Web服务组合事务处理研究与实现

通过重用已有的服务进行服务组合来实现应用集成;而保证服务组合的事务特性是实现服务组合的关键。文中提出一个Web服务组合事务处理模型,将BPEL(Business Process Execution Language,业务流程执行语言)的流程设计与WS-C/T(Web Services Coordination/Transaction,Web服务协调/事务)规范结合。该模型主要由客户端、BPEL执行引擎、事务协调器和参与者四个部分组成。客户端发起请求,BPEL执行引擎响应请求并开启事务,事务协调器和参与者根据事务协调算法完成事务协调。

基于SIP的Parlay CC/DSC API设计

首先给出了基于SIP构建ParlayCC/DSCAPI的体系结构,然后通过一个应用实例时序图说明各组成部分关系,并归纳出全部ParlayCC/DSCAPI接口函数与SIP的映射原则,对于无法与SIP映射的接口函数说明其实现方法.

Oracle数据库系统中PL/SQL程序的自动生成

介绍了Ｏｒａｃｌｅ数据库系统中含ＳＥＬＥＣＴ、ＩＮＳＥＲＴ、ＵＰＤＡＴＥ和ＤＥＬＥＴＥ语句的ＰＬ／ＳＱＬ程序自动生成工具的设计与实现。分析了ＳＱＬ中ＳＥＬＥＣＴ、ＩＮＳＥＲＴ、ＵＰＤＡＴＥ和ＤＥＬＥＴＥ语句的语法结构，介绍了Ｏｒａｃｌｅ数据库中系统表ＵＳＥＲ－ＴＡＢ－ＣＯＬＵＭＮＳ的内容和结构，最后介绍了采用三遍扫描的方法实现ＰＬ／ＳＱＬ程序自动生成的过程。

Parlay CC API与SIP的逻辑关系

首先描述了ParlayCCAPI(Parlay规范中的呼叫控制应用程序接口)和SIP(会话初始化协议)的逻辑组成与结构,然后通过SIP与ParlayCCAPI逻辑关系比较,给出了从SIP到ParlayCCAPI的方法、响应码和地址的映射关系,最后给出了基于SIP的ParlayCCAPI构建基本会话的时序图,并通过模拟实验说明基于SIP的ParlayCCAPI主要功能是可以实现的。

Sybase存储过程生成工具的设计与实现

通过几个实例介绍Sybase存储过程的基本组成,然后分析Sybase系统表。依据系统表所提供的信息,作为生成工具生成存储过程的基础,最后给出生成含SELECT语句的存储过程的算法。

基于复制技术的Parlay CC SCS容错算法

提供呼叫控制业务能力的Parlay CC SCS要支撑业务运营商开发的增值业务,则需要提供电信运营级的可靠性和容错能力。提出了一个基于复制技术的容错处理算法,采用复制技术在服务器集合的各结点上共享Parlay CC SCS呼叫控制事务状态。容错处理算法包括本地读处理算法、远地读处理算法、本地写处理算法、远地写处理算法和复制处理算法等。通过性能分析得出:容错处理算法出现错读概率与远地读到达速率和通信时间量相关。

基于Transformer编码器的中文命名实体识别模型

命名实体识别是自然语言处理中的重要任务,且中文命名实体识别相比于英文命名实体识别任务更具难度。传统中文实体识别模型通常基于深度神经网络对文本中的所有字符打上标签,再根据标签序列识别命名实体,但此类基于字符的序列标注方式难以获取词语信息。提出一种基于Transformer编码器的中文命名实体识别模型,在字嵌入过程中使用结合词典的字向量编码方法使字向量包含词语信息,同时针对Transformer编码器在注意力运算时丢失字符相对位置信息的问题,改进Transformer编码器的注意力运算并引入相对位置编码方法,最终通过条件随机场模型获取最优标签序列。实验结果表明,该模型在Resume和Weibo中文命名实体识别数据集上的F1值分别达到94.7%和58.2%,相比于基于双向长短期记忆网络和ID-CNN的命名实体识别模型均有所提升,具有更优的识别效果和更快的收敛速度。

一种鲁棒的多特征点云分类分割深度神经网络

现有的深度学习方法在处理点云分割任务时,难以有效地学习点云的局部特征,存在分类分割精度低和鲁棒性差的问题。构建深度神经网络RMFP-DNN用于多特征点云分类分割。分别利用自注意力模块和多层感知机提取点云的局部特征和全局特征,并将两者相互融合,提高分类分割的准确率和鲁棒性。实验结果表明,RMFP-DNN平均分类准确率和整体分类准确率分别为88.9%和92.6%,与PointNet、PointNet++、DGCNN等方法相比,准确率较高且鲁棒性较好。

