基于数据分发服务动态发现的通信监控设计

数据分发服务(DDS)在复杂航电系统中的应用越来越广泛,其以数据为中心的发布/订阅机制,解决了复杂系统异构、分布式、动态扩展、互操作和可移植的问题,同时也带来了系统描述和通信监控的困难。基于DDS实体动态发现的原理,提出了一种能够动态构建应用主题类型化接口,实现对网络中DDS实体间通信进行监控的通用设计方法。该方法能够满足基于DDS网络的通信监控需求,提高复杂系统快速集成和联调排故的效率。

分布环境下企业协作伙伴动态发现研究

在介绍了分布计算模型 - JINI的基本概念和工作机制的基础上 ,阐述了利用 JINI服务封装协作伙伴信息 ,凭借 JINI的动态“发现”和“查找”机制获得协作伙伴信息 ,从而发现协作伙伴的方法模型。文中还给出了用 XML描述协作伙伴信息的模型框架。

基于语义Web的仿真服务动态发现机制

仿真服务的动态发现是进行基于Web的可组合可扩展仿真研究的首要步骤。首先,基于OWL-S本体规范建立了仿真服务描述模型,对仿真服务与仿真需求进行了形式化表示;然后,研究了网格和Web服务技术支撑下的仿真服务动态发现系统结构,以及基于语义Web和领域本体的动态发现机制;进而,提出了基于本体的服务匹配算法,包括领域定位算法和服务定位算法两部分,领域定位算法大大降低了进行服务定位时候选服务集合的大小,有效地保证了服务匹配精度和效率;最后,通过模拟的实验数据对基于本体的匹配算法的性能进行了分析。

一种交互式的不变量动态发现编配工具

发现程序中隐含程序不变量是实现高层次行为合约、提高程序质量的关键。重点研究了不变量的动态发现方法与程序编配原理,并在传统的编配方法基础上实现了交互式的石鼓编配工具。该工具具有预设观测点和观测变量等功能,并通过将运行轨迹收集到数据库中来实现不变量分析。并详细说明了采用内嵌法的编配工具的总体结构及实现过程。实验证明石鼓编配工具能更方便有效地发现不变量。

一种基于AOP的BPEL过程动态发现和绑定服务的方法

针对当前的业务流程执行语言(BPEL)规范以及支持引擎动态性方面的不足,提出一种基于面向方面编程(AOP)的BPEL过程动态发现和绑定服务的方法.该方法扩展了BPEL语言规范,添加了支持动态发现和绑定服务的语言元素;使用AOP技术扩展了BPEL引擎,使之支持扩展后的BPEL语言规范;在基础设施层提供动态发现和绑定的支持.给出了实现动态绑定管理器的关键代码,实现结果表明:利用AOP技术可以有效地扩展BPEL的动态发现与绑定功能.

C程序不变量动态发现编配工具的设计

程序不变量是用于描述程序运行过程中某些保持不变的性质的逻辑断言。程序编配的任务是通过对程序改造,暴露程序的运行轨迹,然后在通过对轨迹分析完成程序不变量的发现。程序编配是程序不变量过程中的关键步骤。本文介绍了C程序编配的工作原理和主要方法,并详细说明了采用内嵌法的编配工具的设计过程。

基于测绘地理信息更新的土地利用变化动态发现

随着城市人口增长、城镇化趋势扩大、可利用资源急剧减少,动态地掌握城市土地利用现状变化,是有效利用城市的土地资源、加强土地资源监管的重要基础,土地利用现状的调查是最基础的土地资源调查。本文通过分析上海土地利用调查现状和测绘地理信息资源情况,基于测绘地理信息更新机制,结合“多测合一”、季度卫星影像、基础测绘、细化调查等测绘工作,探索了一种动态、可靠的多周期、全覆盖的土地利用变化动态发现方法,并通过试点提出了土地利用变化发现的建议。

基于GEP的线性指数函数型程序不变量动态发现方法

不变量是用来描述程序运行时保持不变性质的逻辑断言.根据关系数据理论,程序不变量可分函数依赖型和非函数依赖型程序不变量.着眼于函数依赖型程序不变量,借助GEP的函数发现特点和Daikon对线性程序不变量的发现能力,重点对线性指数函数型程序不变量动态发现方法进行研究,通过实验证明了GEP对线性指数形式的函数有较高的发现效率,可以扩展Daikon在线性指数函数型程序不变量方面的预置形式以达到从程序轨迹数据中发现该类程序不变量的目的.

