完善实践教学体系,优化创新型人才培养模式

由于受扩招和并校的影响,本科教育出现了一些关系的"失衡",导致学生理论基础不扎实、工程实践能力弱、创新能力不足等问题。文章介绍我校信息与计算科学专业在实践教学体系方面具有的特色,以"夯实基础、面向应用、培养创新"为目标,提出"三点一线"的创新型人才培养模式,经过多年实践,取得较大进展,对其他同类学校具有一定的借鉴意义。     

基于Struts的Web系统构建

在Web系统设计中,随着业务逻辑的越来越复杂,如何提高Web系统的执行效率、可复用性、可扩展性、可维护性,降低构建和维护成本,一直是一个关键问题。近几年来,基于可重用的Framework技术逐渐成为业界研究和应用的新趋势。其中,Struts框架实现了MVC架构,提供了一种快速高效的构建Web应用程序的方法。运用Struts技术,可快速构建一个结构清晰、可复用、可扩展的Web系统。     

基于Struts的Web系统构建

在Web系统设计中，随着业务逻辑的越来越复杂，如何提高Web系统的执行效率、可复用性、可扩展性、可维护性，降低构建和维护成本，一直是一个关键问题。近几年来，基于可重用的Framework技术逐渐成为业界研究和应用的新趋势。其中，Struts框架实现了MVC架构，提供了一种快速高效的构建Web应用程序的方法。运用Struts技术，可快速构建     

数据意识下的条件不频繁行为挖掘与优化

业务流程不频繁行为是指低频次事件轨迹记录的行为,从事件日志中挖掘条件不频繁行为是业务流程优化的关键点之一。已有的研究方法忽略低频次行为,也较少考虑数据流角度下的不频繁行为,本文考虑了事件间隐藏的数据依赖关系,提出基于数据意识的条件不频繁行为挖掘与优化。以模块间的通讯行为轮廓理论为基础,通过查询参考模型的可行迹对频次较低的轨迹添加属性值,计算交互特征间的数据依赖值并对不频繁行为进行分类处理,并根据处理后的优化日志构建模块网和特征网。模块网与特征网进行交互,挖掘出特征网与模块网的业务流程优化通讯模型。最后通过具体的实例分析验证了所提方法的有效性。     

基于Petri网的业务流程低频行为挖掘与优化分析

低频行为的挖掘是业务流程管理的重要内容之一,区分有效低频和噪音在业务流程优化中显得尤为重要。已有挖掘方法多是从数据属性研究低频行为,较少根据不同模块间的行为属性来分析低频行为,由此提出基于Petri网的业务流程低频行为的挖掘与优化方法。首先,通过用流程树切的直接流图表示日志的行为关系,并与初始模型做匹配,发现所有的低频序列;然后,计算日志与模型的行为距离向量,基于行为紧密度区分有效低频日志和噪音日志,优化事件日志;其次,利用不包含噪音序列的事件日志通过融合交互模块网与特征网,挖掘得到一个优化的业务流程模型;最后,通过具体的实例分析和仿真实验验证了该方法的有效性。     

基于Petri网和Web的电子商务安全性分析

在基于Web组合服务电子商务模型中,通过将各种电子商务的Web服务进行组合和集成以创建动态电子商务应用.但在组合的过程中,带来了新的问题,主要是安全性问题,采用一般的方法来分析是非常困难的.Petri网便于描述具有并发,异步、不确定性等特性的问题.利用Petri网的分析方法,如S-不变量、可达树、关联矩阵等,来分析模型中是否存在死锁、阻塞、冲突等问题,进而分析组合Web服务的电子商务模型的安全性.     

基于开放Petri网的Web服务行为弱合理性分析

目前,组合Web服务的正确性主要是通过合理性来判定,判定服务组合模型是否满足行为一致相关性是判定合理性的有效方法,而已提出的行为一致相关性判定算法仅在T-不变量存在的情况是可行的.文中利用开放Petri网对Web服务进行建模,基于服务树理论,提出了判定多个Web服务组合后满足行为弱合理性的算法,实现对组合Web服务的正确性分析.最后通过具体实例分析了该方法的有效性.     

基于行为校验与偏差组合的过程模型修复

模型修复通过对偏差行为的合理调整,改善事件日志与业务流程之间的一致性性能.采用自循环插入方式对日志中可观测的偏差活动进行模型修复,将优先考虑适合度的提升而忽视精度.为获得事件日志与过程模型之间不可回放的行为模式,根据行为关系将其可达活动图表划分为若干个片段并进行服从性校验.利用回放过程中行为模式所产生的最优对齐检测偏差...     

基于日志聚类构造行为子集的近似一致性方法

利用行为子集可以求得事件日志与过程模型之间的近似一致性度,但现有方法得到日志候选迹间的行为差异小,影响了行为子集的代表性而导致近似一致性度的准确度偏低。针对该问题,提出一种应用聚类技术预处理事件日志以构造行为子集的近似一致性方法。首先根据迹之间的Levenshtein编辑距离,将事件日志中具有较高行为相似性的迹聚类成若干个子日志;然后遍历各子日志,采用簇内高频和簇中心两种方法选出子日志中的代表迹,形成候选迹集合;进一步利用最优对齐技术构造出模型的行为子集,将其与完整的事件日志进行拟合度计算来得到近似一致性度及其上下界值。最后对现实事件日志进行仿真实验,从准确度和时间效率两方面验证了该方法的优越性。     

流程树切挖掘业务流程隐变迁的方法

隐变迁是指存在于事件日志中的不频繁行为,从流程模型中挖掘出隐变迁,提高流程运行效率和服务质量显得尤为重要。已有的方法大部分基于业务流程序列进行分析,但很少考虑跨序列间的关系,因此对挖掘业务流程隐变迁有一定的影响。提出流程树切挖掘业务流程隐变迁的方法,首先根据发生频数较高的日志序列得到初始模型,再根据流程树切预处理事件日志,把日志活动关系与初始模型关系进行对比,找到存在变化的区域,挖掘可能存在的隐变迁,通过评价指标判定带隐变迁的模型是最优模型,最后实例分析验证该方法的有效性。