基于WS-C/T协议的Web服务业务事务处理研究与实现

与原子事务严格遵循ACID特性相比,Web服务业务事务具有异构、分布式、长时间运行、松耦合的特点。它允许参与者独立提交,并使用补偿操作来撤销已提交的子事务所带来的影响。针对传统事务处理模型不适合处理业务事务的情形,设计一个基于WS-C/T协议的Web服务业务事务处理原型系统,把用于协调的WS-C协议和用于业务事务处理的WS-BA协议相结合来实现Web服务的组合应用。业务事务处理系统主要由客户端、协调者和参与者三个部分组成,客户端发起业务事务,协调者和参与者提供业务事务协调与处理接口,实现业务事务一致性。最后通过一个业务事务应用实例,验证了原型系统的可行性,它具有协调和补偿能力。

基于OpenCV的仿射变换研究与应用

仿射变换是一种常用的图像几何变换。使用仿射变换矩阵能够方便地描述图像的线性变换以及平移等非线性变换。介绍了仿射变换的数学原理,并借助OpenCV函数库的内部函数对仿射变换的算法进行具体分析。通过在原图像和目标图像上分别找出三个不共线的点,并利用这两组三点间的一一映射构建方程组,并求解得出一个2×3的仿射变换矩阵M;再根据所求得的仿射变换矩阵M,对图像上每一个点进行变换,在这个过程中可采用最近邻插值算法、线性插值算法、三次样条插值算法和兰索斯插值算法进行实现。给出了一个图像实例对仿射变换进行说明。

轻量级IPv6邻居发现协议及在网关中的实现

轻量级IPv6邻居发现协议是6LoWPAN(IPv6 over Low power Wireless Personal Area Network,轻量级IPv6协议)的重要补充,旨在解决6LoWPAN无线传感网络初始化和网络维护过程中普遍存在的节点高消耗问题。文中归纳并总结了邻居发现轻量化的必要举措,在此基础上,提出了一套轻量级IPv6邻居发现协议在基于Linux操作系统的边界网关中的实现方案。通过在内核中邻居发现模块添加新特性,边界网关将负责处理大量原本需要传感节点分担的组网任务和网络维护任务,大大降低了域内节点开销。通过对原型系统的功能测试,方案完全符合协议标准,简单高效,并做到了与标准IPv6邻居发现协议的兼容。

基于剩余能量的无线传感网路由算法设计

小规模、分布集中的WSNs(Wireless Sensor Networks,无线传感器网络)适宜采用平面路由协议,但在平面路由协议中,传统的洪泛路由算法以广播的方式在整个网络中传输查询请求和查询结果数据帧,消耗了较多的传感器节点能量,导致节点过早失效。论文对传统的洪泛路由算法进行改进,提出并实现了一种节能路由算法BRE-Flooding(Based on theRemaining Energy Flooding,基于剩余能量的洪泛算法)。在算法中,节点依据剩余能量决定是否接收和转发数据帧;节点维护由剩余能量、距离网络中聚合节点(Aggregation Node)的跳数等信息组成的邻居路由信息表,并依据数据帧中表示该查询请求关键程度的属性,结合邻居路由信息表动态确定向哪几个(或全部)邻居节点转发数据帧。经实验仿真,表明所提算法在节省节点能量消耗及网络负载均衡方面具有较好的表现。

基于BTP的Web服务事务协调研究与实现

Web服务技术为异构应用之间的集成和互操作提供了有效的解决手段。目前的Web服务还缺乏全局的事务环境,传统的事务模型不再适用于新的Web环境下的要求。针对Web服务中事务处理的协调问题,分析现有的事务处理模型和协议,设计实现了一个基于BTP协议的Web服务事务原型系统,把用于Web服务事务处理的BTP协议和用于传统事务的两阶段提交协议相结合来协调Web服务中的事务。通过运行应用实例,验证了原型系统的可行性,该系统具备协调短期事务与长事务的能力。

基于深度学习和支持向量机的文本分类模型

NLP(Natural Language Processing,自然语言处理)是人工智能领域的一个主要研究方向,而文本分类是NLP处理技术的重要分支。自然语言处理使计算机、手机等电子设备能够具有识别理解人类语言的能力,由于其自身的复杂性,目前仍有许多技术难点没有被完全攻克,主要包括不断产生的新词、中文词语的一词多义、自然语言的灵活性等问题。该文以期刊论文作为实验数据,研究中文文本分类问题,在传统卷积神经网络模型的基础上提出了一种基于卷积神经网络和支持向量机结合的文本分类模型CNNSVM(Convolutional Neural Network and Support Vector Machine Classifier)。相较于传统方法,CNNSVM增加了注意力机制,简化了模型参数,并使用基于支持向量机的分类器替代传统模型中的softmax层帮助实现文本的分类。实验结果显示,该模型提升了特征词语的提取效果,有效解决了softmax层泛化能力较弱的问题。

