模型驱动的Web服务组合的QoS属性的研究

为反映组合Web服务的服务质量(QoS),文章在用模型驱动的方法对Web服务组合进行研究的基础上探讨了如何对Web服务进行QoS属性拓展,给出了拓展的WSDL元模型。通过引入模型驱动的思想,解决了Web服务对QoS属性描述不足的问题。并通过对BPEL元模型的分析,得出了组合服务在各种结构模型情况下的QoS属性的计算方法。     

身份保持约束下的面部图像超分辨率重建方法

低分辨率是影响人脸识别精度的重要因素。一种有效方法是使用图像超分辨率技术对低分辨率图像重建,生成超分辨率图像后再对其作人脸识别,从而克服低分辨率面部图像对人脸识别的限制。但是,现有超分辨率方法在重建过程中往往忽略了保持其原始身份信息,这直接影响生成图像的人脸识别结果。针对上述问题,提出了一种身份保持约束下的面部超分辨率重建方法IPNet,在提高低分辨率面部图像质量的同时,能保持重建后的面部图像身份。IPNet方法将语义分割网络和面部生成器相结合,通过语义分割网络提取低维隐码和多分辨率空间特征,进而指导面部生成器输出接近于原图的真实面部图像。在此基础上引入人脸识别网络,将身份信息整合到超分辨率方法中,从而约束重建前后的面部图像身份保持一致。实验结果表明,IPNet方法在超分辨率图像质量和身份保持上均优于其他对比方法。     

政府信息资源规划的集成平台技术研究

政府信息资源管理是关于政府信息资源的技术、经济和人文等3个维度的管理，并随时间变化，三者达到相互协调、有机融合。从技术维，针对政府信息资源的分布、异构特性，构建基于OGAIS的面向Web服务的政府信息资源管理的集成技术平台GIRP，利用SOAP和OAGIS来满足政府信息资源管理系统的可集成性的需求；利用WSDL、OAGIS、Web服务流程技术实现系统的可重构性；利用Web服务流程技术以及Web服务事务性、协调性规范来实现分布式环境下基于Web服务的工作流运行和管理以及利用Web服务安全规范实现安全性需求，从而有效、安全地实现政府资源的集成和共享。     

基于着色网的Agent会话协议规范与会话建模

会话以及与之相关的会话协议的概念，作为用来刻画Agent之间交互的抽象机制已经研究多年。然而对这些抽象的形式化规范还没有达成共识。文中基于着色网的形式化表示，对多Agent系统中Agent之间复杂并行的会话进行建模。着色网不但可以用来描述简单的会话协议，也可以描述由简单会话协议合成的复杂会话，刻画会话的并行特征以及复杂会话运行时的状态。     

面向业务构件的黑白盒混合的领域框架的设计与实现

在OO领域框架与构件化领域框架的基础上,兼顾两者优点,利用业务构件技术,并借助于CCM构件模型标准,提出了面向业务构件的黑白盒混合的领域框架设计思想．设计了管理调度中心,依据领域规则,将业务构件库的构件、热点知识库的热点子系统粘贴起来,实现构件在框架上的即插即用．重点设计了领域规则库及管理调度中心,并结合订单处理系统的实例,说明了面向业务构件的黑白盒混合的领域框架的具体实现．     

与职业标准衔接的Web前端开发课程教学探索与实践

针对当前Web前端开发课程教学中存在的问题,结合社会职业需求,提出包含从教学内容设计到教学实践的一套教学改革建议。     

一种基于独立任务的POMDP问题的解决方法*

部分可观测马尔可夫决策过程(POMDP)是马尔可夫决策过程(MDP)的扩展。通常利用POMDPs来模拟在部分可观测的随机环境中决策的Agents。针对完整POMDP的求解方法扩展能力弱的问题,提出把一个多元的POMDP分解成一组受限制的POMDPs,然后分别独立地求解每个这样的模型,获得一个值函数并将这些受限制的POMDPs的值函数结合起来以便获得一个完整POMDP的策略。该方法主要阐述了识别与独立任务相关的状态变量的过程,以及如何构造一个被限制在一个单独任务上的模型。将该方法应用到两个不同规模的岩石采样问题中,实验结果表明,该方法能够获得很好的策略。     

一种基于特征信息组合的本体匹配流程

在串行和并行的多策略本体匹配流程中,存在重复计算、匹配效率不高和多个相似度矩阵难以聚合等问题。为此,提出一种基于本体特征信息组合的混合多策略本体匹配流程。利用本体的名称、注释、实例等元素级信息进行初始匹配,并直接确定一部分实体的匹配关系,对于无法确定匹配关系的实体,则再利用本体的内外部结构特征迭代计算其相似度进行判断。实验结果证明,该方法能有效减少匹配的计算量,同时特定信息的组合能保证匹配准确度,具有较好的匹配效果和效率。     

UML活动图模型正确性诊断方法

UML活动图的正确性决定了业务流程的正确执行,为此,提出一种UML活动图模型的正确性诊断方法。将模型分解后,对子模型进行模型验证,并对验证错误的子模型进行模型诊断,得到诊断结果。在质量管理过程实例中的应用结果表明,该方法能减小模型空间,减少诊断次数,准确锁定错误,有效地对模型的正确性进行诊断。     

基于优化卷积神经网络的图像超分辨率重建

传统的图像超分辨率重建方法由于其计算局限性,无法对大批量或者模糊因子不同的图像做最优处理,也无法得出高分辨率图像。近年来随着深度学习神经网络越来越多被学者关注和青睐,其中卷积神经网络被成功应用于图像超分辨率重建。但是传统的图像超分辨率卷积神经网络,无论在训练速度,泛化能力,还是生成图像质量等方面仍存在问题。针对上述问题,对图像超分辨率重建的原理进行研究,对SRCNN模型在多种训练通道下的超分辨率效果进行了实验,并提出了基于多层特征提取层的图像超分辨率重建模型,采用新的优化方法,验证了多种包含不同层数体征提取层的卷积神经网络模型。实验证明该方法在一定程度上优于SRCNN方法,能够有效加快网络整体的训练速度。