电子水处理器在矿井水回用中防垢效果试验

电子水处理技术是当今水工业的一门先进技术 ,我国推广应用此技术仅有七年多的历史。对产品的质量、应用效果及适用范围现在还没有可靠的验证。以电子水处理器为研究对象 ,通过试验室挂片试验 ,验证电子水处理技术的控垢防垢的效果 ,分析试验结果认为经电子水处理器处理的净化矿井水能达到良好的控垢效果 ,可用于低压锅炉补充用水。     

智能影子(SmartShadow):一个普适计算模型

普适计算是一种全新的计算模式,目前对普适计算建模的研究较少.尝试以用户为中心将普适计算环境建模为一个“智能影子”模型.该模型建立在用户建模及普适服务抽象的基础上,通过用户BDP模型,将普适环境映射成一个以用户为中心的高度动态的移动的虚拟个人空间,也称“智能影子”,与物理世界的影子一样跟随用户,如影相随.其中,用户BDP模型根据信念(belief)推理出用户意图(desire),并对普适服务的计算过程进行规划(plan).普适服务用来抽象信息空间中的计算资源,可被用户BDP组织,完成用户的意图,组织的过程即为智能影子的映射过程.智能影子模型在逻辑上简单、自然,且可灵活处理普适计算空间的动态变化.另外,还实现了一个仿真原型系统,对模型的可行性进行了验证.     

自主计算概念模型与实现方法

自主计算是一个新兴的热点研究领域,旨在通过"技术管理技术"的手段隐藏系统管理复杂性,建立用户可指导的、状态觉察的和自适应的计算机系统.目前,自主计算的研究仍处于起步阶段,尚缺乏系统而成熟的理论体系.在阐明自主计算概念的基础上,提出一个自主计算概念模型.该模型刻画了自主元素和自主计算系统的基本工作机制和原理.以该模型为依据,概括性地提出了两类分别基于知识模型和数学模型的自主计算系统,分析它们的优点和不足.最后,给出了自主计算研究展望.     

基于正三角形区域划分的传感器网络覆盖与连通

在自组织传感器网络中,覆盖和连通是评价传感器网络性能的两个重要指标,而且这两个指标本身有着内在的关系,在一个不可靠的传感器网络中,这两者和传感器的失效概率密切相关.提出了一种传感器网络模型,并在此基础上提出了一种新颖的对ROI的正三角形区域划分方法.根据这种划分,得出了传感器的覆盖和连通概率与节点感知半径、发射半径、失效概率及节点数量之间的关系,对传感器网络的构建具有指导意义.     

传感器网络中的栅栏覆盖问题

覆盖问题是传感器网络中的基础性问题,着重研究了一类特殊的覆盖问题——栅栏覆盖问题。从栅栏问题的定义出发,基于对最大支撑路径的分析和实验,得出了增量式传感器布局的启发式规则,这些规则可以用来分析和完善已有布局中存在的弱点或漏洞。仿真实验证明了这些规则的有效性。     

Scudware Mobile:支持可穿戴设备协同的移动中间件

最近几年可穿戴设备发展迅速,各种样式和用途的可穿戴设备大量出现。然而这些可穿戴设备大多都是独立工作的,设备与设备之间鲜有联系。为此提出了一个以智能手机为中心的、支持个人范围的和人与人之间的设备的协同模型。基于该模型设计并实现了Scudware Mobile移动中间件,该中间件运行于智能手机上,可以汇聚智能手机和可穿戴设备的数据和服务,且以开放授权机制开放给用户,实现了数据和服务的协同。在Scudware Mobile移动中间件的基础上实现了MobileTrace足迹记录器应用,验证了Scudware Mobile移动中间件的可用性。     

面向传感器节点定位的移动信标路径获取

首先,根据ROI(region of interest)面积给出了充分三重覆盖此ROI所需要的信标发射位置数量计算方法;接着,针对矩形ROI提出了一种简单的信标发射位置确定方法;之后,针对任意形状ROI提出了利用虚拟力获取信标发射位置坐标的方法;最后,利用流浪旅行商算法获取遍历这些发射位置点的最优路径,并基于多边测量方法进行传感器节点定位.仿真实验表明,采用上述方法可以对传感器节点进行高效且精度可控的定位.     

一个大规模垃圾短信实时过滤系统

在分析现有短信监控系统不足的基础上,结合文本分类技术和行为识别技术,设计了一种垃圾短信监控和过滤系统. 系统综合考虑短信发送行为特征、短信文本内容等特点,并采用实时分类和离线分类相结合的方法进行高效短信过滤. 此外,还设计了一组基于反馈的自学习机制,使分类器具备增量式学习能力. 与传统方法相比,本文方法在过滤效率和准确率两方面均获得大幅度提升.     

传感器网络中的栅栏覆盖问题

覆盖问题是传感器网络中的基础性问题,着重研究了一类特殊的覆盖问题--栅栏覆盖问题.从栅栏问题的定义出发,基于对最大支撑路径的分析和实验,得出了增量式传感器布局的启发式规则,这些规则可以用来分析和完善已有布局中存在的弱点或漏洞.仿真实验证明了这些规则的有效性.     

基于出租车轨迹数据挖掘的乘客候车时间预测

随着城市人口的增长与交通问题的加剧,出行也变得越来越困难.出租车是重要的公共交通工具;对于乘客来说,了解等候出租车需要花费的时间有助于他们安排行程与选择最优的等候地点.针对这个问题,使用出租车轨迹的历史数据,预测乘客在某时某地等候出租车需要的时间.算法使用参数与非参数模型,通过对空车到达过程的建模,预测单个乘客等候出租车需要的时间.使用大规模的杭州出租车数据,结合仿真来验证预测算法.实验评估结果显示,参数模型对等候时间预测的平均误差约为4.5分钟,并且参数模型预测误差小于5 分钟的概率约为83%.