一种基于权重预处理的中文文本分类算法

文本分类是NLP(natural language processing,自然语言处理)处理技术的重要分支。信息检索、文本挖掘作为自然语言处理领域的关键技术,给人们的生活带来了许多便利,而文本分类正是这些关键技术开展的重要基础。文本分类作为自然语言处理研究的一个热点,其主要原理是将文本数据按照一定的分类规则实现自动化分类。目前常见的文本分类方式主要分为基于机器学习和基于深度学习两种,它们的本质是通过计算机自主学习从而提取文本信息中的规则来进行分类。针对数据量较小、硬件运算能力较低的应用场景,往往使用基于机器学习算法而衍生的文本分类模型。该文以期刊论文作为实验数据,研究中文文本分类问题,在改进传统词频算法的基础上提出了一种基于权重预处理的中文文本分类算法PRE-TF-IDF(pre-processing term frequency inverse document frequency)。传统词频算法在对词加权时仅考虑词的出现频率而不考虑词在文本中的位置;PRE-TF-IDF算法在TF-IDF(term frequency inverse document frequency)算法的基础上增加权重预处理和词密度权重两个环节。实验结果显示PRE-TF-IDF算法能够有效提高文本分类的准确性。

基于网络编码的无线传感网络自适应数据聚集

在无线传感器网络(Wireless Sensor Network,WSN)中,传感器节点的能源有限且不能充电,因此能源效率一直是当前研究的热点和难点。数据聚集能够消除冗余数据,提高能源效率。由于自适应数据聚集算法(Adaptive Data Aggregation,ADA)只适合于单跳网络,在此基础上提出通过网络编码将其应用在多跳网络中。进行网络编码的节点,距离簇头节点只有一跳的距离,这些节点根据数据相关性选择网络编码或传统的聚集算法,并且能够在未知的网络分布下,自适应调节相关性阈值。实验结果表明,该方法能够在任何初始状态下收敛到期望的可靠状态。

Parlay的呼叫控制服务在SIP环境的映射

重点讨论了Parlay的呼叫控制服务在SIP(会议发起协议)环境中的映射,通过这一过程可以发现在SIP服务器之上,Parlay的相关业务接口可以比较容易的实现。最后通过简单的业务实例加以说明。

基于动态分簇路由的网内数据聚集

数据聚集是无线传感器网络中的基本操作,聚集感测到的数据并发送到Sink节点。传感器网络存在能量约束,网内数据聚集技术可以减少传输的数据量,有效地节省能量。然而大部分的网内数据聚集都采用先发性(proactive)的路由协议,不能根据事件动态建立数据聚集结构。为解决这个问题,提出一种基于动态分簇路由的网内数据聚集算法(In-network Data Aggregation based on Dynamic-Clustering Routing,IDADCR)。该算法考虑节点与Sink节点距离、节点密度和节点剩余能量三个因素,进行簇头选择,实现簇内数据聚集。引入聚集距离的概念,提出了改进的最短路径树,实现簇间数据聚集。实验结果表明,该算法在动态网络环境中有效地降低了数据传输量,实现了网内数据聚集。

移动汇聚节点在仓储中的数据采集技术及应用

提出了一种在无线传感器网络中通过感知节点将采集的数据汇聚到锚节点,再传给移动汇聚节点的方法。重点研究了锚节点的选择,使得移动汇聚节点到锚节点的距离最短,以此来降低数据传输的能量消耗。考虑到传感器节点的数据聚集和工作中节点能量不平衡的问题,以及经常被忽略的空间问题,提出了一种启发式-列表搜索算法(HLSA)。先选出合适的备用锚节点,再根据算法中的公式选出最终锚节点,从空间层面规划锚节点到移动汇聚节点的最短路径。在每一轮数据采集中,该算法均能综合锚节点与移动汇聚节点的距离、节点密度和节点剩余能量,自动选择出拥有最长网络周期的锚节点。模拟仿真结果表明,该算法应用在物流中转站中的大型仓库中,能够有效地延长网络寿命,平衡节点间的能量。

一种改进的模糊数据流聚类算法

提出了一种基于TEDA(典型与偏心数据分析,Typicality and Eccentricity Data Analysis)模型的模糊数据流聚类算法。TEDA模型常用于离群数据样本的检测,以此来获得更好的聚类效果。为能够适应在线模糊数据流聚类、满足实时响应要求,该算法沿用了TEDA算法中离心率与典型性的概念及相关公式,用以判断指定数据样本是否属于特定数据簇或特定数据簇群,以此进行整个簇群的更新。同时对TEDA算法在处理高维度数据流时的不足进行补充。该算法具有完全的自主性,能够自动地创建、更新及合并数据簇,并且无需提前定义参数。不同于传统聚类算法,该算法无需存储已扫描数据样本,内存利用率高,计算成本低,并且利用递归使其更适用于在线实时应用。实验结果表明,该算法可以很好地对实际数据进行聚类分析,相对于传统算法具有一定优势。