异构空间信息的分级共识模型研究

Internet上异构、分布的空间信息因各自独立、相对封闭而无法相互沟通和协作,从而形成了空间信息孤岛。论文利用计算机的知识表示理论和Ontology技术能够明确表达相关领域共识的特点,探索性地提出了异构空间信息的分级共识模型。该模型为解决上述问题提供了一条切实可行的新思路。     

带部分标记的软件行为踪迹研究

在网络化软件交互过程中,事务产生的行为序列中某些行为的标记(Token)丢失或不可用,导致无法对这些事务进行进一步的分析和处理,比如事务追踪、行为描述、行为模板提取等都难以实现.为了解决这个问题,首先提出了事务处理过程满足马尔科夫性(Markov)的状态转移模型(STM),再将该模型中的状态根据状态划分算法,分割成若干偶图子系统,并分别将这些偶图子系统转化为网络流图,最后采用网络流中最大流(MF)方法对状态转移模型中带部分标记的行为踪迹重新标识,将标识的结果整理成完整的踪迹序列,为后续的行为分析提供便利.实验结果表明,文章提出的方法是有效和可行的.     

以就业为向导的IT人才培养实训教学模式探讨

综合分析了本科应用型人才的特点和计算机本科应用型人才的社会需求,提出了”以就业为导向,与企业结合,依托实习实训基地,按照“2＋1＋1”的人才培养教学模式,以能力为本位,以项目为驱动,培养具有全面素质、理论基础扎实、知识面宽、实际动手能力强的复合性应用型IT人才。     

普适环境下陌生交互实体的行为分析与预测*

基于普适环境下陌生交互实体之间没有先验交互经历,为了该环境的计算安全,必须确保其交互的行为可信,提出一种基于嵌套的狄利克雷过程和无限隐马尔可夫模型的行为分析与态势预测模型。该模型能有效地预防陌生实体交互过程中反常、欺诈等行为,对不可信的行为提前干预,避免产生严重的后果。最后举出模型在智能商场中应用并仿真分析了模型的可行性。     

基于云端协同计算架构的边缘端I/O密集型虚拟机资源分配方案

大型制造业生产车间业务流程复杂,传统固定资源配置方式将产生负载不均衡的问题。针对此问题,设计并实现了一种基于云端协同架构的边缘端I/O密集型虚拟机资源的分配算法,通过定义计算节点中每个I/O密集型虚拟机三个维度的信息计算得出I/O密集型虚拟机的优先级,并按最大优先级队列实时统一分配硬件资源。实验结果表明,该算法在应对工业机械设备高响应和高通量的要求上有较为明显的提升,为实际生产起到了优化资源配置的作用。     

基于Hadoop的鼓风机工业数据处理和存储系统

针对现有工控网系统不能高效稳定地接收并处理来自工业现场的海量传感数据问题,基于Hadoop框架,采用消息队列遥测传输(MQTT)作为数据接入协议、EMQ消息队列服务器提供订阅发布接口、Flink作为流计算平台、Kafka作为消息队列缓存分流以及OpenTSDB数据库作为数据存储,设计并实现鼓风机工业大数据处理和存储系统。实验表明,此系统消除了工业制造过程中产生的海量数据信息孤岛,实现生产设备状态动态监测及实时预警。     

质量工程实施进程中软件工程专业人才培养模式的研究与实践

本文针对传统人才培养模式存在的弊端,论述了以培养具有高素质创新能力的复合型人才为目的,将高等教育从以教师为中心转变到以学生为中心的轨道上来,设计并实施"招生—培养—就业"一体化的完整培养模式。同时,本文阐述了改革软件工程专业的课程体系,以及建立完善的、与课程体系配套的实训、培训的"双训"教学体系。这些改革措施取得了明显成效,为软件工程人才培养提供了有益的经验。     

语义Web服务的相似性方法研究

针对目前的Web服务处理效率低下的问题，主张通过对web服务添加丰富的语义描述，将需求者的要求按约束的形式形成服务模板，然后将服务模板与服务注册库中的服务进行基于语义的相似性评价，从而形成候选服务集合，最后从该集合中找到能全面满足需求者要求的最佳服务。这在很大程度上提高了web服务处理的精准度和效能。     

软件交互行为的可信性分析与态势预测研究

研究现代分布式软件系统中交互实体的行为可信性问题,关注运行期意图、情景、行为和行为效应之间的关系,采用先进的统计机器学习工具分析行为踪迹规律,提出了一个新的软件行为分析与态势预测方法.针对松散聚合的交互实体间可能产生新的交互事件和行为模式的问题,本文用分层Dirichlet过程和无限隐Markov模型对被监测的交互接口数据进行聚类确定未知交互事件,用含有未知事件的序列进行行为模式的半监督学习,由管理者将其添加到规则与知识库中.在确定未知事件和行为模式时,用Beam抽样方法较其他方法(如Gibbs抽样)有更高的数据抽样和推理效率.当知识库的行为模式达到一定规模时,系统便可以无监督地对交互行为进行分析和预测.本文用HMM的Viterbi算法分析当前交互事件的最佳序列,从而确定当前交互行为的善恶,对恶意行为及时报警,对非恶意行为的后续趋势进行主动预测.通过仿真实验证实了该方法在软件行为分析与预测上具有独特的优势.