基于合并分配的云工作流低能耗调度方法

现有云工作流调度方法往往少有在降低执行能耗和缩短完成时间之间取得有效平衡。为此,提出基于合并分配的工作流低能耗调度方法。在考虑工作流结构的基础上将若干相关任务合并为可统一分配至同一服务器的任务串,将各任务串优化调度至尽可能少的服务器,求取各服务器可用时间槽并基于DVFS技术对任务进行松弛。相关实例和仿真实验验证了该调度方法的可行性和有效性,针对经典科学工作流和随机生成工作流两类输入,对比数据表明该方法可以在缩短工作流完成时间的同时有效降低执行能耗。

基于行为关联的双重假位置选择算法

目前大多假位置隐私保护方法没有充分考虑到攻击者可能掌握用户上次请求服务时所提交的信息等背景知识,因此不能有效抵御背景知识攻击。基于此,提出了基于行为关联的双重假位置生成算法,该算法包含两个部分,首先在充分考虑访问概率、位置语义等地理信息的基础上提出了初次假位置生成算法,然后根据时间可达性、方向相似性等用户行为信息提出了再次假位置生成算法,最后通过大量的仿真实验,验证了此算法能够抵御攻击者的推理攻击和相似性攻击。

面向离散数学线上教学的跨平台互动模式

根据现有在线教学平台支持的不同功能,针对离散数学课程特性,探讨与之适应的跨平台线上教学互动模式。首先分析相关在线教学平台特点,然后结合其特点介绍互动教学的内容设计,最后给出互动教学的具体组织实施效果。

针对交互关系模型优化的协作式问题分配

将协作式问题合理地分配给各实体,通过对实体之间交互关系模型的优化获得较少交互关系数,对于减少实体的交互工作量,简化协作管理行为,降低通信代价,从而有效高质地解决该协作式问题具有重要意义.根据题内交互关系以及题外交互关系的定义,在分析以最小化实体之间交互关系数为目标的数学模型的基础上,提出了三个选择原则,以从每个子问题的各候选团队中选出合适的执行团队,并在此基础上设计实现了递阶优化分配算法,给出了模型的较优解.

骨髓细胞显微图像的分类认知方法研究

骨髓细胞分类识别过程中,对细胞形态属性识别的模糊性以及各属性与细胞类判定之间关系的模糊性,极大影响了细胞类的正确识别,致使目前对细胞图像分析处理仅能进行到六类细胞类粗略划分。结合模糊理论的隶属度定义及综合有权评判思想,给出了隶属函数及权重的确立方法,进而提出了基于专家知识的隶属度模糊识别机制,大大增加了骨髓细胞可识别类的细分程度。并在不影响识别效果的条件下,结合决策树判别,提高了识别的效率。

基于虚活动转化的工作流建模及执行方法

工作流是一种用以组织业务过程自动有序开展的技术手段,其建模及执行方法应与其所面向的业务过程特征相适应。对具有较大规模复杂选择执行逻辑的一类业务过程而言,需要针对性地研究更加简洁有效的建模方法并提供具体的执行方法。为此,本文提出以虚活动封装复杂选择执行逻辑的工作流预定义方法,并给出算法以构造与工作流相对应的二叉树并基于二叉树形式完成工作流的特殊合理性验证。此外,还基于工作流的满二叉树形式提出动态建模和执行算法以便于引擎自动控制预定义合理工作流的执行。最后通过一个实例验证了本文方法的有效性。

简谈面向非计算机专业的操作系统课程教学

随着计算机的广泛普及和应用,操作系统已逐渐成为一些与计算机应用紧密相关的非计算机专业的一门重要专业基础课。面向非计算机专业的操作系统课程教学需要在教学的内容和方法上进行相应调整。文章在分析非计算机专业操作系统课程教学现状的基础上,对相关教学内容和教学方法进行了探讨。

