支持向量方法在动态数据流监测中的应用

基于支持向量数据描述算法,快速地检测出动态数据流中的异常数据,为监控对象提供早期预警、状态评估和决策支持.该算法在训练阶段只需要正常样本,无需故障样本信息,最终构建能够描述所有正常样本空间的超球体,决策阶段利用与超球中心的距离进行相似度评判.通过实验表明,该方法能有效发现动态数据流模式中的变化.     

一种支持嵌入式实时应用的数据流管理系统

论文介绍了数据流技术研究、发展状况,而后讨论了数据流管理系统在嵌入式实时系统中的作用,在此基础上,给出了一个支持嵌入式实时应用的数据流管理系统RealStream,详细介绍了RealStream的体系结构及其基于触发器的多重动态查询优化机制。     

管理过程控制系统：工作流思想的一种新的应用模式

提出的管理过程控制系统将工作流思想应用于较低层次的管理支撑层。它采用面向信息流框架的机制来定义、协调、监督和控制管理过程,并使系统本身能独立于应用系统而存在,从而解放了应用系统的开发环境,摆脱了复杂、动态的流程和传统工作流管理系统中受过程定义模型约束的限制。该系统还具有运行时间步协作、信息继承和基于过程实例的动态流程控制的功能,可以作为企业信息设施的一个基础部件,支持工作流在复杂过程管理环境中的应用。     

面向数据流的多粒度时变分形维数计算

在大数据时代,数据流是一种常见的数据模型,具有有序、海量、时变等特点.分形是许多复杂系统的重要特征,分形维数是度量系统分形特征的重要指标量.数据流作为动态的复杂系统,其上的分形维数应具有动态、时变、多粒度等特性.提出了多粒度时变分形维数的概念,并设计了基于小波变换技术的数据流多粒度时变分形维数算法.该算法通过对数据流进行离散小波变换,并利用多粒度小波变换树结构在内存中保存数据流的概要信息,可以同时在不同的时间粒度上实时地计算数据流时变分形维数.该方法具有较低的计算复杂度,实验结果表明:该方法可以有效地监控数据流分形维数在不同粒度上的时变特征,深刻地揭示数据流的演化规律.     

一种动态数据流的实时趋势分析算法

有效的趋势提取可提供监控对象早期预警、评估监控对象状态和决策支持信息.基于增量递推最小二乘回归参数估计和广义似然比变化点检测算法,提出一种动态数据流趋势分析算法.其计算实时性和分精度均比现有算法有明显的改进.仿真实验结果验证了该算法的有效性.     

使用后向信息的动态数据流分析

介绍了动态数据流分析的基本方法,分析了它在复杂控制流条件下的不足,提出了一种能够使用后向信息来进行动态数据流分析的BPD测试方法,该方法能够消除动态死码的副作用,从一个循环中提取相当部分的并行性。给出了在SPEC95基准程序包中的fpppp.f的实验结果,验证了BPD测试可以获得其他现有方法不能取得的显著的加速比。     

RPL:一种基于反应式Agent的机器人编程语言

开放环境下的机器人具有环境敏感性、行为自主性和并发性、反应实时性等特点,这对支撑这类机器人的控制软件及其编程语言提出了新的要求,包括支持对环境进行显式表示,支持自主和并发的行为,需要对行为间在时间、空间、物理上的关系进行规约等等.面向Agent的编程语言将软件系统的基本执行单元视为自主的软件Agent,它为机器人控制软件的构造提供了新的方法和思路.针对开放环境下机器人特点对其编程语言的要求,提出了基于反应式Agent的编程模型RECA和编程语言RPL.RECA将单个机器人的软件系统视为一个反应式Agent,它包括Sen-sorEvent、EventRule和ScenarioBehaviour 3个组成部分,其中SensorEvent是对机器人所处环境信息变化的一种封装;ScenarioBehaviour是对机器人的不同行为进行的规约;EventRule定义了机器人环境输入到行为输出的动态绑定关系.RPL提供了一系列的机制来支持机器人控制软件的编程,包括事件机制、多线程机制、优先级描述、行为动态绑定.最后介绍了RPL程序开发和运行支撑环境的技术框架,并基于NAO机器人分析了机器人作为老人生活助理的案例,验证了该编程模型、语言和运行支撑环境的有效性.     

