一致性测试的静态需求测试研究

针对一致性测试中的静态需求测试通常采用手工方法而产生的效率低问题,提出一种基于统计学习的方法,包括静态需求的关联规则表示,并对采样的协议数据进行关联规则挖掘,如果得到的规则与需求规则一致,静态需求就可以得到统计上的测试检验。该方法在OSPFv3协议测试中取得了较好的效果。     

基于面向方面MDA的实时系统开发方法

实时系统有许多难以处理的横切整个系统的非功能需求。针对以上问题,提出基于面向方面模型驱动架构的实时系统开发方法。该方法在设计阶段将系统的非功能需求从功能需求中分离出,以降低系统开发的复杂性,提高系统的可重用性、可维护性和横切关注点的模块化程度。通过应用实例证明该方法是有效的。     

基于性能需求的自适应中间件框架

分析影响服务质量的构件资源需求与资源依赖关系模型,提出一种自适应中间件框架。该框架能动态感知负载变化,自适应调整服务器配置参数,确保应用的服务质量。采用回溯算法搜索最优配置,以满足性能需求。以一个信息查询系统作为测试用例进行实验,结果表明,该框架可以提高应用程序的性能。     

基于矢量网络分析仪的无源互调测量系统研究

在矢量网络分析仪的基础上设计了无源互调测量系统.该系统由矢量网络分析仪与双工器、合路器等无源器件组成,由矢量网络分析仪提供两个源与接收机功能,并将功率放大器、双工器、合路器等集成测试装置.在此基础上,设计并搭建了互调测量系统,实验测试表明:自身互调测量达到≤-168 dBc @2×43 dBm,测试结果与标准件基本一致,其测量误差分别为0.35％,0.64％.该系统具有很高的测量精度,既可测量无源互调,又具有矢量网络分析仪的功能,并且在系统集成上具有良好的适用性,有效地拓展了矢量网络分析仪的测试功能.     

支持QoS的无线传感器网络容错拓扑控制算法

针对附加QoS需求的无线传感器网络,给出一种满足生命期和干扰服务要求的无线传感器网络无标度容错拓扑控制算法（scale-free fault-tolerance topology supporting quality of service,简称QoS-SFT）.通过分析无标度拓扑的度分布属性与其生命期和干扰性能的关联关系,量化出生命期和干扰联合优化的无标度拓扑度分布表达式,进而以无标度拓扑的度分布表达式为设计目标,采用偏好依附规则实现QoS-SFT算法设计,形成能够满足生命期和干扰联合优化要求的容错拓扑.理论分析和仿真结果表明,QoS-SFT算法不仅能够保证无标度拓扑的强容错性,还有效提升了无标度拓扑的生命期和干扰性能.     

不确定需求下带约束供应链系统复杂动态行为分析

研究不同需求模式下, 同时存在供应能力限制和不允许退货两个约束条件的非线性供应链系统的动态行为. 通过计算订货决策空间中各种组合下的最大李雅普诺夫指数, 比较分析不同情景模式供应链系统的准混沌行为. 研究表明, 受约束条件影响的供应链系统具有相对复杂的动态特征, 但并不是无规律可循, 即使在随机需求模式下, 若订货策略合理, 则仍可减轻甚至避免系统的混沌行为; 反之, 在稳定的需求模式下, 不合理的订货策略仍会导致系统处于混沌状态. 仿真实验验证了研究结果的合理性.

     

LR-型模糊需求下供应链的质量控制与成本分担

研究LR-型模糊需求下两级供应链中可变比例成本分担和质量控制的契约设计问题. 在召回成本无分担的分散模式下, 供应链成员努力投资不足, 集中式供应链努力选择互补, 互补程度关于单位召回成本和总缺陷率递增. 引入可变比例成本分担契约, 该契约能发挥制造商与供应商的努力选择互补效应, 且双方关于努力选择的博弈存 在Nash 均衡. 当缺陷分析成本为零时, 在契约Φ 下供应链成员激励相容, 供应链的整体利润等于集中式最优利润. 确定可变分担比例解析解、缺陷率阈值. 验证结果表明, 契约Φ 的成本无效指数和质量无效指数均低于固定比例成本分担合同, 契约Φ 比固定比例成本分担合同更合理、有效.

     

一种新的拓展稀疏人脸识别算法

近几年来,基于稀疏表示分类是一个备受关注的研究热点。如果每类训练样本较充分,该类方法可以取得比较好的识别效果。当训练样本比较少时,它的分类效果可能就不理想。拓展的稀疏分类算法可以较好的解决这一问题,它在表示测试样本时,引入了训练样本的类内变量矩阵,利用它和训练样本集来表示测试样本,从而提高了人脸识别率。然而,该算法并没有考虑训练样本在表示测试样本中所起的作用,即所有训练样本的权重都等于1。本文采用高斯核距离对训练样本加权,提出用加权的训练样本和类内散度矩阵来共同表示测试样本,即基于加权的拓展识别算法。实验证明所提算法能够取得更好的人脸识别效果。     

一种强安全约束机制下的云计算任务调度方案

针对云计算技术中的资源调度时间长、开销大、不考虑调度安全的问题,本文在对常见的云环境下工作流任务的资源调度问题进行建模的基础上,提出了一种强安全约束机制下的云计算任务调度方案。该方案按照所用方法的安全强度,再加上相关软件的安全程度,赋予虚拟机不同的安全等级;另一方面,其按照用户的需求等诸多方面,能够赋予操作不同的安全需求等级;最后使用变近邻粒子群算法对该问题进行了求解。在CloudSim仿真平台上的实验结果证明,本文提出的算法与用最大－最小蚁群算法、遗传算法与该算法相比,该算法具有很好的可用性和寻优能力。     

一种基于局部拓展的并行重叠社区发现算法

处理海量级数据的有效途径之一是将算法分解为一系列互不依赖的任务,然后利用开源工具并行地执行算法。而在重叠社区发现算法中,基于局部拓展的方法在拓展阶段往往仅需要局部社区及其相应的邻居结点的信息,因而具备可并行执行的可能性。提出了一种可并行化执行的局部拓展算法,并借助开源工具Spark将其实现。算法分为4个阶段。首先,挑选出一组不相关的中心结点并使用其对应的局部网络作为种子;其次,通过删除本身连接不是很紧密的局部网络来过滤选出的种子;然后,采用一种批量式的拓展策略来拓展种子,即一次向局部社区中添加一批邻居结点或从社区中删除一批结点;最后,融合相似的社区。在人工生成的网络以及真实世界中的网络上的实验结果显示 ,所提算法既准确又高效。