WSCP/R-net:一种新的服务动态聚合流程建模与分析模型

服务聚合流程建模和分析是流程驱动的服务聚合研究中两个关键问题。针对现有基于基本Petri网和WF-net的服务动态聚合流程建模与分析方法的不足,从服务聚合的过程维和资源维出发定义了服务聚合流程定义元模型;与流程定义元模型相一致,基于着色Petri网提出了一种新的服务聚合流程/资源描述模型WSCP/R-net,有效解决了服务聚合流程模型中不确定活动选择和服务的动态变化性问题;从流程结构正确性、数据依赖有效性和资源有效性三个方面提出了WSCP/R-net模型健壮性的概念,并对模型健壮性成立的充要条件及其组合特性进行了分析。

R-Net网格监测与告警系统设计

通过介绍网格监测的概念、需求、相关标准和各种实例,分析了目前主要的网格监测系统,阐述了网格监测的各种需求及其相互关系,找到了目前网格监测存在的问题与不足。基于R-Net实验平台,网格监测系统(RNMS)使用诸如自适应传感器控制、按需测量、分布式目录服务、节点组管理和混合数据格式等技术,在提高扩展性和互操作性的同时降低了侵扰。在RNMS的基础之上,进行了告警系统的设计,无需对其做大的改动,体现了较好的可扩展性。

R-Net监测系统侵扰的自主控制机制、算法与策略

虚拟计算环境R-Net的监测系统RNMS(R-Net monitoring system)把侵扰控制作为研究的一项重要内容,RNMS试图从多个方面来进行侵扰控制,并把重点放在监测数据采集阶段的侵扰控制上.基于自主元素的概念,介绍了主机传感器侵扰的自主控制机制及主要思想,在此基础上实现了自适应算法及多种控制策略.通过实际测试,介绍了传感器自主控制机制及算法策略的使用背景,并通过模拟测试,对不同策略和不同配置参数下的监测精度和开销进行了对比.与固定采样间隔策略相比,在保证精度的前提下,自适应策略下能够有效地降低侵扰.

基于扩展Petri网的动态服务聚合流程描述模型及其BPEL4WS表示方法

针对现有服务聚合流程建模方法的不足,基于扩展Petri网提出了一种新的服务聚合流程/资源描述模型WSCP/R-net,有效解决了动态服务聚合流程模型中不确定路径选择和服务的动态变化性问题。给出了WSCP/R-net模型向BPEL4WS的转换算法,并以城市应急处理为例说明了转换算法的有效性。

动态服务聚合流程定义元模型及其应用

适应Web服务的动态变化性是流程驱动的服务聚合研究的一个重要内容,传统的工作流建模思想必须加以改进以适应这一新的应用需求。本文引入了服务结点和服务群的概念,从服务聚合的过程维和资源维出发定义了服务聚合流程定义元模型。在此基础上,基于扩展的工作流网提出了一种新的服务聚合流程/资源描述模型WSCP/R-net,有效解决了现有的基于基本工作流网的服务聚合建模技术所不能解决的不确定路径选择和服务的动态变化性问题。文章以城市危机应急处理的Web服务流程构建为例说明了WSCP/R-net应用的有效性和可行性。

水溶性共轭聚电解质

水溶性共轭聚电解质主要是指含离子型官能团侧链的共轭聚合物,可在水或其它极性有机溶剂中溶解。这类化合物把传统共轭聚合物的光电性质和聚电解质的水溶性特点结合在一起,显示出的一些独特性质,可在新一代光电器件制作和化学生物荧光传感器中获得多样的应用。本文总结了近10年来报道的水溶性共轭聚电解质的结构特点和合成方法,以及对不同化学或物理条件下光物理性质的研究,归纳了它们在新一代光电器件制作和荧光传感中的应用,并在此基础上提出了水溶性共轭聚电解质研究和应用中尚待解决的问题,并展望了水溶性共轭聚电解质的应用前景。