挖掘数据流滑动时间窗口内Top-K频繁模式

由于数据流滑动时间窗口中流数据包含模式的支持度是动态变化的,很难给出一个合适的支持度门限来挖掘数据流滑动时间窗口内的频繁模式.在研究数据流滑动时间窗口内流数据变化特点的基础上,论文提出了一种挖掘数据流滑动时间窗口内Top-k频繁模式的方法,该方法能够在保证模式挖掘误差基础上快速删除窗口内不频繁模式信息,保留重要的模式信息,并能按照支持度降序输出Top-k频繁模式.仿真实验结果表明,该算法具有较好的效率和正确性,并优于其它同类算法.     

基于网格监控系统的动态监控间隔的研究

网格环境是由很多元素构成的高度复杂的分布式计算环境。对于网格来说,监控其中每个计算节点的状态是至关重要的。然而频繁地监控资源的状态信息会增加系统的负担。本文提出一种动态调整监控间隔的方法, 来降低监控服务所需的花费,并利用动态监控间隔来准确地获取监控事件,最后通过在网格环境下进行实验,对该方法做出客观的评价。     

基于WSN的精准农业远程环境监测系统设计

准确和实时的获取农作物生长的环境信息是实施和推进精准农业的基本前提。在对现有农业环境监测系统和无线传感器网络充分研究的基础上,构建了基于无线传感器网络的精准农业监测系统的设计方案,介绍了系统的总体结构及软硬件设计,提出了三层监测网络结构,详述了无线传感器网络的构建及数据传输过程,结合GPRS网络实现了信息的远程实时交互...     

Deep Web集成中数据模式映射失效检测方法研究

查询接口集成是Deep Web数据集成的关键,在动态环境下,Web数据源的变化会引起数据模式映射的失效,使得查询接口集成维护难度增加,因此数据模式映射失效检测是Deep Web数据集成研究中的热点问题.针对目前数据模式映射失效检测方法的局限,在模糊聚集算子的研究基础上,提出一种适用于数据模式映射失效检测的结果融合算法.通过实验对比测试,并对映射失效检测方法的性能和效率进行了分析和实验,结果证明了提出的方法对于失效模型的检测是有效的.     

基于概要数据结构的全网络持续流检测方法

持续流是隐蔽的网络攻击过程中显现的一种重要特征，它不产生大量流量且在较长周期内有规律地发生，给传统的检测方法带来极大挑战。针对网络攻击的隐蔽性、单监测点的重负荷和信息有限的问题，提出全网络持续流检测方法。首先，设计一种概要数据结构，并将其部署在每个监测点；其次，当网络流到达监测点时，提取流的概要信息并更新概要数据结构的一位；然后，在测量周期结束时，主监测点将来自其他监测点的概要信息进行综合；最后，提出流持续性的近似估计，通过一些简单计算为每个流构建一个位向量，利用概率统计方法估计流持续性，使用修正后的持续性估计检测持续流。通过真实的网络流量进行实验，结果表明，与长持续时间流检测算法（TLF）相比，所提方法的准确性提高了50%，误报率和漏报率分别降低了22%和20%，说明全网络持续流检测方法能够有效监测高速网络流量。     

Fault detection in dynamic systems using the Kullback–Leibler divergence

This paper proposes detecting incipient fault conditions in complex dynamic systems using the Kullback–Leibler or KL divergence. Subspace identification is used to identify dynamic models and the KL divergence examines changes in probability density functions between a reference set and online data. Gaussian distributed process variables produce a simple form of the KL divergence. Non-Gaussian distributed process variables require the use of a density-ratio estimation to compute the KL divergence. Applications to recorded data from a gearbox and two distillation processes confirm the increased sensitivity of the proposed approach to detect incipient faults compared to the dynamic monitoring approach based on principal component analysis and the statistical local approach.     

An adaptive framework for monitoring agent organizations

Multiagent technologies are usually considered to be suitable for constructing agent organizations that are capable of running in dynamic and distributed environments and that are able to adapt to changes as the system runs. The necessary condition for this adaptation ability is to make agents aware of significant changes in both the environment and the organization. This paper presents mechanism, which helps agents detecting adaptation requirements dynamically at run time, and an Trace&Trigger, which is an adaptation framework for agent organizations. It consists of an event-tracing-based monitoring mechanism that provides organizational agents with information related to the costs and benefits of carrying out an adaptation process at each moment of the execution. This framework intends to overcome some of the problems that are present in other approaches by allowing the dynamic specification of the information that has to be retrieved by each agent at each moment for adaptation deliberation, avoiding the transference of useless information for adaptation deliberation. This framework has been integrated in the Magentix2 multiagent platform. In order to test its performance benefits for any agent organization, an example based on a market scenario is also presented.     

