基于语义聚类的Web服务发现机制

本文提出了一种基于语义聚类算法的两阶段Web服务发现机制。第一阶段,给定一个查询,首先通过聚类算法过滤掉哪些内容与查询不符合的Web服务;第二阶段针对这个数据集使用PLSI算法,进一步进行聚类获得一个有限的语义相关组,使用PLSI方法可以发现隐藏在查询和Web服务中的语义概念,这样服务匹配可以在语义概念层次进行。     

基于SQWRL的语义Web服务发现

提出以扩展的语义Web规则语言SQWRL作为服务请求描述语言,以OWL-S作为服务发布描述语言,进行有效的服务发现.给出了服务发现的实例,通过实验,证实了该方法具有实用性强、简单可靠的特点.     

基于P2P的语义Web服务发现模型研究

为解决现有的Web服务缺少形式语义支撑,文中提出了一种基于P2P的语义Web服务发现模型,在P2P发现方面加入了本体信息,引入一种新的本体编码方式,使得Web服务在P2P层内支持语义发现,提高了Web服务发现的准确性和即时性.     

异构环境下语义Web服务发现算法研究

随着网络上越来越多种类各异的Web服务,如何对其进行有效发现是实现动态Web服务组合的关键.本文研究了异构环境下服务发现语义信息的匹配问题,利用领域本体解决了异构数据的综合利用与共享,并通过实验表明了本文提出方法的有效性.     

基于P2P环境的语义Web服务发现模型

随着Web服务研究的逐步深入，其重要性已逐渐被人们所认识。目前，Web服务所采用的UDDI注册模型是一种集中式架构，面临系统瓶颈、单节点故障、查找效率低以及受注册在UDDI上的网络结点规模的限制等诸多方面的影响和制约。另外。Web服务标准中对Web服务的描述仅仅只是语法层次上．并未提供对语义描述的支持，这在很大程度上影响了Web服务发现的效率及准确性。为此．文章提出了一种基于P2P环境下的语义Web服务发现模型。     

基于细粒度数据语义的Web服务匹配方法研究

基于结构匹配的Web服务发现方法常常由于XML Schema定义的灵活性,使得一些本来语义相近的Web服务由于描述结构的不同而匹配失败,且计算开销较高。为此提出了一种基于细粒度数据语义的SAWSDL服务匹配方法和一个数据语义分解转换算法。将每一个消息级参数转换为多个细粒度的数据参数,使得基于消息级的SAWSDL服务匹配转化为更细粒度的数据语义匹配。实验结果表明该方法能够提高Web服务的效果,且计算开销较低。     

基于OWL-S的服务发现语义匹配机制

 本文提出一种基于OWL-S的语义web服务匹配系统的机制,将语义元素引入UDDI系统中,从而在UDDI中保存语义信息.系统通过语义服务匹配算法提高web服务匹配的准确度和召回率,并通过数据映射机制保证模型对于当前的服务发现标准UDDI基础架构的兼容以及UDDI标准操作接口的透明性.系统使用本体概念的索引机制提高服务发现的效率.而且,系统在建立和维护索引的过程、或服务的匹配过程中使用近似概念搜寻算法进一步提高本体概念搜寻和服务匹配的效率.     

基于语义扩展的Web服务发现方法

提出了一种基于语义扩展的Web服务发现方法,对服务描述和服务请求中的领域概念进行了同义扩展、特征扩展和合成扩展,在输入输出的匹配上提出了“扩展的语义包含”的概念,实验表明,该方法在不降低服务查准率的前提下,提高了服务的查全率。当单个服务不能满足服务请求时,尝试服务组合匹配服务请求的方式,采用基于H*算法的启发式的服务组合方法,将问题转化为搜索从初始节点到目标节点的通路问题,该方法采用估值函数引入了启发知识,提高了搜索的效率。     

基于语义Web服务的电子政务模型研究

提出一种基于语义Web服务并结合智能Agent关键技术的电子政务模型.该模型允许政府部门采用不同的平台和语言开发自己的语义Web服务,所有的服务使用标准的协议规范进行集成和交互,解决了电子政务缺乏智能和语义互操作两大难题.     

