面向产业联盟的远程有限元服务平台的研究

为提高产业联盟成员企业利用有限元分析进行新产品设计的能力,建立了面向产业联盟的远程有限元协同服务平台。首先在有限元协同分析的基础上,对有限元软件进行二次开发,利用模型转换器完成从几何模型到有限元模型的转换,实现对不同结构产品的远程有限元分析。最后,通过某起重机主梁的远程分析过程实例,证明了平台的实用性。     

管理导向的软件产品族变化性建模方法研究

控制和管理软件产品族变化性对提高软件复用性、满足用户多变需求具有重要意义.提出一种管理导向的软件产品族变化性建模(Management-oriented variability modeling,MOVM)方法,该方法以变化性管理为指导,贯穿于整个软件产品族变化性生命周期以及反馈演化过程,对各阶段设计相应的策略以支持变...     

面向云环境实时感知的服务选取及评估方法研究

在云计算环境中,感知服务能力变化缺少实时性,服务质量难以保证。可信与不可信实体对元服务可能做出相同或者不相同的服务描述,存在欺骗行为。多个用户同时调用同一个高质量的服务时,极有可能出现用户访问量超过服务的负载容量从而导致服务能力下降的情况。针对此类问题,提出了一种基于环境实时感知的服务选取方法。在该方法中,服务调度中心采用招标投标的方式选取满足用户需求的元服务簇,以保证中标服务的QoS。同时服务质量感知模块实时感知元服务质量的变化,确保所选Web服务质量的高实时性和高可靠性。另外,信誉模型对服务提供者的承诺质量进行评价,从而建立高度可信的服务环境。实验结果表明,所提方法能够有效实现服务的预测评估,并为用户提供服务质量更优的Web服务。     

基于多粒度服务库的SOA参考模型及其应用

针对传统的面向服务架构中服务管理、发现、组合等效率较低的问题,通过分析面向服务架构中的粒度思想,提出一种基于多粒度服务库的面向服务架构参考模型.首先,讨论多粒度服务库的概念,并给出服务库的粒化算法;其次,对所提模型的总体结构特别是粒度计算引擎进行了详细的介绍,阐述粒度计算引擎的主要功能,给出一个基于多粒度服务库的服务发现算法;然后,提出一种基于多粒度服务库的服务组合算法,同时说明SOA参考模型的作用;最后,结合具体应用实例验证该模型的有效性.     

基于反射机制的多Agent数据交互模型研究

在研究Agent理论的基础上,提出软件系统的智能性、灵活性主要表现在软件系统能够感知环境与需求的变化,根据变化来对自身业务流程做出相应的调整.重点在于结合反射技术,通过动态配置器的参与作为决策依据进行研究,建立基于反射机制的多Agent数据交互配置模型,在现有的多Agent合作和协调机制下,该模型为开放、异构、动态环境下多Agent数据交互提供灵活、自适应的解决方案,并将该模型应用于实际系统的设计中.     

基于TWE-NMF主题模型的Mashup服务聚类方法

随着互联网和面向服务技术的发展,一种新型的Web应用——Mashup服务,开始在互联网上流行并快速增长.如何在众多Mashup服务中找到高质量的服务,已经成为一个大家关注的热点问题.寻找功能相似的服务并进行聚类,能有效提升服务发现的精度与效率.目前国内外主流方法为挖掘Mashup服务中隐含的功能信息,进一步采用特定聚类算法如K-means等进行聚类.然而Mashup服务文档通常为短文本,基于传统的挖掘算法如LDA无法有效处理短文本,导致聚类效果并不理想.针对这一问题,提出一种基于非负矩阵分解的TWE-NMF （non-negative matrix factorization combining tags and word embedding）模型对Mashup服务进行主题建模.所提方法首先对Mashup服务规范化处理,其次采用一种基于改进的Gibbs采样的狄利克雷过程混合模型,自动估算主题的数量,随后将词嵌入和服务标签等信息与非负矩阵分解相结合,求解Mashup服务主题特征,并通过谱聚类算法将服务聚类.最后,对所提方法的性能进行了综合评价,实验结果表明,与现有的服务聚类方法相比,所提方法在准确率、召回率、F-measure、纯度和熵等评价指标方面都有显著提高.     

基于逻辑推理的构件组装策略及其算法

针对构件组装体系框架,提出一种适用于无状态构件的组装策略,用于满足用户的构件检索请求．该策 略通过进程代数理论形式化描述构件行为,提高匹配度,并提出了2 种基于逻辑推理的检索算法SABLR（searching algorithm based on logical reasoning）和ASABLR（advanced searching algorithm based on logical reasoning）加以支持． 检索算法均应用正向推理的思想,判别构件仓库中是否含有用户请求构件信息．算法可以判别2 种状况：一是库中 直接含有请求构件信息,二是库中部分构件可经组装后满足用户请求．克服了普通构件检索算法无法判别第2 种状 况的缺点．最后,通过实例分析和算法ASABLR 的实现,证明该策略的有效性和可行性．     

多维数据的在线自组织方法

随着Internet 的高速发展,用户对在线服务质量的要求越来越高,本文提出了一种在现有硬件资源的基础之上提高数据在线组织管理灵活性的方法。指出了数据的多维度、结构化的特点,采用用户请求的异步通信方式,结合动态树视图实现多维数据的在线自组织,实验结果证明了这种方法在数据自组织管理、web响应延迟等诸方面均能取得令人满意的效果。     

融合图注意力的摄影测量点云语义分割研究

随着无人机倾斜摄影测量技术的发展,通过密集影像匹配可以快速获得类比激光扫描数据精度的大规模室外点云,但是这些点云存在着不规则、遮挡严重、数据量庞大的特点,同时因为缺乏对象信息无法深入进行语义分析.针对上述问题,本文提出一种融合图注意力的摄影测量点云语义分割方法.首先构建了一种新的图卷积模块,在网络的每一层动态的更新点云局部邻域图,将跨层点描述与上下文特征结合起来并逐层汇聚点云空间潜在语义信息;然后在每个网络层引入通道注意力机制使网络能够自适应学习通道间的权重,并由此建立基于一种新的图注意模块的点云语义分割网络,实现复杂点云的细粒度语义分割.通过在两个公开的室外点云基准数据集上的实验结果表明,该方法能够显著提升网络对局部拓扑特征信息的学习能力,且对复杂场景点云语义分割具有良好的泛化能力.     

面向MapReduce的中间数据传输流水线优化机制

MapReduce是一种适用于大数据处理的重要并行计算框架,通过在大量集群节点上并行执行多个任务,极大地提高了数据的处理性能。然而,由于中间数据需要等到Mapper任务完成之后才能被发送给Reducer任务,由此导致的大量传输延迟成为MapReduce框架性能的重要瓶颈。为此,文中提出了一种面向MapReduce的中间数据传输流水线优化机制,将有效计算与中间数据传输解耦,以流水线的方式重叠执行各个阶段,有效隐藏数据传输开销。文中还给出了中间数据传输流水线执行机制和实现策略,包括流水线划分、数据细分、数据归并和数据传输粒度等。在公开数据集上对所提中间数据传输流水线优化机制进行了评价,当Shuffle数据量较大时,该优化机制比默认框架的整体性能提高了60.2%。