知识网格环境下基于TMs的协同认知

协同认知,形式上表现为问题解决环境下拥有各自知识的实体,根据一定的学习规则在个体认知的基础上,协同完成某项认知任务。协同认知的参与者可能处于不同地点,因而分布式环境下的知识共享显得尤为重要。本文通过对网格环境下 Topic Maps(TMs)这一知识表示手段的应用扩展,对网格环境下的知识表示和知识传播进行了研究,提出了有别于传统网络查询的查询机制。在对协同认知的元学习及群学习进行分析与定义的基础上,将机器处理和心智学习有机结合,构造了一个面向知识网格环境的协同认知学习机制,并相应地给出了一个基于 TMs 的认知实例。

基于控制关系和数据关系的科学工作流验证

面向科学问题求解的科学工作流具有以数据为中心的特性,其验证要求同时考虑控制流和数据流的合理性。为此,分析科学工作流中的4种控制关系和2种数据关系,给出相关合理性定义,提出相应算法以遍历获得科学工作流中存在的控制关系和数据关系,实现对科学工作流的合理性验证。通过正反实例证明了该验证方法的有效性。

工作流合并规则中的冲突检测方法

在关系型规则和活动型规则形式描述工作流合并需求的基础上,提出一种基于可达关系的合并规则冲突检测算法。通过记录每条规则应用后的可达关系矩阵,以及新增可达关系对应的规则集方式,为合并规则集中存在冲突的若干规则组合进行较为准确的定位。实例分析表明,该算法为规则集的合理调整提供直接依据,可有效实施工作流的合并。

时间约束Petri网及其可调度性分析与验证

时间约束Petri网(timingconstraintPetrinets,简称TCPN)是一类重要的时间Petri网系统.对相关定义重新界定,丰富并完善了TCPN理论.针对变迁可调度原始定义的不足,首先给出了变迁的弱/强可调度的新定义及强可调度判定定理;然后对变迁的强可调度进行了拓展,提出了TCPN时间可调度的概念,并结合Petri网结构给出了TCPN时间可调度判定定理;最后对TCPN的相关特性进行了研究.TCPN对时间Petri网的研究工作将起到启发作用,并对实时系统的描述和建模工作具有一定的参考价值.

基于协作信誉和设备反馈的物联网边缘服务器信任评估算法

针对边缘服务器的安全问题,提出了一种集成了服务器协作信誉以及设备用户反馈的信任评估算法来提高边缘计算上下文的安全性。交互过程中,使用了一种基于客观信息熵理论的融合算法来聚合服务器间的协作信誉,同时采用了部分同态加密算法来防止交互过程中用户数据的泄露。交互结束后,选择高可信的设备节点计算反馈信任,克服了传统机制的恶意反馈。在计算全局信任时,考虑了服务器的期望评分和自适应的权重计算算法,克服了传统信任方案的局限性。实验结果表明,所提信任度计算方案具有较低的时间复杂度和空间复杂度,并且可以有效抵抗恶意节点的攻击行为。

面向认知协作的知识流分析与研究

为了有效地对认知科学中基于群学习方式的认知协作进行研究,首先探讨了基于本体描述的认知基础环境,对知识驱动的认知环境所涉及的一些基本概念进行了定义·进而,基于本体论思想,对支持认知协作的知识应用集成环境进行了探讨·在此基础上,对知识流关系进行了形式化定义,并利用Markov决策过程理论分析研究了知识应用集成环境下协同认知的过程逻辑·最后,对全文进行了总结并提出了进一步的研究方向·

基于集成朴素贝叶斯模型的在线地图匹配方法

为了实现移动对象数据库中准确的路网匹配,提出了基于历史数据训练多个朴素贝叶斯模型实现路网匹配的新方法。该方法针对不同天气、时间段和道路等级,从历史匹配轨迹中训练朴素贝叶斯模型。为了克服数据噪声和单个模型引起的匹配偏差,采用集成学习技术组合多个匹配器,通过投票实现高鲁棒性的地图匹配。在实际数据和模拟数据上的实验结果表明,该方法可以准确实现在线地图匹配。