一种改进的多任务级联卷积神经网络人脸检测算法

人脸识别是人工智能的重要应用领域之一,人脸检测是人脸识别的关键步骤。由于姿势变化、外物遮挡以及光源方向等多方面因素的影响,人脸检测的准确率不高,并且对于多人图片,往往很难准确地识别出所有人脸。提出了一种改进的多任务级联卷积神经网络的人脸检测算法(IMTCNN):对R-Net层网络集成图片信息卷积残差模块,通过扩大特征图的感受野来获取更多人脸信息,以提升R-Net层网络对人脸目标的检测鲁棒性,并且通过加入反卷积层和最大池化层解决特征融合时维度不一致问题;对O-Net层网络集成图片信息卷积残差模块,进一步提升对多人图片的人脸检测性能,降低人脸检测过程中受外部条件影响产生的误差,同时添加2个卷积池化层使特征融合时维度一致。通过改进R-Net层和O-Net层集成图片信息卷积残差模块,扩大特征图的感受野,对图片进行人脸候选框定、选区筛选以及人脸关键点定位,最终实现人脸检测。试验结果表明,该算法速度快,准确性高,并且可以一次性检测多张人脸,为后续人脸识别打下了良好的基础。

基于自主管理机制的网格监测系统故障诊断与恢复

为了使网格监测系统能够自主地处理自身的故障、应对复杂多变的网格环境,基于自主组织、管理机制和自主计算技术中的自修复、自愈等思想,R-Net监测系统(RNMS)对监测系统故障的探测、诊断、处理和恢复进行了研究,并把重点放在节点组的故障恢复上。实现了网格监测系统故障诊断与恢复机制,使得监测系统能够无需管理人员的参与、自主地处理一些常见的故障,降低了系统维护的复杂性和成本,增加了系统的易用性和可靠性。

基于移动代理的无线智能网体系结构和关键技术研究

提出一种基于移动代理技术的无线智能网体系结构,比较了无线智能网各个实体采用移动代理后与目前的无线智能网平台的优缺点,在此基础上,分析了此体系结构中的一些关键技术:代理支持业务的方法;采用移动代理协作技术实现业务交互;采用移动代理之后业务逻辑的选择机制;代理的下载技术等,提出了相应的解决方案。

一种鲁棒性的少样本学习方法

少样本学习是目前机器学习研究领域的一个热点,它能在少量的标记样本中学习到较好的分类模型.但是,在噪声的不确定环境中,传统的少样本学习模型泛化能力弱.针对这一问题,提出一种鲁棒性的少样本学习方法RFSL(Robust Few-Shot Learning).首先,使用核密度估计(Kernel Density Estimation,KDE)和图像滤波(Image Filtering)方法在训练集中加入不同的随机噪声,形成多个不同噪声下的训练集,并分别生成支持集和查询集.其次,利用关系网络的关系模块通过训练集端到端地学习多个基分类器.最后,采用投票的方式对各基分类器的最末Sigmoid层非线性分类结果进行融合.实验结果表明,RFSL模型可促进小样本学习快速收敛,同时,与R-Net以及其他主流少样本学习方法相比,RFSL具有更高的分类准确率,更强的鲁棒性.

基于加权集覆盖模型的农村居民点空间布局优化——以流泗镇为例

以江西省湖口县流泗镇为例,从自然条件、区位条件、规模水平和发展水平四个方面对农居点建设发展适宜性进行综合评价,并在此基础上利用加权集覆盖模型对集聚发展型农居点数量及位置进行选择,从而得出最终的空间布局优化方案。结果显示,加权集覆盖模型能够很好地弥补单纯以适宜性评价结果作为农居点分类依据方法的缺陷:该模型所得出的13个集聚发展型农居点能够保证适宜性较高的同时,将镇域内全部农居点纳入其服务范围。今后流泗镇应当以13个集聚发展型农居点为核心,逐步引导分散农居点向其集聚,从而提高土地利用效率。