基于用户兴趣的Web服务发现

随着Internet上Web服务的快速增长,准确、高效地发现Web服务已经是Web服务技术中的难点和关键问题。文章提出基于用户兴趣的Web服务发现方法。首先介绍了对用户兴趣进行挖掘和建模的方法,然后论述了Web服务描述文档和用户兴趣特征之间的相关性分析过程,为得出满足用户兴趣的Web服务发现结果提供了一条可行的路径,提高了Web服务发现的准确度。     

基于P2P网络的Web Services发现机制

提出一种改进的两层混合式P2P网络模型,用该模型作为web Services发现技术的底层网络.该网络模型主要在两方面进行改进:在网络结构方面提出CP节点分类策略和SP节点分组策略;在网络组织方面提出一种基于Web Services兴趣因子空间的节点分布自调整策略.     

一种基于虚拟社交化的Web服务发现方法研究

提出一种基于虚拟社交化的Web服务发现方法,从相互竞争和相互协作的服务关系中寻找满足用户需求的服务。首先在竞争关系中,通过计算服务之间的文本相似度和结构相似度,选择出一组竞争力强的服务列表,然后根据协作关系,通过计算列表中各服务的交际能力,把交际能力强的服务推荐给用户,实现用户的组合服务流程。通过与其他方法在召回率和准确率方面的比较,验证了本方法的有效性。     

基于Web Services的分布式服务发现系统的研究

Internet中分布着大量不同类型的计算服务．为了更有效的查找这些服务，设计了一个面向计算的分布武服务发现系统。网络中的计算资源被部署为Web服务，并通过组件之间的互操作性调用服务。改进了UDDI中的服务订阅机制．并给出了服务部署、服务发布、服务定位和授权认证等关键问题的解决方案。利用集群及PC机环境构建系统。并进行了实际测试。     

基于移动Agent的Webj服务安全访问机制研究

针对Web服务安全问题中的访问控制，提出将移动Agent引入Web服务的安全访问控制模型，通过SRP协议对Web服务附加了一个独立的访问控制代理层，具有良好的通用性。实现了基于移动Agent的Web服务访问控制模型．并对控制流程进行了描述。     

基于人工神经网络的IC互连可靠性研究

鉴于有限元分析耗时耗资源的缺点,为了加速集成电路的互连可靠性分析,提出将传统的有限元建模和人工神经网络(ANN)建模技术结合来实现IC的建模和仿真分析.采用有限元ANSYS参数化设计语言(APDL)实现IC三维模型的自动构建和原子通量散度(AFD)计算,之后通过对计算所得的可靠性数据进行训练和测试,采用神经网络技术对模型的输入输出关系进行建模,使模型达到足够高的精度.神经网络模型构建好之后,可以在短时间产生一个可靠性数据库.通过对数据的统计分析可以得到电路在不同条件下的互连可靠性,进而分析各因素对电路互连可靠性的影响,为集成电路的互连可靠性分析和设计提供重要指导.     

基于神经网络的业务量预测研究

分别采用back—propagation（BP）算法和Favidon最小二乘学习算法训练神经网络（NN），并用于复杂业务流量预测。以自相似流量模型验证了2种NN学习算法的有效性，并分析比较了他们在流量预测中的可行性，得出Davidon最小二乘学习算法训练的NN比BP算法收敛速度快、收敛误差相差不多，验证了复杂自相似业务流的可预测性，为复杂自相似网络业务流预测的研究提供了一种有效途径。     

基于谱回归特征降维与后向传播神经网络的识别方法研究

采用后向传播(BP)神经网络对空间目标进行识别时,高维的输入特征导致网络结构复杂,识别性能降低。针对上述难点,该文提出一种基于谱回归(SR)特征降维与BP神经网络的识别方法。该方法首先对空间目标进行HOG特征提取,然后将提取的高维HOG特征进行SR降维,最后把降维后的数据通过BP分类器进行训练识别。实验结果表明：该方法的降维和识别特性优于传统降维方法PCA, KPAC, LPP, KLPP等,能够兼顾实时性和准确性,提高了识别性能。     

基于混合结构神经网络的自适应背景模型

本文提出一种基于神经网络的视频中运动目标检测自适应背景模型.对每个像素点(或局部区域)建立一个混合结构的神经网络背景模型,模型由一个4层前馈神经网络组成,输入层接受像素HSV特征,特征层实现特征提取功能,模式层以概率神经网络的方式完成像素属于背景概率的计算,输出层以赢者取胜的方式完成前景背景分类和模式层激活节点选择功能...