任务计算中基于语义Web的上下文感知服务选择

针对普适环境中任务计算的特点,分析了任务计算的层次结构和复杂任务的分解策略,设计了一种任务计算中服务发现的体系结构。此体系结构依赖于服务和内容的语义表示,而这种语义表示是基于本体的、共享的。它不仅可以增强精确度和调用率,而且能够实现知识共享、基于能力的搜索、自主推理以及语义匹配等功能。据此,提出了一种基于语义Web的上下文感知动态服务选择机制,这种机制可以根据待匹配的服务的动态上下文属性来对其进行过滤和排序,从而进一步优化了发现的过程、节约了用户的时间和精力。此外,该选择机制可用于发现有用的静态或动态上下文信息,从而为用户提供最合适、最相关的服务。     

URECA: Efficient Resource Location Middleware for Ubiquitous Environment

We describe an effiective resource location framework for ubiquitous computing environments populated by a diverse set of networks,devices,services and computational entities. Our framework provides context adaptation with the aid of a middleware service to improve the quality of resource location. A resource location protocol suitable to each type of network locates resource effiectively by means of dynamic reconfiguration to the current context. Our framework is also refined by support for interoperability between different types of resource location protocols occurring across a hybrid ubiquitous network. These characteristics also reduce the control overhead for resource location,saving resource,decreasing latency and permitting a considerable degree of scalability.     

体域网BSN的研究进展及面临的挑战

作为WSN的分支和物联网的重要组成部分,BSN通过应用泛在计算、智能信息处理和新型网络化等技术来提高人民医疗保健的水平,并因此日益受到研究人员和企业的关注.已有的研究综述分别在BSN的生物传感器、无线通信架构和数据安全等方面给出了充分讨论.将着重在数据融合、情景感知和系统技术这3个方面总结BSN领域的技术挑战、研究现状和发展趋势.并给出了BSN基本概念和研究状况分析,讨论了BSN系统架构、代表性应用及项目研究,阐述了BSN未来研究展望和应用前景,提出了限制BSN发展的实际问题.虽然BSN还面临诸多挑战,但必然会朝着多种技术相结合的智能化方向发展,并成为未来医疗健康监护的必然选择.     

基于模糊C均值聚类的环境感知推荐算法

针对现有环境感知推荐算法存在的不足,提出一种基于模糊C均值聚类的环境感知推荐算法.首先采用模糊C均值聚类算法对历史环境信息进行聚类,产生聚类及隶属矩阵;然后匹配活动用户环境信息与历史环境信息聚类,采用聚类隶属度作为映射系数将符合条件的非隶属数据映射为隶属数据,最终选择与活动环境匹配的隶属用户评分数据为用户产生推荐.同现有算法相比,该算法不仅解决了因用户环境改变不能准确推荐项目的问题,而且通过采用模糊聚类算法克服了传统硬聚类问题,并且借助于隶属映射函数解决了聚类产生的数据稀疏性问题.在MovieLens数据集上比较了新算法和其他算法的性能,验证了所提算法的有效性.     

构造具备自适应能力的软件

随着应用场景的变迁和自身复杂性的增长,软件需要具备主动适应环境变化的能力,能够依据环境变化动态调整其行为.软件自适应的实现技术跨越了软件监控、上下文敏感计算、决策和控制理论、软件演化和维护等多个学科分支,如何系统化地构造此类软件,是软件工程领域所面临的巨大挑战.从自适应软件构造与实现这一角度出发,以“感知-决策-执行”软件自适应基本周期为主线,对已有的研究和实践进行综述.给出软件自适应的概念内涵,概述软件自适应活动在感知、决策、执行各环节上的特征分类,阐述面向自适应软件构造、关注程度较高的一系列使能技术,进而在分析典型研究项目现状的基础上,给出自适应软件构造领域的未来主要研究趋势.     

概念设计中基于笔式手势的交互计算研究

基于笔式手势的自然交互是支持概念设计创新的有效方式.提出了一种笔式手势的层次概念模型,结合基于约束的自由勾画和上下文感知技术描述了手势设计方式,进一步讨论了手势内部的约束建立和求解算法;基于手势应用的范式,给出了概念设计中特征手势建模的应用实例,通过与传统建模和交互方式的对比,验证了特征手势建模的方便性.给出一个自然、高效的方法,以基于手势的方式来完成概念设计构思过程,采用笔式交互快速自然地记录下设计思路,所实现的系统方便了用户的创新设计,改善了人机交互模式.     

普适计算体系结构的研究

普适计算使人在信息空间与物理空间相融合的环境下，利用任意设备，通过任意网络，在任意时间透明地获得一定质量的网络服务，根据目前国际上普适计算研究的现状和发展趋势，提出了一个普适计算体系结构的参考模型，并简要讨论了该参考模型的四个关键研究内容一移动计算、互操作计算、情感计算和上下文感知计算．     

一种规则驱动的觉察上下文计算模式

以面向服务的体系结构和产生式推理技术为基础,提出一种规则驱动的自适应觉察上下文计算模式。在该模式中,用户的需求及服务复合策略的语义用产生式表示。在动态普适计算运行环境中,规则推理引擎能够在运行期间,根据当前的上下文知识自动选择服务构件,动态合成应用软件完成预定目标。     

上下文感知计算及系统框架综述

当人们在与其他人或周围的环境交互时,常常会无意识地利用到诸如手势、眼神、情境、环境状况等上下文信息 .与之相反,计算机系统却很少能有效地利用这些信息 .但自Mark Weiser提出普适计算以来,如何有效利用上下文信息开始得到充分重视并发展成为一种新的计算模式--上下文感知计算 .通过对近10年来上下文感知计算尤其是系统框架的发展进行综述和分析,提出了一个新的上下文感知计算系统框架概念模型,同时对该概念模型所涉及的关键技术问题进行了深入探讨,这可为感知计算的进一步研究提供指导 .     

基于情境感知和本体的E-Learning系统研究

为了合理、有效地描述E-Learning环境中学习者的学习情形,利用本体论具有知识组织清晰、概念和关系定义明确的特性,建立了E-Learning环境中的情境信息本体模型。为提高学习者的学习兴趣和学习效率,对采集到的情境信息进行情境推理后,采用资源调度控制算法调用相应的学习资源服务及时向学习者提供。应用实例验证了基于情境感知的本体E-Learning系统的服务性能。