基于本体论的认知协作

认知协作是协同工作的一个重要方面,知识本体为认知协作提供了知识宏观结构的优选形式;主体在认知协作过程中的认知进化可以通过主体的元学习和主体间的群学习实现。分别分析了两类学习的机制,并在此基础上提出认知协作群体的动态模型,阐述了主体的协作动作与认知协作群体环境的关系。

一种基于多元数据的假位置筛选算法

移动通信设备和定位技术的普及刺激了对基于位置的服务(Location⁃Based Services,LBS)日益增长的需求和LBS的发展,这为人们的生活带来了极大的便利,同时也给隐私保护带来了新的挑战。因此,设计一种安全的方案来保护用户的位置隐私至关重要。已存文献提出的假位置隐私保护方案没有充分考虑攻击者具有背景知识,不能很好地抵抗背景知识攻击。因此,文中充分考虑访问概率、位置语义等地理位置的信息特征,提出了一种基于多元数据的位置隐私保护方案,并通过大量的仿真实验验证了提出方案的有效性。

基于可信相似用户的服务推荐方法

随着越来越多的用户与服务参与到服务计算中,服务推荐变得日益重要,但个别用户的虚假评价降低了服务推荐结果的可信性和有效性。为此,提出一种新的服务推荐方法,在分析用户历史评价的基础上挖掘可疑评价,通过用户可信度的计算将恶意用户筛除。基于相似度计算可得到剩余各可信用户的相邻用户集合,并最终结合用户偏好确定候选服务进行综合评分以完成有效推荐。实验结果表明,在剔除恶意用户的情况下,该方法推荐的服务更为真实可靠,可有效提高推荐质量。

基于任务分配和数据集副本的科学工作流数据布局

云环境下科学工作流的数据布局成为当前工作流研究中的一个热点问题,对科学工作流中任务和数据之间多对多关系进行分析,可以发现不同数据布局方案在数据传输上的费用各不相同,在很大程度上影响工作流的运行成本。为降低科学工作流数据集传输费用,提出一种基于任务分配和数据集副本的科学工作流数据布局方法。该方法从任务分配开始,在定量计算任务依赖度的基础上进行任务分配,根据分配结果给出一个基于数据集副本的两阶段数据布局方法,以实现科学工作流运行中传输费用的优化。实例结果表明,与工作流层方法相比,该方法可以有效降低科学工作流的运行成本。

基于用户偏好的可信QoS服务选择方法

随着越来越多的用户和服务参与到服务计算中,服务选择变得更重要,而基于可信QoS完成服务选择已成为一个日趋重要的研究课题。脱离目标用户偏好的可信QoS求取往往难以为该用户提供符合真实感观的选择依据。文中主要基于目标用户偏好进行可信QoS服务选择方法的研究。首先引入服务多属性评分和目标用户偏好,根据历史用户评分的偏离度来衡量历史用户同目标用户之间的信任度(参考度),将历史用户中评分可信度较低的用户筛选出去,剩余用户即是可信用户。然后基于服务的基准评价向量和可信用户评价向量进行相似度计算以决定各可信用户的参考权重,再结合参考权重求出各候选服务的最终QoS评分值以供目标用户选择。最后给出一个具体实例以说明该方法的有效性和可行性。

移动云计算环境下基于任务依赖的计算迁移研究

移动终端硬件的资源受限问题可以通过将本地计算任务迁移至云端来缓解。然而,相比远程云端,某些实时要求较高的复杂应用更适合迁移至微云。这类应用中各任务之间的依赖关系也会对迁移方案产生较大影响。结合任务之间的依赖关系及微云的特点,基于遗传算法思想提出一种计算迁移方法。根据不同微云处理不同类型任务时的能力,将微云进行类型划分。根据移动应用中不同任务之间时序与数据的双重依赖关系,结合能耗和响应时间的考量,设计一个计算迁移算法,以获取具有较优效用值的迁移方案。通过仿真验证了该方法的可行性和有效性。