“操作系统”实验课程分层教学探讨

本文分析了我校"操作系统"实验教学的现状,针对存在的问题和课程实验教学改革的要求,提出了分层、分阶段的实验构想,以逐步引导和激发学生学习热情,并调动学生积极思维和提高创新能力。     

门式起重机司机计算机仿真培训系统的设计

为了缩短培训时间、减低培训费用和提高教学质量,我们拟开发一个进行门式起重机司机培训的计算机实时仿真系统。本文简要介绍该系统的功能、总体结构、系统运行环境和支撑软件等。     

安全的乐观实时并发控制策略

首先在分析嵌入式实时数据库安全要求的基础上，给出了一个三层安全控制模型。然后提出一种安全乐观并发控制策略。该策略采取向前验证策略检查是否发生冲突，当事务执行到验证阶段，当可能出现违背安全要求时，则分别计算提交或天折被验证事务所引起违背安全及实时要求的严重程度，以决定是否提交或天折被验证事务。该策略具有较大的灵活性，用户可根据系统的安全要求和实时特征动态调整产生隐通道严重程度及超截止期严重程度的权值以适应不同要求。     

移动实时嵌套事务的并发控制

在移动计算环境中，事务移动性和无线网络固有的缺陷使得传统分布式实时事务管理机制不足以支持移动实时事务的执行，故有必要为移动实时事务研究新的事务处理机制以提高其成功率．该文着重研究移动实时事务的并发控制机制．首先，该文给出了一个考虑事务定时限制以及移动性的嵌套事务模型．然后，为减少移动分布式环境中解决数据冲突的开销，该文研究了一种结合优先级夭折和优先级继承的基于封锁的并发控制协议PAI-2PL．当高优先级事务被低优先级事务阻塞时，对于相同家族事务，采用优先级继承方法解决冲突；而对于不同家族事务，则夭折重启低优先级事务．另外，为减少由于断接所引起的无效阻塞，PAI-2PL允许低优先级事务夭折处于断接状态的高优先级事务．通过性能测试，表明所提出的事务模型及并发控制机制能提高实时事务的成功率．     

注意力感知的群组Next事件推荐策略

近年来,基于事件社会网络（EBSN）逐渐成为人们寻找感兴趣事件的有效途径,如何将事件精准地推荐给有需求的用户已成为该领域的重要主题。下一个项目推荐能够捕获用户的动态偏好,在电子商务等领域取得较好推荐效果。然而,鲜见有关EBSN中的面向群组的下一个（Next）事件推荐研究。主要研究面向群组的Next事件推荐策略,但由于群组偏好会发生动态变化,且事件生命周期短、新事件冷启动等问题使得针对群组进行Next事件推荐变得更加困难。首先,针对群组偏好会随时间发生动态变化的特征,将群组与事件的历史交互划分为多个时段。考虑到划分后群组成员数据变得更加稀疏,不利于群组偏好建模,采用基于参与度的排序策略提取当前时段核心成员的成员偏好,并利用注意力机制融合出群组静态偏好。然后,通过序列模型将各个时段的静态偏好融合得到群组动态偏好。最后,将事件推荐视为多标签分类问题,即将上下文看作事件的多个标签,通过预测各个上下文的概率分布以匹配事件,从而有效缓解新事件冷启动问题。实验结果表明,所提出的推荐策略具有较好的性能。     

移动分布式实时事务实时原子提交

形式地给出了移动分布式实时事务实时原子提交协议的定义,在此基础上提出了适合于移动分布式实时事务的实时原子提交协议：一阶段实时原子提交协议(1PRACP)。1PRACP通过参与者与协调者的一次消息交换,在一个阶段完成移动分布式实时事务提交活动;结合超时恢复处理协议,1PRACP能避免由于站点故障或网络通信链路故障而导致的阻塞。对1PRACP进行了性能比较和评测,显示了它在各方面的优越性。     

基于概率衰减窗口模型的不确定数据流频繁模式挖掘

考虑到不确定数据流的不确定性,设计了一种新的概率频繁模式树PFP-tree和基于该树的概率频繁模式挖掘方法PFP-growth.PFP-growth使用事务性不确定数据流及概率衰减窗口模型,通过计算各概率数据项的期望支持度以发现概率频繁模式,其主要特点有:考虑到窗口内不同时间到达数据项的贡献度不同,采用概率衰减窗口模型计算期望支持度,以提高模式挖掘准确度;设置数据项索引表和事务索引表,以加快频繁模式树检索速度;通过剪枝删除不可能成为频繁模式的结点,以降低模式树的存储及检索开销;对每个结点都设立一个事务概率信息链表,以支持数据项在不同事务中具有不同概率的情形.实验结果表明,PFP-growth在保证挖掘模式准确度的前提下,在处理时间和内存空间等方面都具有较好的性能.     

支持工程合作设计事务的扩充分层封锁机制

简单读/写锁模型对工程合作设计事务支持较弱。该文结合工程数据库的层次性,提出了基于2PL的扩充分层封锁机制,能够较好地支持工程合作设计事务的进行和提高事务的并发度。