首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  免费   0篇
  国内免费   2篇
自动化技术   5篇
  2022年   1篇
  2020年   1篇
  2015年   2篇
  2014年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
Web软件是一种典型的基于Internet的软件形态,它自身的特点决定了其运行时的可靠保障以及质量优化都需要系统具有一定的自适应能力。对于服务化的Web软件系统而言,各服务之间的动态资源分配是实现运行时自适应的重要基础。针对这一问题,构建了一个基于Web的在线购物系统,并在此基础上对基于Web服务资源动态分配及负载均衡的Web软件系统运行时自适应技术进行了研究。对Web软件系统的运行时自适应管理问题进行了分析,提出并实现了资源动态分配及负载均衡方法,在此基础上针对在线购物系统进行了有效性验证。实验结果表明,优化的资源动态分配及负载均衡方法可以有效地提高Web软件系统的运行质量。  相似文献   
2.
随着云计算的流行和发展,越来越多的应用系统被部署在云服务器上,以可伸缩的方式按需获取虚拟资源并按使用量付费。因此,如何在保证应用系统优化运行的同时以一种考虑成本效益的方式来分配和使用虚拟资源就成了一个重要的研究问题。传统的手工调整方法不但会增加系统管理员的负担,而且准确性较差并有一定的延迟。现有的虚拟资源动态分配方法大多是在发现系统运行时质量问题后进行资源动态调整的,因此具有一定的延迟性,而且还忽略了虚拟资源的异构性带来的影响。针对这些问题,提出了一种基于控制理论的虚拟资源动态分配方法。该方法使用一个前馈控制器来动态调整虚拟资源的数量,同时使用一个反馈控制器来动态调节各个虚拟资源处理的负载比例,从而实现应用系统的优化运行和虚拟资源的有效利用。与静态虚拟资源分配方法以及仅包括前馈控制方法的对比实验表明,所提出的方法能够在保证应用系统优化运行的同时提高虚拟资源利用的有效性。  相似文献   
3.
随着技术的发展,信息物理融合系统(cyber-physical system,简称CPS)系统在生活中扮演着越来越重要的角色,例如电力系统,铁路系统.如果CPS遭到攻击,将对现实世界的正常运转造成巨大影响,甚至威胁生命安全.垂悬指针是指向的区域被释放后未被置为空的指针,它是一种会导致攻击的软件缺陷.由垂悬指针导致的use-after-free和double-free漏洞能够执行任意恶意代码.迄今为止,只有少量工作针对垂悬指针进行检测、防御.其中多数都会导致过高的额外运行时开销.本文提出DangDone用于检测和防御垂悬指针.首先,我们通过静态分析检测潜在垂悬指针.然后,基于检测到的垂悬指针信息和一系列预定义的指针变换规则,依据指针传播信息变换指针,使得指针及其别名都指向同一个新引入的指针.基于该方法,我们实现了DangDone的原型工具.基于11个开源项目和SPEC CPU benchmark的实验结果表明,DangDone的静态分析部分只有33%的误报率,指针变换部分只引入了1%左右的额外开销.同时,DangDone成功防护了11个开源项目中的use-after-free和double-free漏洞.实验结果体现了DangDone的高效率及有效性.  相似文献   
4.
随着移动计算技术的发展,移动设备用户可以服务的方式共享移动设备及其周围设备的计算能力和计算资源.然而,移动设备的私有性、资源受限性以及移动性等特征使得这种基于移动设备提供的个人化服务在发布和组装方面存在着一些特殊问题,例如用户隐私、移动设备资源消耗、网络环境变化引起的失效问题等.针对以上这些问题,提出一种移动计算环境下的个人化服务发布和组装方法.该方法在个人化服务发布过程中引入了服务意愿的概念,并在服务选择过程中综合考虑了服务意愿和服务效用.此外,还提出了资源感知的心跳机制来定期更新服务选择所依赖的设备及服务状态信息,从而解决由于网络环境变化等引起的服务失效问题.基于该方法,提出了一个基于JADE和OSGi的实现框架.通过一个案例分析,验证了所提出的实现框架的有效性以及在移动计算环境下考虑服务意愿的合理性.  相似文献   
5.
基于机器学习的问题单分类方法无法捕获问题单的文本信息(如标题和描述)中的隐藏语义,从而有碍分类的准确性。为了解决上述问题,从GitHub的1 286个Java项目中,研究了794 601个问题单的标签用法,并识别6个常用的标签来描述问题单类别。提出一个语义增强方法DeepLabel,来自动地对问题单的类别进行分类。DeepLabel建立在神经网络架构上,用于学习问题单中标题和描述的语义表达及问题单和标签之间的语义关联。对30 000个有标签的问题单的实验评估结果表明,DeepLabel在宏平均(Macro-averaging)和微平均(Micro-averaging)的F1-socre上均达到了67.3%,分别较基准方法提高了8.1百分点和8.8百分点。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号