数 的增加，过滤的效率增加，然而索引文件也是增大的，在上面的 测试中只采用了颜色一种特征。如果采用多种特征的话，索引 文件成正比增大，然而随着焦点的增多，过滤效率的增加却没 有那么快。所以当检索系统采用的特征向量的维数增加时，要 经过测试 比较。采取合适的焦点数，保证系统较合理的检索速 度。在此系统中，焦点的个数取2 5 0个左右的时候检索的性能 较好。3 结 论 文物的图像数据库是建立文物数字博物馆的基础

34、，作者在 基于物理特征 检索的 图像数 据库系统 中应用 了 F A C fi l e这种 索 引方 法。对系统的检索性能进行 测试，并对结果进行 了分析，测试 结果证 明了这种索 引方法 的有效性。(收稿 日期：2()0 5年 8月)参考文献 1 _ 庄越挺，潘云鹤等 基于内容的图像检索综述叨模式识别与人工智能，1 9 9 9：(1 2)：1 7 0 1 7 7 2 R b r u n e l i O Mi c h On t h e u s e o f h i s t o g r a ms f o r i m a g e r e t r i e v M J I EEE I n t e rna

35、 t i o n a l Co n f e r e n c e O il Mu l t i me d i a Co mp u t i n g a nd S y s t e ms，1 9 9 9；(2)：1 4 3 1 4 7 3 V G a e d e O G u n t h e r Mu l t i d i me n s i o n a l A c c e s s Me t h o d s J AC M C o m p u t i n g S u r v e y s，1 9 9 8；3 0(2)：1 7 0 2 3 1 4 We b e r R，S c h e k H-J，B l o t t

36、 s A Q u ant i t a t i v e A n a l y s i s a n d P e r f o r m a n c e s t u d y f o r S i mi l a ri t y -s e a r c h Me t h o d s i n H i s h i d i m e n s i o n a l S p a c e s C I n；P rec o f 2 4 VL DB C o n f。1 9 9 8：1 9 4-2 9 5 5 R o h e r t o F i g u e i r a S a n t o s F i l h o，A g ma T r a

37、i n a。C a e t a n o T r a i n a J r e t a1 S i mi l a r i t y S e a r c h w i t h o u t Te a r s：t h e OMNI-a mi l y o f Al l P u r p o s e A c c e s s Me t h o d s C I n：1 7 t h I n t e r n a t i o n al C o nfe r e n c e O il D a t a E n g i n e e r i n g。2 0 01：6 2 3 6 3 0 6 梁哗，须德 基 于焦 点和角度的多维索引方法

38、 J】北方交通大学学报，2 0 0 5；(4)(上接 2 1 1页)人机界面构件、推理机构件、推理解释构件、事实录入构件、结 果显示构件等。每个构件在组装前还要经过验证构件进行验 证，组装后的平台要经过调试构件进行调试，这样就建立一个 完整而灵活的构件定制机制，是用户可以方便地定制功能。还 要 建立一个完整、方 便和易于管理 的构件库 以便针对各个 层 次的构件进行浏览、定位、存储等。3 结束语 软件构件化技术是一种块式重用。可重用成分为软件构 件，通过软件构件的组织和管理，可以为软件开发人员、农 业技 术人员组装构造智能农业应用系统。农业专家系统软构件技术 的出现是对传统农业专家系统开发过程

39、的一次变革 它完成特 定功能的对象或对象的组合，广义上如同硬件那样。是基于面 2 2 0 2 0 o 6 1 2 计算机工程与应用 向对象的、嵌入后马上可以使用的、即插即用型的软件构件概 念为中心。通过构件的组合来建立应用的技术体系。对于改变 我国当前传统农业落后低效的技术推广方式，克服农业领域专 家和科技人员短缺的问题。促进农业生产水平跨越式发展有着 重要的作用。(收稿 日期：2 0 0 5年 8月)参考文献 1 吴泉源，刘 江宁。人工智能与专家系统【M 长沙：国防科技大学 出版社，1 9 95：1-5 2 J o s e p h G i a r r a t ano，G a r y R i l e y 专家系统原理与编程【M】机械工业出版 社，2 0 0 0：3 3 3 9 3 张世琨。张文娟，常欣等 基 于软件体 系结 构的可复用 构件 制作和组 装叨 软件学报 2 0 0 0；1 2(9)：1 3 5 1 1 3 5 9 4 任洪敏，钱乐秋 构件组装及其形式化推导研究 J 1 软件学报，2 0 0 3；1 4(6)：1 0 6 6 1 0 7 4 维普资讯 http:/