无线传感器网络拓扑的监控与维护

以ZigBee协议为基础,提出了一种新的无线传感器网络拓扑结构的监控和维护方法。创新性地设计了基于叶子节点的通讯模式,该模式运用协议栈自有运行流程来获取节点的加入或丢失信息、实现网络拓扑的监控,并通过设计一种基于关联表的链表式存储结构来进行动态网络拓扑的维护。经过在实际办公环境监控平台上验证表明,该方法数据传输量小,资源占用少,操作简便,具有较强的应用推广价值。     

独立成分相关分析的自适应故障监测方法

工业过程数据具有动态、非高斯等特性.独立成分分析(independent component analysis, ICA)既可以分析数据的非高斯形式,又可以极大地去除多变量间的耦合且满足独立性要求.本文引入粒子群算法优化ICA模型参数,自适应地确定独立成分个数.同时,提出一种基于隐马尔科夫链模型(hidden Markov model, HMM)的自适应检测限设计方法,将时间相关数据块的特征信息变化作为过程故障的检测依据.首先利用由时间窗方法确定的独立成分组成监测矩阵来训练HMM模型,旨在提高独立成分间相关性水平的表示能力;然后将得到的HMM模型对监测矩阵进行相关性评估,并在一定容许裕度的基础上设计评估值的自适应因子及检测限,并据此监测特征信息变化,动态地进行在线故障检测.最后, Tennessee Eastman (TE)仿真平台的实验结果表明了所提方法的有效性.     

AAOP-based dynamically reconfigurable monitoring system

A key aspect of resource management is efficient and effective deployment of available resources whenever needed. The issue typically covers two areas: monitoring of resources used by software systems and managing the consumption of resources. A key aspect of each monitoring system is its reconfigurability – the ability of a system to limit the number of resources monitored at a given time to those that are really necessary at any particular moment. The authors of this article propose a fully dynamic and reconfigurable monitoring system based on the concept of Adaptable Aspect-Oriented Programming (AAOP) in which a set of AOP aspects is used to run an application in a manner specified by the adaptability strategy. The model can be used to implement systems that are able to monitor an application and its execution environment and perform actions such as changing the current set of resource management constraints applied to an application if the application/environment conditions change. Any aspect that implements a predefined interface may be used by the AAOP-based monitoring system as a source of information. The system utilizes the concept of dynamic AOP, meaning that the aspects (which are sources of information) may be dynamically enabled/disabled.     

基于声源定位技术的智能视频监控系统

针对目前的大部分视频监控系统都是基于图像检测的静态或动态监控,提出了在智能视频监控系统中应用声源定位和摄像头动态采集进行联合判决的方案。系统采用麦克风阵列对声源进行定位,然后驱动摄像头转动到声源位置监控,通过图像分析给出报警动作。实验结果表明,该系统在低噪声干扰的实验环境下,能实现对声源的有效定位,并进行异常情况报警。     

Real-Time business data acquisition: How frequent is frequent enough?

Effective data acquisition for business process monitoring has become a critical element in today’s business world. While the need for monitoring is generally agreed upon by both re- searchers and practitioners alike, the means and mechanisms are often vague. This is especially salient with the fast growing availability of various technologies to monitor in real-time through recent advances such as the Internet of Things (IoT) with specific emphasis on Radio-Frequency IDentification (RFID) and associated sensor networks. This study is motivated by the lack of published literature in data acquisition and analytics that specifically addresses sufficient real-time data acquisition for effective managerial monitoring. As a step in addressing this void, we review and extend existing literature in this general area by studying various requirements and information sources that relate to effective management monitoring. We then design an exploratory study to evaluate current managerial monitoring needs and the importance of automated data collection technologies. Results from this study show that the most important latent factor that influences an organization’s information need is its dynamic competitiveness, and consequently, companies with a dynamic supply chain would need a faster transaction and operations data system. The second important latent factor is the behavioral performance, which renders it essential to have a human-centric data system. This study provides evidence for the significance in adopting technologies such as RFID and other IoT systems for real-time monitoring in highly dynamic organizations and offers guidelines for analytical technology adoption for various industries.