基于Petri网的RFID中间件中复合事件检测研究

探讨了一种利用复杂事件处理技术处理RFID高层业务逻辑的机制.通过用复合事件来表达RFID应用系统中常见的高层业务逻辑,将对业务逻辑的处理转化为RFID中间件对复合事件的检测.从RFID中间件检测行为的角度探讨了在这一转化过程中事件定义和事件检测的若干关键问题.基于有色网定义了RFID事件流检测网系统作为RFID事件检测模型的描述工具.给出了事件检测模型的构造规则.根据检测模型的网结构特征对具有复杂层次的复合事件的可检测性进行了分析.     

随机高级Petri网在异构系统中的应用

传统的随机高级Petri网(Stochastic high-level Petri nets,SHLPNs)通过将多个同构子系统压缩成一个子系统,并将具有相同标记分布的多个标识压缩成一个标识(复合标识),从而有效地减小模型规模和状态空间.但该方法仅适用于若干同构子系统组成的系统中,本文将这种方法扩展,通过引入非对称的变迁实施谓词和扩展的复合标识,精确地模型并分析异构系统,同时也保持了SHLPNs在化简模型和状态空间方面的优越性.     

使用Petri网检测主动数据库中的复合事件

由于近年提出的一些描述事件定义的语言，主动数据库系统中事件的检测成一难题，尤其是复合事件的检测。因此，需要一个合适的、能模拟复合事件语义并且能实现事件检测器功能的机制。本文将描述如何用Petri网在主动数据库系统中实现这样一个机制，实验证明S-PN不仅合适于各种复合事件的模拟，而且执行也方便。     

一种基于Petri网的监控视频事件抽取方法

通过扩展Petri网定义,提出了一种监控视频事件时空关系和逻辑关系的描述方法,通过将语义级的查询事件映射成Petri网,再在Petri网推理过程中结合计算机视觉算法对场景运动目标行为的解释,实现了有关运动目标行为的事件抽取和相应监控视频片段的定位.     

同步时序电路的增广Petri网分析

本文应用带抑制弧的增广Petri网建立了基本门电路和常用触发器的Petri网模型;并运用该模型描述了同步时序电路;提出了增广Petri网的授权矩阵、状态转移方程和触发器次态与变迁授权条件的关系。在此基础上可对同步时序电路描述和分析,并用实例证明了该方法的有效性。     

随机Petri网模型中变迁的串、并联性能等价化简技术

随机Petri网的状态空间爆炸问题的研究始终是Petri网研究的主要问题之一.在随机Petri网模型中,变迁的串、并联是Petri网模型的主要基本形式,对它的化简不仅有助于解决随机Petri网状态空间的爆炸问题,而且也为其他随机Petri网的化简技术提供一个坚实的基础.另外在诸如工作流、多媒体等重要的随机Petri网模型中也存在大量的变迁的串、并联结构,所以对随机Petri网模型变迁的串、并联的化简,特别是能够推导出它的性能等价的数学公式就显得很有必要.本文详细阐述了随机Petri网变迁的串并联的模型化简技术,推导出了变迁的串、并联化简的性能等价公式,并给出一个化简的例子,最后对结果的相关问题进行了分析.     

基于蚁群优化的时间Petri网及其在柔性制造系统调度优化中的应用

Petri网的优化调度求解主要采用基于状态空间的智能搜索方法,执行效率往往不高.提出基于蚁群优化的时间Petri网,通过在Petri网的变迁和进化规则中引入蚁群优化机制,改变Petri网原有的非确定性选择行为,使之具备蚁群寻优选择智能行为,克服了需要基于状态空间进行启发式搜索的缺陷,提高了调度优化的计算效率.最后应用蚁群优化时间Petri网模型,对柔性制造系统的区间Job Shop调度问题进行建模和优化求解.实验结果进一步验证了所提模型和方法的有效性.     

控制电路基于Petri网元件的图形化设计与仿真研究

Petri网是异步并发系统建模的重要工具,正越来越多地被应用在超大规模集成电路之中,从系统的Petri网模型直接获得相应的逻辑电路是许多学者研究的目标.文章在通用的EDA软件中,使用硬件描述语言建立Petri网元件,并给出了它们的源代码.对于Petri网中的C/E系统,变迁用组合逻辑电路实现,库所用时序逻辑电路实现;而对于P/T系统,为了减少连线,库所和它的输入、输出变迁一起组成一个元件.在对一个受控系统建立了控制器的Petri网模型后,通过调用元件库中的Petri网元件,绘制控制器的Petri网图,经编译、仿真、优化、适配、下载在CLPD或FPGA中,就可获得控制器.Petri网元件与其它电路元件可混合使用,这为控制器的设计与实现提供了一种新的有效途径.文章分别给出了C/E系统和P/T系统的实例,仿真结果表明基于Petri网元件的图形化设计方法的正确性.     

