基于Artifact业务过程的分层建模方法

基于Artifact流程模型是以数据为中心的业务流程常见的建模形式。Artifact流程模型灵活性高,环境适应性强。文中基于Artifact建模思想,结合建模的形式化与说明性表现方式,给出一个新的Artifact流程建模方法并给出模型的实现架构。该方法运用分层理念,将流程模型的概念组成与业务逻辑处理分开,概念层以ArtiFlow模型为基础,详述模型各基本组件并给出基于XML的形式化实现,逻辑层将业务逻辑内容分解成各自独立的组件,供流程引擎按需调配,降低组件间的耦合性,进而提高模型的其灵活性。最后,根据上述建模思想,文章结合网上购物的流程进行了用例分析。     

面向软件业务逻辑的工作流引擎(ToLWE)的设计与实现

传统的工作流系统通过管理和控制业务流程来提高企业运行的灵活性和适应性。本文面向软件业务逻辑的定制和执行实现了一个基于令牌协议的轻量级工作流引擎,将工作流的优点引入软件开发领域,同时为其提供基于GME(通用建模环境)的可视化流程定义工具。ToLWE通过将工作流的概念引入软件开发中,不仅加快了软件的开发速度,而且提高了软件业务逻辑的灵活性和可定制性。     

支持动态调度的工作流D Flow Engine的设计与实现*

基于流程与活动两个级别考虑,提出支持动态调度的工作流D-Flow Engine;从动态路由和流程多版本方面分析了其动态调度特性。通过在流程建模阶段扩展工作流管理联盟的工作流元模型相关定义,重点分析了动态路由和多版本流程迁移在流程运行阶段的调度实现。实践表明,D-Flow Engine提高了工作流的适应性,满足了企业对工作流动态性的需求。     

"北京一号"多光谱影像复原方法研究及实现

针对“北京一号”多光谱影像存在的因系统影响造成的图像模糊问题与数据量大的特点，对图像的复原方法进行了研究。并提出一种通用的处理流程框架。这种处理流程框架对计算机硬件环境具有良好的灵活性和适应性，为类似大数据量的图像处理提供了一种可供参考的方法。在提高其图像质量方面本文采用了一种快速有效的图像复原算法，即在频率域基于MTF传输调制函数的维纳滤波的复原方法。本文还通过实验对复原算法和流程框架进行了有效性和实用性方面的验证。由于这种解决方案兼顾了复原效果和运算效率。取得了令人满意的结果。     

基于Web的动态工作流建模技术研究

基于Web的动态工作流系统可以提供非常灵活、柔性的流程运行环境,使流程在运行时可以根据实际情况做出修改和调整.本系统采用基于J2EE的MVC架构,在Eclipse集成开发环境下进行了应用研究.对动态工作流建模进行了分析,提出了流程反向映射、基于Web的流程编辑器、将图形化流程转换为流程定义文件等关键技术的解决方案.实验结果表明,该系统可以较好地解决工作流应用中的灵活性问题,提高了应用系统的适用性.     

改进的混合高斯背景建模算法

针对传统的混合高斯背景建模算法实时性差及对光照等引起的环境突变适应性差的问题,提出一种改进算法。通过定义模型生存时间、连续匹配次数等参数定量约束模型的生存时间,改进传统算法中固定模型数量的限制,提高背景建模速度;通过定义突变因子、突变持续时间,检测光照突变。仿真实验表明,改进算法实现了模型数量的自适应增减,提高了建模效率,对由传统建模算法实时性差造成的误检及光照突变引起的误检能较好的解决,具有较强的鲁棒性。     

不确定环境下的一种动态响应库存优化方法

针对随机需求提前期环境下的库存管理问题,提出一种启发式动态响应算法求取最优订货策略。建立最优订货策略的动态非线性优化模型,并设定客户需求和订货提前期分别为线性和高斯随机变量,通过变化形式、步长和变化频率的不同模拟实际经济运营过程;在微粒群寻优过程中引入柔性变异概率及动态更新响应方式,使微粒具有感知外界环境变化及对变化的响应能力,提高算法对复杂动态系统环境变化的适应性。实证分析结果证明了所提方法对最优订货量实时变化的动态响应能力。     

