一种分支程序的调度方法

本文对分支程序的调度进行了研究,提出了一种行之有效的静态调度方法—MP 调度法。该方法基于分支的执行频度,采用多阶段调度的思想,分为实例生成、实例调度、调度表的合并等三个阶段。该法在静态调度中考虑了动态因素,得到了较好的调度结果。     

基于Tuscany的多实例管理实现

Tuscany作为开源界最成熟的SCA框架之一,对服务构件的标准化和统一调用提供了很多支持,被广泛应用于企业信息化系统中。本文在详细研究Tuscany目前服务调用机制的基础上,分析现有的实例化机制中存在的问题和不足,结合物理网分布式并发环境,提出以实例池的模式来管理多实例的生命周期,负责处理多实例的生成、初始化、运行、调度和销毁。并提出动态负载均衡算法,实现对分布式环境下高并发的调度管理。     

基于分组-分类的工作流活动多实例调度

引入活动多实例使得工作流的处理更加灵活,但引发了同步调度和数据共享冲突等问题。该文给出工作流活动多实例的灵活定义和分类,提出基于“分组-分类”的工作流活动多实例调度机制,将活动多实例分组启动、在同组中分类同步,以解决工作流执行中活动多实例的同步调度问题。该机制无须扩展标准工作流模型,具备一定的工作流语言表达能力。     

基于异构感知静态调度与动态迁移的异构多核调度机制

异构多核处理器体系结构可以有效减少功效开销,是处理器发展的趋势,负载不平衡问题会造成处理器执行的不稳定。提出一种基于异构感知的静态调度和动态线程迁移相结合的异构多核调度机制,解决了不同核之间的负载平衡问题,提高了吞吐量。仿真实验通过将此调度机制与静态调度策略（SS）比较,表明该机制提高了异构多核处理器的性能并保证了执行过程的稳定性。     

基于多代理的炼钢-连铸生产调度方法

多代理机制的分布式结构和实时处理能力为炼钢-连铸生产动态调度系统的实现提供了可行的技术方法。本文通过对炼钢-连铸生产调度问题的简单分析,提出炼钢-连铸生产调度的多代理体系框架、各个代理的功能及主要代理的详细设计,探讨了基于多代理的炼钢-连铸生产调度机制,并给出了一个简单的炼钢。连铸生产调度的实例分析结果。     

基于GPGP协同机制的多Agent车间调度方法研究

车间调度作为车间制造系统的重要组成部分,影响着整个车间制造系统的敏捷性和智能性.但是,由于资源和工艺约束的并存,使得车间调度成为一类NP-hard问题.基于静态的智能算法与动态的多Agent思想,提出了一种结合通用部分全局规划(generalized partial global planning,GPGP)机制与多种智能算法的多Agent车间调度模型,设计了从"初始宏观调度"到"微观再调度"的大规模复杂问题的调度步骤,并构建了一个柔性强且Agent可自我动态调度的仿真系统.同时,从理论上总结了GPGP基本协同机制的策略,实现了二级多目标优化调度.最后使用DECAF仿真Agent软件模拟了车间调度的GPGP协同机制,并与CNP,NONE机制进行了比较.结果表明,所提出的模型不仅提高了调度的效率,而且降低了资源的损耗.     

基于扩展DSM的实例修改路径优化

把设计结构矩阵（design structure matrix, DSM）扩展为动态DSM和静态DSM. 动态DSM中元素为实例修改参数的集合,静态DSM元素为修改参数集合对另一模块的重要度.通过匹配算法把动态DSM映射到静态DSM,并对静态DSM进行重构,实现了实例修改路径的优化.在设计活动改变时,变更动态DSM并映射到静态DSM,实现对设计活动任意阶段的优化.最后以某天文望远镜的关键部件的实例设计过程为例,说明了该方法的可行性和实用性.     

