基于语义Web Services的模糊匹配

Web服务发现过程本质上是用户请求和服务匹配的过程。传统的UDDI发现技术是通过精确匹配实现的，不能较好地支持基于概率和语义约束的模糊匹配。针对这种情况，在基于现有的OWL-S匹配上，进一步增加了以隶属函数、语义距离、阈值为基础的模糊匹配，形成了两级匹配。并通过对语义表示的服务能力进行模糊聚类，这种机制减少了搜索空间，提高了发现效率及匹配的精度。     

基于语义Web Services的模糊匹配

Web服务发现过程本质上是用户请求和服务匹配的过程。传统的UDDI发现技术是通过精确匹配实现的,不能较好地支持基于概率和语义约束的模糊匹配。针对这种情况,在基于现有的OWL-S匹配上,进一步增加了以隶属函数、语义距离、阈值为基础的模糊匹配,形成了两级匹配。并通过对语义表示的服务能力进行模糊聚类,这种机制减少了搜索空间,提高了发现效率及匹配的精度。     

一种动态监测模型的研究

在开放动态的网络环境中,分布式软件呈现出规模庞大、松散聚合、行为复杂等特点,需要对其进行动态监测。提出了一种由策略驱动的监测模型,该模型由适应性策略选择AOP切面,监测模型的监测器由这些切面组成。利用动态织入机制,在目标系统运行过程中,随着监测值的变化,适应性策略动态地增加或删除监测器。因此,监测模型能自适应程序和当前系统的变化,动态调整监测强度,以使监测负载保持均衡,从而取得最佳监测效果,达到动态监测的目的。模拟实验结果表明,所设计的监测模型是合理的。