基于Petri网的电网故障诊断方法研究

提出基于Petri网理论的地区电网故障分层诊断方法。根据变迁的发生及库所中托肯的转移得到稳态Petri网模型,最终确定故障元件。该方法采用图形化和解析式对电网故障诊断过程进行描述,实现具有信息预处理及启动检测、故障的检测、网络结构的更新、故障诊断、设备动作行为评价、人机交互等功能。并在局部电网中进行了诊断与分析验证。     

网络管理中事件关联检测机制的研究

网络事件的关联检测是网络管理需要解决的一个关键问题,本文根据分布式网络管理的特点,首次明确定义了网络事件的基本关联关系,在此基础上提出了一种基于Petri Net的事件关联检测机制,实现了基于事件内容的细粒度关联检测,并且在事件检测中充分考虑了时间因素,有效地提高了事件关联检测的准确性。     

一种基于多尺度实例学习的视频事件检测算法

现有的大多数视频事件检测方法首先从视频帧或视频快照中提取特征,然后对特征进行量化和汇集,进而为整个视频生成一个向量表示.最后的汇集步骤虽然简单高效,但是可能丢失时间局部信息,而这些信息对于确定长视频中事件发生的位置具有重要作用,从而削弱了事件检测的准确性.为此,本文首先将每个视频表示为多个“实例”,并将其定义为不同时间间隔的视频段.然后,针对每个视频的正实例比例已知和未知两种情况,提出基于多尺度实例学习的检测算法,在将实例标签看成隐藏潜在变量的同时推断出实例标签以及实例尺度的事件检测模型.最后,利用大规模视频事件数据集进行了全面的仿真实验,结果证明了本文算法具有显著的性能提升.此外,算法还可以确定视频中导致正检测的时间段的位置,进而对检测结果做出解释.     

航迹合成中的资源协同选择策略

针对信息栅格支持下的航迹合成中的资源利用问题,提出了一种以满足目标跟踪服务为目的的传感器资源协同选择策略。首先建立了以服务为驱动的航迹合成框架,然后利用基于协方差的目标跟踪精度描述服务需求,建立了信息栅格中资源协同选择的策略模型,最后给出了传感器资源选择的算法步骤,并进行了算法的仿真。仿真结果表明,该算法既能根据服务需求对目标进行跟踪,又能够根据目标跟踪精度动态调整进入融合中心的传感器资源,最大限度地降低对资源的使用。     

传感器网络中基于事件信息量的公平性控制

在分析无线传感器网络现有公平性控制方法的基础上,依照新的公平性控制的基本原则实施带宽分配,即事件信息量是节点传输的有效信息量,公平性带宽分配是按事件信息量的比例来分配,如何计算带宽竞争节点所传的事件信息量是实现该基本原则的关键.针对事件信息均匀分布的情况,提出了以事件信息量为基础的公平性控制(EFFRC,event faith based fair rate control)算法,该算法将事件信息量的计算转换为事件区域大小的计算,并通过区域细分,将任意形状的事件区域大小的计算转换为若干四边形区域大小的求和,从而达到信息量计算的目的.实验表明,EFFRC算法能够有效计算事件信息量,实现公平的带宽分配.     

面向句义及句法的事件检测模型

事件句的句法结构有助于语义理解。针对中文领域的事件检测任务,本文设计了面向句义及句法的事件检测模型(BDD)以增强对事件句的理解能力。以基于来自变压器的双向编码器表示(BERT)的动态词向量为信息源,设计基于依存树的长短时记忆网络模型(D-T-LSTM)以融合学习句法结构及上下文语义,并加入基于依存向量的注意力机制强化对不同句法结构的区分度,在中文突发事件语料库(CEC)上的实验证明了本文模型的有效性,精确率、召回率、F₁值均靠前,且F₁值比基准模型提升了5.4%,召回率提升了0.4%。     

基于RFNN的复杂机动事件检测方法

针对态势评估中复杂机动事件检测的精度及实时性问题,提出了基于粗糙集-模糊神经网络(RFNN)的事件检测方法,通过粗糙集理论获取数据样本中的最简规则集,然后根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值,最后用BP算法迭代求出网络的各种参数.仿真结果证明RFNN用于复杂机动事件检测的有效性,同时可以发现其在...     

基于贝叶斯融合的时空流异常行为检测模型

针对直接利用卷积自编码网络未考虑视频时间信息的问题,该文提出基于贝叶斯融合的时空流异常行为检测模型。空间流模型采用卷积自编码网络对视频单帧进行重构,时间流模型采用卷积长短期记忆(LSTM)编码-解码网络对短期光流序列进行重构。接着,分别计算空间流模型和时间流模型下每帧的重构误差,设计自适应阈值对重构误差图进行二值化,并基于贝叶斯准则对空间流和时间流下的重构误差进行融合,得到融合重构误差图,并在此基础上进行异常行为判断。实验结果表明,该算法在UCSD和Avenue视频库上的检测效果优于现有异常检测算法。     

基于隐马尔可夫模型的中文文本事件信息抽取

提出了一种基于隐马尔可夫模型的中文文本事件抽取方法,该方法首先通过触发词探测从文本中发现特定的候选事件语句,然后利用隐马尔可夫模型从这些语句中抽取每个候选事件的事件要素,为每一类事件要素构建一个独立的隐马尔可夫模型用于该类事件要素的抽取,构建模型的关键是模型结构的学习和参数估计。实验结果表明,该方法能较好地实现中文文本事件抽取,较其他方法有更好的抽取性能。     

一种面向分布式网络管理的自适应可扩展模型

本文针对大规模分布式网络的特点，提出了一种灵活、动态、自适应伸展性网络管理方案。它采和层次型体系结构，支持多个管理域的分布式网络管理，适应了大规模网络的规模可变性和弹性的特点。为了解决网络事件大量性、多样性和相关性的问题，本文将网络事件分为简单事件和复合事件两种类型，采用层次型事件处理机制和基于动态时间窗的事件合成方法，保证了事件检测的可靠性，平衡了系统负载，降低了网络资源的占有率。