基于分布式计算环境可靠性关键技术应用研究

通过对提高分布式多层应用系统可靠性方法的分析,进而提出了数据库连接池、对象池、公文包机制容错模型和基于负反馈机制的动态负载平衡模型等几种可靠性关键技术,并结合DCOM/COM+中间件技术和具体实例说明了这些技术的应用.通过文中的研究为高可靠应用系统的设计与开发提供了一种行之有效的方法.     

一种基于有限状态机的模型转换方法

为实现模型的自动转换,通过定义一个清晰的基于规则的模型转换框架,提出了一种基于有限状态机的模型转换方法,用有限状态机技术解决转换规则的实现问题,并定义了适合规则实现机制的形式表示法,然后结合UML模型到SQL模型转换的典型场景,通过一个模型转换示例说明模型转换方法的具体应用,结果表明了该方法的可行性和有效性。该方法适用于状态明显的模型之间的转换,促进了模型自动转换的应用和发展。     

一种实时Web GIS优化模型的研究

通过引入异步调用机制和缓存技术,提出了一种实时Web GIS优化模型,解决当前Web GIS中用户体验与空间分析能力之间的矛盾.文中详细描述了该优化模型的组成结构和工作原理,对异步调用机制和缓存技术的应用进行了讨论,并给出了性能测试和分析,验证了该实时Web CIS模型的可行性.     

一种面向Web服务的分层安全模型

随着Web服务技术的应用与发展,Web安全问题日益突出.简要分析了Web Sevrice对通信安全的需求,指出了传统安全通信机制应用于Web Service的局限.针对Web服务应用模式,提出了一种基于XML安全技术的分层安全模型,研究了该模型的通信机制和实现方法,并对SOAP消息的安全通信进行了探讨.该模型具有灵活性和可扩展性,满足了Web服务的安全需求.     

用区分服务实现IP网络的差异化服务质量保证

本文介绍了当前IP QoS的两种主流服务模型集成服务（Intserv）和区分服务（Diffserv）的基本思路和实现机制以及两种模型的优缺点,提出了一种利用区分服务机制在IP网上实现服务质量保证的有效方法。以便服务提供商通过QoS机制为不同的用户及应用提供差异化服务。     

异构系统的异步应用级Checkpointing技术

应用级checkpointing技术是同构系统上最为常用和成熟的容错技术,但在异构系统下的应用还处于起步阶段,还没有一套严谨合理的针对异构系统架构和故障模型特点的实现方案和配置方法。针对这一现况,本文基于CUDA异构系统的体系结构和编程模型,对CUDA程序在CPU和GPU上的执行模式进行分析,提出了一种面向异构系统应用级checkpointing技术的异步执行机制,并基于这一机制对异构系统的检查点优化设置问题进行讨论,设计了一套优化方案。最后在CUDA平台下通过三个实例验证了这一技术的可行性和实用性,并进行了性能评估。结果表明,这种面向CPU-GPU的异构系统的应用级checkpointing异步执行机制是行之有效的,相比CPU-GPU同步执行的checkpointing机制在设置上更为灵活,优化空间更大。而本文基于这一机制所提出的检查点优化设置方法也有效地减少了check-pointing的开销,从而获得了更高的容错性能。     

地理信息系统应用模型实现技术研究

地理信息系统的应用模型是其空间决策支持系统的核心,因而对应用模型和模型库管理系统的开发以及应用模型实现技术的研究,已成为地理信息系统深入应用的关键所在。通过对地理信息系统技术发展及其功能的回顾,分析了目前GIS应用模型实现的一系列有关技术问题,并针对存在的问题,提出了关于模型的有效管理,模型的共享和安全,GIS与应用模型的集成,模型库与数据库的通信机制,模型的可视化及其互操作等问题的解决方案与途径,最后以长江水体的二维污染扩散模型为例,阐述了模型实现的方法和技术。     

支持多种并行计算模型的面向对象框架研究

为了支持并行程序设计,几乎所有的程序设计语言均通过提供并行与同步通信机制来支持某一高级并行计算模型,如Ada语言的任务与会合机制以及Java语言的线程和同步方法.显然,这样的程序设计语言仅能支持一种高级并行计算模型.尽管单模型的途径对某些应用来说简单而有效,但由于现实世界中的问题往往较为繁杂而难以完全用单一模型来解决.文章采用面向对象的语言机制和框架技术来解决此问题.通过分析现有各种语言中高级并行计算模型的共性,提出了若干新的面向对象语言机制.以此为基础,提出了并行面向对象框架的概念,并讨论用其表达和使用     