基于Agent的混合流水车间动态调度系统

针对敏捷制造调度环境的不确定性、动态性以及混合流水车间（HFS）调度问题的特点,设计了一种基于多Agent的混合流水车间动态调度系统,系统由管理Agent、策略Agent、工件Agent和机器Agent构成。首先提出一种针对混合流水车间环境的插值排序（HIS）算法并集成于策略Agent中,该算法适用于静态调度和多种动态事件下的动态调度。然后,设计了各类Agent间的协调机制,在生产过程中所有Agent根据各自的行为逻辑独立工作并互相协调。在发生动态事件时,策略Agent调用HIS算法根据当前车间状态产生工件序列,随后各Agent根据生成的序列继续进行协调直到完成生产。最后进行了发生机器故障、订单插入情况下的重调度以及在线调度等动态调度的实例仿真,结果表明对于这些问题,HIS算法的求解效果均优于调度规则,特别是在故障重调度中,HIS算法重调度前后的Makespan一致度达97.6%,说明系统能够灵活和有效地处理混合流水车间动态调度问题。     

资源动态组织支持的网格依赖任务重调度机制

针对网格依赖任务重调度所面临的效率低与触发频繁的问题,提出资源动态组织支持的网格依赖任务调度机制.该机制以资源的动态组织为核心,基于资源动态性度量结果对资源进行性能聚类分析,并过滤性能相似资源中的强动态性资源,以在减少资源数量的同时提高重调度备选资源的稳定性.实验表明基于该机制的重调度算法保持了静态调度策略在动态网格环境下相对于动态调度策略的性能优势,从而验证了该机制解决网格依赖任务重调度所面临问题的有效性.     

基于实时信息的动态应急资源调度模型

为利用实时的道路信息、救援状态信息和应急资源配置信息,以提高应急响应能力,建立了一个动态的应急资源优化调度数学模型.针对任意时刻的静态应急资源调度模型,利用遗传算法进行求解.考虑算法的实时性,通过变换时间变量t进行迭代计算,提出模型的动态求解算法.通过一实例对模型的算法进行了验证分析,结果证明了动态应急资源调度模型及其求解算法的有效性.     

工作流活动多实例的调度控制

支持多实例的工作流管理系统为工作流过程处理带来极大的灵活性,活动多实例要解决的主要问题之一是多实例的调度控制.在分析了多实例的分配和汇聚等问题之后,针对过程中活动间不同活动语义的上下文,对活动多实例的活动属性进行了统一的形式描述,提出了活动多实例控制体Shell,用于控制活动多实例的分配和提交.Shell可以根据不同的活动语义,处理多实例的同步并控制整个过程的运行.Shell的提出解决了工作流执行中一个活动多个执行实例的同步执行问题.     

Instances selection algorithm by ensemble margin

Abstract

The main limit of data mining algorithms is their inability to deal with the huge amount of available data in a reasonable processing time. A solution of producing fast and accurate results is instances and features selection. This process eliminates noisy or redundant data in order to reduce the storage and computational cost without performances degradation. In this paper, a new instance selection approach called Ensemble Margin Instance Selection (EMIS) algorithm is proposed. This approach is based on the ensemble margin. To evaluate our approach, we have conducted several experiments on different real-world classification problems from UCI Machine learning repository. The pixel-based image segmentation is a field where the storage requirement and computational cost of applied model become higher. To solve these limitations we conduct a study based on the application of EMIS and other instance selection techniques for the segmentation and automatic recognition of white blood cells WBC (nucleus and cytoplasm) in cytological images.     

价值样本选取的不均衡分类

基于传统模型的实际分类问题,不均衡分类是一个常见的挑战问题。由于传统分类器较难学习少数类数据集内部的本质结构,导致更多地偏向于多数类,从而使少数类样本被误分为多数类样本。与此同时,样本集中的冗余数据和噪音数据也会对分类器造成困扰。为有效处理上述问题,提出一种新的不均衡分类框架SSIC,该框架充分考虑数据统计特性,自适应从大小类中选取有价值样本,并结合代价敏感学习构建不均衡数据分类器。首先,SSIC通过组合部分多数类实例和所有少数类实例来构造几个平衡的数据子集。在每个子集上,SSIC充分利用数据的特征来提取可区分的高级特征并自适应地选择重要样本,从而可以去除冗余噪声数据。其次,SSIC通过在每个样本上自动分配适当的权重来引入一种代价敏感的支持向量机(SVM),以便将少数类视为与多数类相等。     