动态发现网络拓扑关系在载人航天任务中的应用研究

介绍了网络拓扑关系动态发现的基本知识，通过对基于地址转发表的拓扑发现算法的分析，提出了基于STP状态表的拓扑发现算法，实现动态发现网络拓扑关系。该算法降低了算法实现的复杂性并提高了拓扑发现的有效性，在载人航天任务中发挥了作用。

求新于动态──动态发现法

求新于动态──动态发现法梁人建立在动态观级基础上作出新发现的创造技法，就叫作动态发现法．动态观察是相对静态观察而言的，它的特点是创造条件使被研究的对象处在激发、扰动状态下再进行观察．禺言故事《黔之驴》中的老虎，对静卧着的驴有点害怕，后想办法骚扰激怒它...

基于测绘地理信息更新的土地利用变化动态发现

随着科学技术的发展,我国的测绘地理信息技术有了很大进展。动态地掌握城市土地利用现状变化,是有效利用城市的土地资源、加强土地资源监管的重要基础,土地利用现状的调查是最基础的土地资源调查。本文通过分析上海土地利用调查现状和测绘地理信息资源情况,基于测绘地理信息更新机制,结合“多测合一”、季度卫星影像、基础测绘、细化调查等测绘工作,探索了一种动态、可靠的多周期、全覆盖的土地利用变化动态发现方法,并通过试点提出了土地利用变化发现的建议。

改进离散蜉蝣算法的多目标动态网络社区发现

动态网络社区发现能检测出随时间不断变化的社区结构,其研究具有重要意义。为了有效地解决动态网络社区发现问题,将蜉蝣算法引入社区发现,提出了一种多目标离散蜉蝣算法的动态网络社区发现方法(MODMA)。首先,在初始化阶段结合基于种群的标签传播算法和标签扩散算法对蜉蝣种群进行初始化,有利于提高初始解的互补性和多样性;其次,将蜉蝣个体更新策略进行离散化,进一步充分搜索全局空间;然后,提出改进的交叉操作并结合两种变异策略,加快种群的进化速度;最后,对最优解进行基于边界点的局部搜索,避免算法陷入局部最优,提高寻优搜索能力和收敛能力。在算法求解过程中,使用非支配排序和拥挤度距离排序机制保留优质解。大量基于合成网络和真实网络的实验结果表明,MODMA算法与对比算法相比具有更高的求解精度。

一种混合的动态社区发现算法

针对增量式动态社区发现算法存在的误差累积问题和计算复杂度受网络演化程度影响的问题,本文结合标签传播算法和模块度优化算法提出了一种混合的动态社区发现算法.该算法将网络的演变情况分为产生增量较多的剧烈演变和产生增量相对少的非剧烈演变2种情况.为了减少增量处理,对于剧烈演变,该方法将对应的网络快照看做一个完整网络,采用静态方法划分社区.对于非剧烈演变的情况,则采用增量的方式划分社区.在社区划分过程中,同时采用了基于模块度优化的Louvain算法和标签传播算法进行社区结构调整.在人工数据集和真实数据集上的实验验证了本算法的正确性和有效性.

基于谱聚类的社交网络动态社区发现算法

动态社区发现研究是社交网络分析(SNA)的重要研究领域。随着节点加入或离开社交网络,节点间的关系也随之建立或消失,进而影响着社区结构的变化。针对社交网络静态社区发现算法缺少必要的社区节点历史信息而导致的网络结构分析、聚类信息不足和计算开销过大的问题,基于社区网络演化事件的划分并根据主要社区事件的分析,提出一种基于谱聚类的动态社区发现算法(SC-DCDA)。首先,根据实验观察使用谱映射的方法将高维数据降维,并采用改进的模糊C-均值聚类(FCM)算法确定动态社交网络中的节点与待发现社区的关联度;其次,根据演化相似度矩阵分析社区结构。通过使用真实网络数据集以及模块度得分、轮廓系数等社区发现算法衡量指标,评估所提算法的效果。实验结果表明,SC-DCDA的计算开销相较于传统谱聚类降低了8.37%,在所有数据集上的平均模块度得分是0.49,其他衡量指标的定性分析结果也较好,验证了所提算法在信息交互、聚类效果和精确度上表现较好。