基于PKI的内网信息安全访问控制体系设计与实现

为解决内网信息安全管理问题,依据安全等级防护标准和信息安全技术的研究,提出了一种基于公开密钥基础设施(PKI)在内部网构建信息安全访问控制体系的设计模型。该模型通过身份认证、终端防护、SSL安全认证网关的有效结合,建立由终端至涉密资源之间可信、完整、有效的信息安全传输机制。应用实例表明了该方法在实际信息安全访问控制中的可靠性和有效性。     

基于JXTA技术的P2P系统性能保证机制

JXTA技术是SUN公司开发的P2P系统的应用平台。P2P技术作为网络计算的一种新技术,已经广泛地应用到了各个领域。研究了JXTA技术及其特点,讨论了基于JXTA技术的P2P系统的性能保证问题,并通过研究和实验建立了初步的性能保证机制模型。     

面向中小型MIS的数据库操作池的研究

分析了目前在开发中小型企业管理信息系统（MIS）中处理数据库连接问题的常用方法.考虑到中小型MIS开发的＂短、频、快＂的特点,提出了数据库操作池的方法,并给出了实现的思路和步骤,并对数据库连接池和数据库操作池的性能和使用便捷性进行了测试和比较,说明了数据库操作池在开发中小型MIS中的应用优势.     

基于自适应池化的神经网络的服装图像识别

针对传统池化方式不能提取有效特征值的问题,提出根据池化域的尺寸、池化域内的元素值和网络的训练轮数调整池化结果的自适应池化方法,该算法依据插值原理与最大值池化模型构建函数,以特定函数值作为池化结果,然后利用交叉验证进行模型对比实验。同时提出了小样本调优法以解决目前依靠经验值在全部数据集上验证选取超参数效率较低的问题。在原始数据集上,按照分层抽样的规则抽取小样本,并基于小样本数据集对已编码的超参数组合循环训练并测试,通过对识别率最高的组合解码确定最优超参数。选用DeepFashion数据库进行相关实验,结果显示自适应池化模型的识别率达到83%左右,与最大值池化模型相比提高约2.5%。通过小样本选定超参数,并与随机组合超参数在原始数据集上进行对比实验,结果显示小样本调优法选择的超参数在经验值范围内最优,识别结果为86.98%,与随机组合超参数的平均识别率相比提高了约41.4%。自适应池化方法可以扩展到其他的神经网络中,小样本调优法对高效选取神经网络的超参数提供了依据。     

基于改进残差网络的扬尘图像识别方法

当前利用深度学习方法进行扬尘图像识别的研究较少,一些传统的方法使得扬尘图像的识别率较低.针对这种情况,提出一种基于改进残差网络的扬尘识别方法.该方法将ResNet-50网络应用到扬尘数据集中,并对其网络结构进行了改进.加入空间金字塔池化以解决输入图像尺寸不固定的问题,并且将金字塔池的策略改为平均池化,将扩大特征图的方法应用到主干网络中,有利于提取到更加细粒度的特征,提升模型的性能,从而提高识别率.实验结果表明,该方法具有很高的精确度,为扬尘识别提供了一种有效的方案.     

池化资源技术在分布式Web系统中的应用

分析了数据库的连接、构件或中间件的加载与卸载次数和线程的重复使用等影响分布式Web系统性能的主要因素,运用“池化资源”技术解决了这一问题。论述了“池化资源”技术及其对提高分布式Web系统执行效率所起的作用,探讨了CGI,Web API,ASP和MTS等常用中间件对“池化资源”技术的支持,分析了不同中间件技术对Wel)系统执行效率的影响。应用实例表明,在Win2000平台上结合MTS中间件开发的分布式Web系统。对“池化资源”技术有很好的支持,可使系统的执行效率达到最高。     

联合一二阶池化网络学习的遥感场景分类

目前大多数池化方法主要是从一阶池化层或二阶池化层提取聚合特征信息,忽略了多种池化策略对场景的综合表示能力,进而影响到场景识别性能。针对以上问题,提出了联合一二阶池化网络学习的遥感场景分类模型。首先,利用残差网络ResNet-50的卷积层提取输入图像的初始特征。接着,提出基于特征向量相似度的二阶池化方法,即通过特征向量间的相似度求出其权重系数来调制特征值的信息分布,并计算有效的二阶特征信息。同时,引入一种有效的协方差矩阵平方根逼近求解方法,以获得高阶语义信息的二阶特征表示。最后,基于交叉熵和类距离加权的组合损失函数训练整个网络,从而得到富于判别性的分类模型。所提方法在AID（50%训练比例）、NWPU-RESISC45 （20%训练比例）、CIFAR-10和CIFAR-100数据集上的分类准确率分别达到96.32%、93.38%、96.51%和83.30%,与iSQRT-COV方法相比,分别提高了1.09个百分点、0.55个百分点、1.05个百分点和1.57个百分点。实验结果表明,所提方法有效提高了遥感场景分类性能。     