一种基于示例非独立同分布的多示例多标签分类算法

多示例多标签学习是一种新型的机器学习框架。在多示例多标签学习中,样本以包的形式存在,一个包由多个示例组成,并被标记多个标签。以往的多示例多标签学习研究中,通常认为包中的示例是独立同分布的,但这个假设在实际应用中是很难保证的。为了利用包中示例的相关性特征,提出了一种基于示例非独立同分布的多示例多标签分类算法。该算法首先通过建立相关性矩阵表示出包内示例的相关关系,每个多示例包由一个相关性矩阵表示;然后建立基于不同尺度的相关性矩阵的核函数;最后考虑到不同标签的预测对应不同的核函数,引入多核学习构造并训练针对不同标签预测的多核SVM分类器。图像和文本数据集上的实验结果表明,该算法大大提高了多标签分类的准确性。     

Concepts and Techniques simplifying the Assembly Process for Component Instances

This article presents new techniques for the assembly of component instances which go beyond the known ones simplifying the assembly process significantly. The techniques are based on a component model focussing on interface connections between component instances including bi-directional connections and on consistency checking features. Existing component models can be used to implement components conforming to the developed component model. Also prefabricated components of other component models can be integrated without changes only by providing suitable meta data. The BPCE, a visual tool to connect JavaBeans via interfaces especially supporting bi-directional connections and also using advanced consistency checks, is described as a proof of concept.     

Explaining Classifications For Individual Instances

We present a method for explaining predictions for individual instances. The presented approach is general and can be used with all classification models that output probabilities. It is based on the decomposition of a model's predictions on individual contributions of each attribute. Our method works for the so-called black box models such as support vector machines, neural networks, and nearest neighbor algorithms, as well as for ensemble methods such as boosting and random forests. We demonstrate that the generated explanations closely follow the learned models and present a visualization technique that shows the utility of our approach and enables the comparison of different prediction methods.     

Learning Assignment Order of Instances for the Constrained K-Means Clustering Algorithm

The sensitivity of the constrained K-means clustering algorithm (Cop-Kmeans) to the assignment order of instances is studied, and a novel assignment order learning method for Cop-Kmeans, termed as clustering Uncertainty-based Assignment order Learning Algorithm (UALA), is proposed in this paper. The main idea of UALA is to rank all instances in the data set according to their clustering uncertainties calculated by using the ensembles of multiple clustering algorithms. Experimental results on several real data sets with artificial instance-level constraints demonstrate that UALA can identify a good assignment order of instances for Cop-Kmeans. In addition, the effects of ensemble sizes on the performance of UALA are analyzed, and the generalization property of Cop-Kmeans is also studied.      

JDO实例的状态管理研究

Java Data Objects(JDO)是在Sun公司倡导下制定的新的Java对象级别的透明持久化标准。JDO关注于那些代表着应用领域数据模型的Java类，它们代表的数据要被持久存储到各种数据源，这些类被称为可持久类，它们的实例被称为可持久实例或JDO实例。JDO实例分为瞬时的和持久的，代表着数据源中数据的JDO实例为持久的，它们已经与数据源中的数据发生关联；否则就为瞬时的。JDO必须使持久JDO实例的值与相应数据源中的数据保持同步，因此有了JDO实例的状态管理，包括JDO实例的生命周期状态管理和JDO实例的字段管理。该文的重点是对JDO实例的状态管理进行研究。对相关规范进行了深入分析，并讨论了具体的实现方法。     

浅谈photoshop实例模仿教学过程中学生图像处理能力的培养

文章通过分析选择工具的使用实例教学方法,指出如何在实例教学中更好的提高学生的自主学习能力,激发学生的学习兴趣和热情,培养学生的分析和解决实际问题的能力,取得更好的教学效果。