静态背景下运动对象检测的设计与实现

对静态背景下运动对象的检测方法进行研究,设计并实现了基于背景差分法的运动对象检测方法。该方法首先通过学习视频图像的每一帧建立高斯分布背景模型,构造初始背景图像;然后运用背景差分算法,得到运动对象,并对背景图像进行更新,得到实时的背景图像;最后利用背景图像和当前帧图像的差分图像,在二值化和形态滤波的处理后,获得运动目标。该方法提高了背景建模的质量,对外界环境的变化具有一定的适应性。     

基于Tropos~+需求模型的软件自适应方法

在模型驱动的软件自适应控制过程中,监测、分析、决策和执行等活动均基于共享的知识模型。为便于知识重用和运行时维护,常采用抽象级别较高的需求模型来表示知识。为建模软件的适应性需求,针对传统的Tropos及其扩展方法不能用于软件对异常事件适应性需求建模问题,对Tropos进行上下文和异常条件扩展,记为Tropos+。在此基础上,提出一种由Tropos+需求模型驱动的软件自适应方法,该方法能够用于软件运行环境和异常事件监测以及软件对环境变化和异常事件的自适应处理。最后通过一个案例说明了软件自适应过程。     

一种改进的路口背景频度估计算法

从路口视频图像中实时地构建道路背景图像是基于背景减法的车流量检测的前提。由于路口车流信息复杂，图像受外界环境因素影响大，现有的背景估计算法都有不足之处。该文提出了一种改进的频度背景估计算法，通过离散样本图像，实时地构建背景。该方法不仅算法简单、实时性高，而且增强了在背景估计时对光线变化的适应性，提高了背景建模的准确度，可适用于基于视频的路口信号灯的智能控制系统。     

基于机器学习的英语词汇自适应学习模型

研发一个实现机器学习算法的英语词汇自适应学习模型,该模型记录了学习者对学习内容自我选择的情况,进而反映出学习者的个性差异.同时,作为一种动态建模学习工具,其关键参数是条件概率,用于测量学习者某个认知特征对某种学习内容的适应性关系,因此将该参数称为适应度.学习者每次对一个单词完成学习内容的自我选择,适应度随之更新一次,视为一次训练;通过训练,不断调整适应度,修改和维护模型自身.模型将所要解决的问题抽象为一系列数学公式,公式参考了AdaBoost算法公式;模型的求解流程参照了基于项目反应理论的自适应测验过程.本模型能够持续迭代适应度直至稳定,最终推送出与他相适应的学习内容.文章首先介绍国内外相关研究及选题价值,接着阐述模型的理论依据,继而重点论述模型的构建,最后给予例证.     

动态数据流环境下的自适应性行为识别算法设计

传统的行为识别系统大多是建立在一个静态模型上,对样本特征值有非常强的依赖性,而对个别用户的行为习惯缺乏灵活适应性.基于三轴加速度计设计了一种在动态数据流环境下能够对用户行为进行增量学习的自适应性行为识别算法,该算法提出了一种新的提取加速度特征的方法,通过将三轴加速度计采集到的合成加速度数据集合看做物质,来提取物质的物理特征并训练这些物理特征用于投票分类,然后再通过增量学习来更新样本特征值,使其逐渐趋向于用户的行为习惯,从而达到更高的识别率.实验结果表明,该算法具有很高的识别率和对用户很好的适应性.     

Implement web learning environment based on data mining

The need for providing learners with web-based learning content that match their accessibility needs and preferences, as well as providing ways to match learning content to user’s devices has been identified as an important issue in accessible educational environment. For a web-based open and dynamic learning environment, personalized support for learners becomes more important. In order to achieve optimal efficiency in a learning process, individual learner’s cognitive learning style should be taken into account. Due to different types of learners using these systems, it is necessary to provide them with an individualized learning support system. However, the design and development of web-based learning environments for people with special abilities has been addressed so far by the development of hypermedia and multimedia based on educational content. In this paper a framework of individual web-based learning system is presented by focusing on learner’s cognitive learning process, learning pattern and activities, as well as the technology support needed. Based on the learner-centered mode and cognitive learning theory, we demonstrate an online course design and development that supports the students with the learning flexibility and the adaptability. The proposed framework utilizes data mining algorithm for representing and extracting a dynamic learning process and learning pattern to support students’ deep learning, efficient tutoring and collaboration in web-based learning environment. And experiments do prove that it is feasible to use the method to develop an individual web-based learning system, which is valuable for further study in more depth.     

