UML在实时软件系统中的应用研究

UML是最广泛使用的面向对象建模语言,在实时系统中也得到了普遍的应用。不同的公司对UML在实时系统中的应用进行了不同的扩展。但是,OMG没有把任何一种扩展作为标准。文中将通过应用和研究对IBM Rational的B．Selic提出的UML／Realtime进行进一步的扩展,用一个航空电子系统中的例子详细说明扩展的意义和结果。     

损坏容忍的数据查询降级服务机制

传统的数据库安全机制重点关注数据的机密性,忽略了用户对数据库系统提供数据的完整性和可用性要求.为了提高系统数据的可用性和用户查询服务的满意度,提出了一种损坏容忍的数据查询降级服务机制.首先,在现有可生存性研究的基础上,引入降级服务的数据模型、数据完整度等相关概念,给出查询降级服务模型的定义;其次,根据该降级服务模型的定义给出相关的查询处理机制与具体查询算法,并从理论上证明该机制的正确性;最后,通过实验从查询执行性能的角度进一步说明该查询降级服务机制的有效性.     

采用投票机制的移动传感节点广播认证方案

提出了一种采用投票机制的移动传感器节点的广播认证方案.首先待认证节点通信范围内的其他节点对其广播的身份信息进行验证,验证通过后再广播投票信息,当赞成票数达到阈值T₁后,其他节点通过对该节点的认证,并接受其入网请求.当节点移动时,充分利用节点入网时已经进行过的验证结果,对待验证节点进行认证投票,赞成票数达到阈值T₂,待验证节点通过验证.仿真结果显示,在保证节点认证过程中安全性的前提下,本方案较其他3个对比方案需要更少的通信数据量,可更好地减少节点广播认证消耗的能量,同时在存储消耗方面具有良好的低能耗性.     

时空数据库中数据建模的研究

研究了时空数据库中的时空建模技术。早期表示时空信息的数据模型通常用基于几何学的空间对象来表示实体,重要的特性都用空间对象的属性来表示。时态信息可以与基于时间戳的独立层次相关联,也可以与独立的空间对象相关联。随着时空建模的进一步发展,出现了面向对象的数据模型和基于事件的数据模型。综合研究了这些典型的时空数据模型,讨论了它们的应用及时空分析建模的作用。此外介绍了针对移动对象的数据类型的建模方法,以及在时空分析数据库管理系统STADBS中,基于Realms的二级平衡二叉树的时空数据模型。     

权重感知的三维室内无线传感器网络部署算法

已有室内受限空间无线传感器网络部署问题的研究均未综合考虑各种部署应用需求以及障碍物对无线传感器信号的干扰,导致传感器感知与通信能力的浪费。为解决上述问题,提出了一种基于启发式算法的无线传感器网络部署算法,该算法利用贪心策略在有障碍的三维室内环境中进行部署,并在此基础上设计了权重感知的遗传算法优化策略用以求解全局最优部署方案。部署算法利用分权的方式描述不同空间区域的重要性,利用带方差的对数正态阴影模型建模信号衰减过程,在获得最大覆盖效果的同时最小化部署开销,并保证空间k覆盖和网络连通性。实验结果表明,障碍物对无线传感器节点造成一定影响时,提出的WCRH算法与OWCRG算法的性能均优于使用传统Lineof-Sight(LoS)模型的基于面积开销比的启发式算法。     

一种云环境中数据流的高效多目标调度方法

在分布式系统中,云计算作为一种新的服务提供模式出现,其执行科学应用数据流时的优势和缺点得到越来越多的关注,其主要特点为拥有大量同质和并发的任务包,并构成了性能瓶颈的主要因素.在云数据流中调度大规模任务是已被证实的NP难问题.文中专注于解决优化云数据流中的调度过程,并由现实世界启发,从不同角度将优化目标分别划分为用户指标（完工时间和经济成本）和云系统指标（网络带宽、存储约束和系统公平度）,并将该调度问题制定成为一个新的连续的合作博弈,设计出快速收敛的高效Muliti-Objective Game（MOG）调度算法,在优化用户指标的同时,实现系统指标的约束,并保证云资源的效率和公平度.通过综合实验,证实文中方法和其它相关算法相比,在算法复杂度O（l·K·M）（明显改进数量级）,结果质量（一些情况下最佳）,系统级别公平性上具有明显优越性.     

一种基于多维集的关联模式挖掘算法

大多数维间关联规则挖掘算法如基于数据立方体的关联规则挖掘算法都假定对象的属性取值只具有单值性．将对象的属性取值扩展到多值,据此提出多维集的概念和基于多维集关联规则的语义特征．在此语义特征下,提出了一个多维集的关联规则挖掘算法．该算法利用多维集关联规则的限制特征,能够在数据集缩减的同时进行侯选集的三重剪枝,因此,具有比直接使用apriori等算法更好的性能,分析了算法的性能和正确性、完备性,并通过实验对算法有效性进行了对比．     

一种基于密度的局部离群点检测算法DLOF

离群点可分为全局离群点和局部离群点.在很多情况下,局部离群点的挖掘比全局离群点的挖掘更有意义.提出了一种基于密度的局部离群点检测算法DLOF.该方法通过引入信息熵用于确定各对象的离群属性,在计算各对象之间的距离时采用加权距离,并给离群属性较大的权重,从而提高离群点检测的准确度.另外,该算法在计算离群因子时,采用了两步优化技术,并对采用这两步优化技术后算法的时间复杂度进行了详细分析.理论分析和实验结果表明了该方法是有效可行的.