集成资源预留与QoS监控框架的元调度体系结构

缺乏服务质量保证已成为制约网格应用的瓶颈,针对该问题提出一个能够在网格中基于SLA协商资源预留并监控资源的QoS的服务框架。首先定义资源预留的XML Schema,使得资源请求者和提供者基于WS-Agreement能够协商包含关于资源预留的协定;然后遵循WSRF及WS-*规范设计和开发出一组Web服务用于构建基于WS-Agreement的资源预留与QoS监控框架（RMF）,并集成到GridWay元调度体系结构中使其能够支持基于QoS协商的资源管理;最后通过模拟实验,客观评估了RMF的性能。     

基于免疫安全存储设备IBSSD的研究与实现

基于智能磁盘的安全存储设备是当前安全存储系统研究的热点问题.为解决现有安全存储设备I/O性能低的问题,引入人工免疫算法,实现高效的访问控制模块.首先给出基于免疫安全存储设备的结构,以及基于免疫访问控制模块中主要元素的定义,针对存储设备的特点,设计了差异选择算法和混合检测算法.实现了基于免疫访问控制的原型系统,验证了系统能高效地识别非法数据访问请求.修改开源存储区域网系统-Lustre中智能磁盘模块的代码,构建基于免疫安全存储设备的原型系统,测试了I/O性能.结果验证了基于免疫安全存储设备的I/O损失较小,能构成较高性能的安全存储系统.     

基于风险加权的同构化区间型多属性决策新算法

多属性决策问题的复杂性、决策因素影响的不确定和传统评判方法的局限性,使不确定决策因素的属性测度常常难以精确量化,往往只能用区间数进行大致估量.为了精确量化表征属性决策因素测度值不确定性,根据同构化基本原理与相似性科学相关理论及相关思想,针对区间型多属性决策问题提出了一种基于同构化多属性决策新方法的新算法.该新算法的主要特点是:1)提出了决策者风险偏好权重;2)采用了同构化风险测度三元组(拟下限相似度,风险程度,风险偏好值),来精确量化决策过程中存在的风险程度以及决策者对此风险程度的偏好;3)生成了可描述各属性与决策目标关系的标杆方案;4)定义了方案相似度新概念;5)构造了风险加权相似度量算子(RWSM0),来度量各决策方案与标杆方案之间风险加权相似度的大小;6)挑选出风险加权相似度最大的方案作为最优或满意方案.     

基于RDF4S的一种轻量语义Web服务组合

首先简要介绍语义Web服务资源描述框架(RDF4S),在此基础上提出语义Web服务包装机制,语义Web服务经包装后,分别通过组合接口和调用接口为组合语义Web服务的设计与调用提供支持.然后分别详细介绍组合语义Web服务的设计存储和调用执行:通过图形化的设计工具按照语义Web服务的3种基本逻辑关系设计组合结构图,然后将该图映射到组合结构信息表存储,组合语义Web服务执行时根据结构信息表生成语义Web服务代理对象和相应的语义消息,再根据语义消息传递机制调用Web服务实体.最后用一个实例展示组合语义Web服务执行时的消息传递,试验表明该方法有效.     

损失重量式工业动态称量系统的剖析

介绍了损失重量式动态称量系统的构成、工作原理及校正方法。动态称量系统主要由称量料斗、称量元件、输送装置和控制装置构成,其工作原理基于受控重量的损失,电路控制的重点是称量元件和控制装置。校正方法主要为物位控制校正和变化量校正,现场校正和计算机远程控制校正的一致性是成功校正的关键。     

高精度正电子谱仪脉冲调制系统设计

中国科学技术大学的核固体物理实验室设计了一套正电子谱仪装置,此装置要求其脉冲调制系统能够给出一路边沿小于2ns、宽度约7ns、幅度大于5V的50MHz脉冲信号和两路频率分别为50MHz、200MHz的正弦信号.本文给出了为此装置设计的高精度脉冲调制系统,并给出了该系统各项指标的测试结果.     

基于PCI总线的WDM驱动程序设计

以基于PCI9054的CCD数据采集系统为例,介绍了WDM驱动程序的基本结构,分析了利用DDK开发的WDM驱动程序的主要例程,完成了PCI设备的中断响应和DMA传输功能.     

加快反投影算法重建PET图像的研究

对反投影的计算方法进行了改进,设计了一种能够提高反投影速度的方法。使用这种方法,对模型数据进行了重建,结果表明,这种方法对图像质量的影响很小。由于实际PET的投影数据中的噪声相对较大,并且,在滤波反投影算法中的重建滤波器对重建图像的高频噪声有某种放大作用,针对这个问题,利用临床PET数据,从投影数据预处理、利用窗函数控制噪声两个方面进行了研究。     

基于TGG的SBML与其他生物建模语言间的自动转换研究

基于XSLT技术的SBML与其他生物建模语言之间的转换方法存在无法保证转换结果的确定性、语法正确性及不能满足模型转换的工业化需求等缺陷.针对以上问题,提出了利用图文法定义SBML Schema及其他生物建模语言,并且利用Triple Graph Grammar构造SBML与其他建模语言之间的转换方法.在此基础上,提出了...     

基于MapReduce的并行k-modes算法

k-modes是一种代表性的分类数据的聚类算法.首先对k-modes聚类算法的实现过程进行了改进:通过在分配数据对象到簇时更新这个簇中各个属性项的次数,使得在遍历一次全部数据对象就能计算出新的簇中心.为了使k-modes能够处理大规模分类数据,在Hadoop平台上用MapReduce并行计算模型实现了k-modes算法.实验表明:在处理大量数据时,并行k-modes比串行k-modes极大地缩短了聚类时间,取得了较好的加速比.