一种基于一致性准则的属性约简算法

粗糙集方法提供了一种新的处理不精确、不完全与不相容知识的数学工具.属性约简是粗糙集理论的重要研究内容之一,已有的大多数属性约简算法主要针对离散值属性的约简,面向连续值属性的约简报道较少.为此,在引入新的对象一致性定义后,提出一种新的基于一致性准则的属性约简模型,该模型可针对离散或连续值属性进行有效的约简,是经典粗糙集属性约简模型的有效推广.依据新模型,提出了一种基于一致性准则的属性约简算法,该算法可有效进行连续值属性的约简,且通过错分对象数的控制可有效增强属性约简的有效性.理论分析和实验表明提出的算法是有效可行的.     

密钥提取中相干干扰抵消原理及应用研究

在无线通信利用物理层属性进行加密中,当通信双方受到噪声和干扰的影响时,导致双方对信道估计存在较大误差,进而提取的密钥存在较大的不一致。文中提出了一种基于两时隙双天线相干干扰抵消方法,将接收阵元数降到最低,并有效地降低了计算的复杂度。通过人为制造信号重发,使两时隙期望信号相同,而干扰不同。同时利用信号和干扰不相关原理,进行干扰消除。MATLAB实验及仿真结果表明,该方法可以有效地消除干扰信号,提高生成密钥的一致性。     

基于变化的服务演化一致性判定

由于Web服务处在开放、动态、多变的网络环境下,为了有效响应用户需求、运行平台及外部环境的变化,服务必须具备演化的能力。演化后的服务应维持与原伙伴服务或服务用户之间的正常交互,这种性质称为演化一致性。由于Web环境的多样性,服务开发者对演化一致性的判定的标准并不统一。对于服务演化一致性判定问题,现有方法大多基于固定的判定标准,缺乏可调节、细粒度的定量分析且不能显式地反映服务版本之间的变化。针对上述不足,面向服务演化导致的变化,从服务的结构层和非功能层两个角度建立基于变化的服务描述模型,并在该模型的基础上引入演化一致度对演化一致性进行度量。基于所提出的方法,设计并实现了一个服务演化一致性判定工具,验证了所提出方法的可行性与有效性。     

图符一致性对识别效率及可靠性的影响

针对已有研究对图符一致性的影响考虑还不充分的不足,采用被试内实验设计,研究了人机界面图符一致性对识别效率及可靠性的影响。实验共分五组：实验一建立图符形状与指代功能之间的联系（建立用户心理模型）;实验二考察图符外观/形状一致性的影响;实验三考察功能按键位置一致性的影响;实验四和实验五考察图符外观/形状与功能/语义匹配一致性的影响。五组实验的错误率差异的卡方检验结果为：实验四＞实验五=实验三=实验二=实验一;反应时差异的单因素方差分析结果为：实验五=实验四＞实验三=实验二=实验一。结论：外观/形式与功能/语义的“匹配/对应”是界面一致性的核心。相似图符形状指代原有功能时,识别存在学习的正迁移;图符外观一致而指代的功能不一致或反之（新图符指代原有功能）时,识别则会由于心理模型冲突而造成学习的负迁移,表现为识别效率和可靠性的降低。     

面向读密集型应用的事务内存云研究

对于读密集型的云计算应用,现有系统很难同时满足它们对性能、一致性与可用性的需求。因此提出了一种基于事务内存和云存储技术的编程与存储模型TMC,能为云应用提供可配置的事务特性与数据存储服务。TMC包括事务与存储两个组件,事务组件允许所有只读事务无需远程验证即可顺利提交,其他事务则采用2PC算法提交;存储组件负责实现系统的可扩展性与可用性。仿真实验结果表明,TMC具有较高的性能与可用性。系统若经进一步改进和优化,将具有应用于实际生产环境中的潜力,可为用户提供高质量的云计算服务。     

Ranking consistency for image matching and object retrieval

The goal of object retrieval is to rank a set of images by the similarity of their contents to those of a query image. However, it is difficult to measure image content similarity due to visual changes caused by varying viewpoint and environment. In this paper, we propose a simple, efficient method to more effectively measure content similarity from image measurements. Our method is based on the ranking information available from existing retrieval systems. We observe that images within the set which, when used as queries, yield similar ranking lists are likely to be relevant to each other and vice versa. In our method, ranking consistency is used as a verification method to efficiently refine an existing ranking list, in much the same fashion that spatial verification is employed. The efficiency of our method is achieved by a list-wise min-Hash scheme, which allows rapid calculation of an approximate similarity ranking. Experimental results demonstrate the effectiveness of the proposed framework and its applications.     

基于状态约简的顺序图和状态图一致性检测

为了解决系统设计过程中模型一致性问题,提出了一种对UML顺序图和状态图的语义一致性检测方法。该方法对顺序图和状态图一致性进行符号化描述,为一致性检测提供理论基础;提出状态约简规则和状态约简算法,能够减少冗余状态和迁移,证明了状态约简不影响一致性检测;提出改进的UML模型到PROMELA的转换方法并使用SPIN进行验证。实验表明上述方法能够有效地检测顺序图和状态图的一致性,在验证过程中减少冗余状态和迁移,转换后的代码结构简单、执行效率高。     

CIM建模及模型形式化方法研究综述

以模型为驱动的开发方法是当前软件工程领域研究的热点,计算无关模型(computation independent model,CIM)在模型驱动架构中关注系统的需求和环境,其有效的建模方法和模型形式化是实现高层概念模型至代码自动转换的关键.首先介绍了现有CIM建模内容和方法;然后分析了现有CIM模型形式化方法现状与不足;最后探讨了针对不同应用系统可行的多视图多层次CIM建模方法及一致性问题研究,并提出CIM完全形式化方法研究的可行方案.     

大规模图像集中的代表性图像选取

针对传统图像检索系统通过关键字搜索图像时缺乏语义主题多样性的问题,提出了一种基于互近邻一致性和近邻传播的代表性图像选取算法,为每个查询选取与其相关的不同语义主题的图像集合. 该算法利用互近邻一致性调整图像间的相似度,再进行近邻传播（AP）聚类将图像集分为若干簇,最后通过簇排序选取代表性图像簇并从中选取中心图像为代表性图像. 实验表明,本文方法的性能超过基于K-means的方法和基于Greedy K-means的方法,所选图像能直观有效地概括源图像集的内容,并且在语义上多样化.