在线社会网络的动态社区发现及演化

在线社会网络研究中,动态隐含社区或群组结构的发现及演化探测是一个十分关键的核心问题,它对于在中观(Mesoscopic)视图观察在线社会网络隐结构特征、预测演化趋势、掌控网络势态、发现网络异常群体事件等具有重要意义.文中首先分析了动态社区发现和社区演化研究的关系,给出动态社区研究中关键挑战问题;然后根据问题背景的不同,从"同构社会网络的动态社区研究"和"异构社会网络的动态社区研究"两个方面进行国内外相关研究现状的阐述和分析,其中,在"同构社会网络的动态社区研究"中,根据评价方法的差异和关注问题的不同将当前相关研究分为基于时空独立评价、时空集成评价、统一评价和增量式算法4大类进行综述,同时对动态社区发现的重要应用——异常群体发现的研究进行介绍;最后对在线社会网络动态社区领域的难点和发展趋势进行分析和展望.

基于密度聚类的增量动态社区发现算法

现实世界中社交网络中的节点和边随时间动态增加或消失,导致网络中的社区结构也随之发生变化,因此,文中提出基于密度聚类的增量动态社区发现算法.首先,基于改进后的DBSCAN生成初始时刻社区.然后,提出边变化率指标,并结合余弦相似度指标确定相邻时刻邻居发生变化的节点及其邻居节点的社区归属调整.在进行社区归属度计算时,不仅考虑节点直接邻居的影响,还考虑间接邻居的影响.最后,通过迭代更新模块度增益进行社区合并,以减少噪声社区的干扰.在人工数据集和真实数据集上的实验表明,文中算法可以有效应对网络结构突变和增量计算累积误差带来的影响,具有较低的时间复杂度.

基于个体稳定度博弈的动态社区发现算法研究

在动态网络中发现社区结构是一个复杂而又有重要意义的课题。该文针对动态网络中的社区发现问题,提出一种基于个体稳定度的博弈论方法(PDG)。在该博弈方法中,网络中的每个节点都是一个独立个体。个体会根据网络中的其他个体的状态,使用最佳应对策略进行社区的选择。针对网络演化过程中的社区更新问题,该文提出了格局检测(Configuration checking)等优化策略,从而大大提高了演化网络的社区发现的效率。最后,在真实演化网络的实验中,与最新的静态和动态社区发现方法进行对比,验证了PDG方法的效率和效果。

在线社会网络的动态社区发现及其演化

分析了目前动态社区发现及其演化所存在的问题,提出了一种新的动态社区演化方法.该方法利用静态社区挖掘算法提取不同时间快照的每个社区,然后计算出相邻快照的社区之间的演化影响力,进一步分析连续快照中社区结构的发展演化过程.在新浪微博、网络测量Gnutella等大规模实验数据集上的验证,证明了该方法的有效性.此外,实验中还分析了社会网络中节点的出现和消失的频繁程度会影响社区稳定性以及社区结构的演化.

基于兴趣和行为预测的移动社交网络动态资源发现机制

针对时延容忍的移动社交网络中的资源发现问题,在三维环境下提出一种基于兴趣和行为预测的动态资源发现机制(IBRD)。IBRD首先从用户的文件资源和信息表中提取兴趣向量,然后通过节点间的余弦相似度计算构造初始的虚拟兴趣社区。之后,通过对移动社交数据的分析,建立半马尔可夫链模型以预测节点的行为和运动轨迹。依据模型的预测结果,实现虚拟兴趣社区的动态维护。最后,基于动态的虚拟兴趣社区构建高效的资源发现策略。IBRD机制在随机网络仿真器(ONE)上得以实现,实验结果表明,IBRD与同类模型相比,具有较高的资源发现成功率、较低的平均时延和通信开销。

动态网格服务发现模型和算法研究

网格环境中,由于网格服务频繁加入、修改、撤销,使得动态网格服务发现成为一个困难问题。给出一个适用于服务动态发现的二维模型以及基于其上的服务注册、刷新和删除协议,并据此提出动态服务发现算法。算法采取局部集中式和全局分布式服务组织管理与发现机制,将服务功能与服务属性分开匹配,以适应频繁加入、撤出及注册信息刷新的动态服务发现。仿真结果从底层地理区域数目、网格规模、网络繁忙程度、网络动态程度等方面验证了模型与算法的优点及有效性。