多注意力机制金字塔池化金手指划痕分割方法

针对传统图像处理方法和基于深度学习的分类模型对金手指表面划痕检测效果不理想的情况,提出了一种多注意力机制金字塔池化方法对金手指表面划痕进行语义分割。采用ResNet50模型获取输入图像的特征图;在金字塔的不同层中将特征图分成大小不同的子区域,然后对每个子区域进行平均池化操作;池化后的特征图加入多种注意力机制来提取关键部分的特征信息,并使用边界细化模块对边缘区域进一步精细化,提高分割准确度。通过上采样,将四种不同尺寸的特征图采用级联的方式对划痕区域进行特征融合;与带有整体信息的特征图拼接后经过卷积操作得到最后的预测结果。实验结果表明,本文采用的方法较其他常用分割模型在MIOU和MPA指标上具有明显提升,分别达到86.03%和94.35%,具有一定的应用价值。     

面向文本分类的多头注意力池化RCNN模型

针对经典循环卷积神经网络（RCNN）在池化层采用的最大池化策略较为单一,会忽略除最突出特征外的其他特征,影响分类精度的问题,提出基于多头注意力池化的循环卷积神经网络（MHAP-RCNN）模型。多头注意力池化可以充分考虑各特征对分类的贡献,且能在训练过程中动态优化,有效缓解最大池化的单一性问题。在三个公开的文本分类数据集上进行实验,结果表明与经典RCNN及其他各模型相比,提出的模型具有更好的文本分类性能。     

基于图神经网络的多维度池化图分类

目前很多处理图数据的图神经网络方法被提出,然而大多数研究侧重于对特征聚合的卷积层的研究而不是进行下采样的池化层.此外,形成聚类簇的池化方式需要额外计算分配矩阵;节点得分的池化方式排名方式单一.为解决上述问题,提高图分类任务的准确性,本文提出了一种新的基于多维度信息的图池化算子MDPool.该模型使用节点特征信息以及图拓扑结构信息,获取不同维度下的节点得分.使用注意力机制归纳不同维度下的得分权重,生成更为健壮的节点排名,基于节点排名自适应选择节点集合生成诱导子图.提出的MDPool可以集成到多种的图神经网络结构,将MDPool池化算子与图神经网络卷积层堆叠形成编码解码模型EDMDPool.在4个公开数据集的图分类任务中, EDMDPool均高于现有基线模型.     

基于矩阵2-范数池化的卷积神经网络图像识别算法

卷积神经网络中的池化操作可以实现图像变换的缩放不变性,并且对噪声和杂波有 很好的鲁棒性。针对图像识别中池化操作提取局部特征时忽略了隐藏在图像中的能量信息的问 题,根据图像的能量与矩阵的奇异值之间的关系,并且考虑到图像信息的主要能量集中于奇异值 中数值较大的几个,提出一种矩阵2-范数池化方法。首先将前一卷积层特征图划分为若干个互不 重叠的子块图像,然后分别计算子块图像矩阵的奇异值,将最大奇异值作为每个池化区域的统计 结果。利用5 种不同的池化方法在Cohn-Kanade、Caltech-101、MNIST 和CIFAR-10 数据集上进 行了大量实验,实验结果表明,相比较于其他方法,该方法具有更好地识别效果和稳健性。     

基于多尺度池化卷积神经网络的疲劳检测方法研究

针对视觉特征分析疲劳检测问题,设计了一种级联深度学习的检测系统结构,并提出基于多尺度池化的卷积神经网络疲劳状态检测模型。首先通过深度学习模型MTCNN进行人脸检测,提取出眼睛和嘴巴区域;针对眼睛和嘴巴的状态表征和识别问题,提出一种基于ResNet的多尺度池化模型（MSP）对眼睛和嘴巴状态进行训练;实时检测时,将眼睛嘴巴区域通过训练好的卷积神经网络模型进行状态识别,最后基于PERCLOS和提出的嘴巴张合频率（FOM）对驾驶员进行疲劳判定。实验结果表明,该算法具有较高的检测准确率,同时满足实时性要求,且对复杂环境具有较高的鲁棒性。