领域建模概述

0 概述

在软件工程中,有两个高阶的工作的分别是架构建模;如果把写代码比喻成施工,那么架构和建模就是设计图纸。相比编码,那么建模的确是对设计经验和抽象能力要求更高的一种技能。本文主要探讨一下对领域建模相关知识的理解。

1 什么是领域建模

1.1 什么是领域

维基百科给出的定义:A sphere of knowledge,influence, or activity. The subject area to which the user applies a program is the domain of the software[1];一个特定范围的知识、影响或者活动,这个主题域应用到程序上就是这个软件系统的领域。重点强调了特定范围,范围即边界;既然领域是用来限定业务边界和范围的,那么就会有大小之分,领域越大,业务范围越大;如下图所示子商务领域;电商领域是一个比较大的领域,通常的做法就是将问题一步一步地细分&拆解,再针对细分出来的子问题域,逐个深入研究,探索和建立所有的子问题域的知识体系。
在这里插入图片描述
案例:
在这里插入图片描述
那到底是穿多还是穿少呢?如果说场景

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
alias 建模理论是一种将数据进行高效编码和压缩的方法。它通过捕捉数据的一些重要特征和统计规律,将数据映射到一个更小的表示空间中,从而减少了数据的存储空间和计成本。 alias 建模理论的核心思想是将数据分解为两个部分:alias 和 residual。Alias 是数据中的重要特征和统计规律的表示,它能够捕捉到数据中的高度相关的信息。Residual 则是数据中与 Alias 不相关的部分,它包含了数据中的噪声和细微的变化。 在 alias 建模中,首先需要选择一个合适的 alias 函数,并通过学习样本数据来确定 alias 函数的参数。然后,将数据输入 alias 函数,得到相应的 alias 表示。该 alias 表示的大小通常比原始数据小得多,因此可以节省存储空间。此外,alias 函数还可以通过解码过程来恢复原始数据,以实现数据的重建。 alias 建模理论在数据的存储和传输中有广泛的应用。例如,在图像压缩中,可以使用 alias 建模来减小存储空间和网络带宽的需求。在语音识别和音频编码中,alias 建模可以提高语音和音频数据的压缩比例,从而减少存储和传输的成本。 此外,alias 建模理论还可以用于数据挖掘和机器学习中的特征提取和数据降维。通过将数据映射到 alias 空间,可以减少数据的维度,并提取出数据中的重要特征,从而方便后续的数据分析和模型构建。 综上所述,alias 建模理论是一种有效的数据压缩和编码方法,可以在存储、传输、数据挖掘和机器学习等领域中发挥重要作用。它通过捕捉数据中的重要特征和统计规律,将数据映射到一个更小的表示空间中,实现了对数据的高效编码和压缩。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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