强化学习A3C算法在电梯调度中的建模及应用

为让电梯调度算法在电梯电力能耗、用户乘梯体验和算法适应性方面具备更好表现,在目前主流的电梯调度算法基础之上,提出对调度环境、电梯行为和调度目标3个方面进行统一建模的基于强化学习A3C的电梯智能调度算法.让调度电梯在不断地和环境交互学习过程中逐渐学习得到最优电梯调度策略,与基于具体环境建模的相关电梯调度算法进行对比实验,...     

基于MapReduce和Spark的大数据主动学习比较研究

在我们以前的工作中,提出了基于MapReduce的大数据主动学习算法。在本文中,将这一算法移植到Spark环境,提出了基于Spark的大数据主动学习算法,并对基于MapReduce和Spark的2种大数据主动学习算法从运行时间、文件数目、同步数目和内存耗费4个方面进行了比较研究,得出了一些有价值的结论,这些结论将为相关研究人员提供很好的帮助。     

基于柔性的CAI平台的设计

为了满足教学的需要,在分析了软件系统柔性产生机理的基础上,提出了建立基于柔性CAI平台的思想并给出模型。该模型分为五个层,即:环境支持层、运行平台支持层、物理管理层、映射层和应用层,并具体讨论了每一层的功能和开发方法。该平台提供了三个不同层次的柔性,即:面向开发员级、面向教师级和面向学生级的柔性应用平台。最后,结合物理CAI平台设计实例进行了说明,证明基于柔性的CAI平台适应能力强,使用方便。     

基于深度强化学习的网络攻击路径规划方法

攻击路径规划对实现自动化渗透测试具有重要意义,在现实环境中攻击者很难获取全面准确的网络及配置信息,面向未知渗透测试环境下的攻击路径规划,提出了基于深度强化学习的攻击路径规划方法。首先,对渗透测试问题的状态空间和动作空间进行形式化描述,引入信息收集动作增强对环境的感知能力。然后,智能体通过与环境的自主交互进行学习,寻找最大化长期收益的最优策略,从而指导攻击者进行路径规划。当前深度强化学习算法应用于攻击路径规划存在适应性不强和收敛困难等问题,限制了其处理复杂渗透测试环境的能力。智能体在训练初期通过盲目探索得到的动作序列在维度迅速增长时质量会急剧下降,有时很难完成目标,而且低质量的动作序列大量积累会导致算法不收敛甚至神经元死亡。针对此问题,本文提出的深度强化学习算法在DDQN算法的基础上增加了路径启发信息和深度优先渗透的动作选择策略。路径启发信息充分利用历史经验,在训练初期对智能体的学习过程加以引导,深度优先渗透的动作选择策略在一定程度上对动作空间进行了剪枝,加速智能体的学习过程。最后,通过与其他深度强化学习算法在相同实验条件下的对比,验证了本文算法收敛速度更快,运行时间缩短30%以上。     

基于TL_Sheduling的异构集群负载均衡算法的研究与应用

异构环境下"集群系统"负载均衡技术的关键是实现进程的跨平台迁移,对于进程的跨平台迁移所带来的困难和开销是巨大的.在传统进程迁移算法基础上,充分考虑节点对提交作业的适应性,提出一种新的TL-Scheduling负载均衡算法,能够控制作业提交到适合它执行的节点上,该算法可以有效提高系统负载均衡和作业执行效率.在其基础上,研究设计了基于XML业务流程模板的卫星作业调度系统,使得作业调度系统更加实用化.     

面向人机物三元数据的热轧调度问题研究

随着钢铁行业的数字化发展,其订单逐渐趋于多样化和随机化,这对热轧调度模型的适应性和灵活性等提出了新的要求.针对热轧调度问题,当前的主流方法是启发式算法,但其存在两个问题:一是没有考虑数据的组织表示;二是此类算法具有很强的针对性,当问题发生很小的改变就需要进行复杂的参数调整.相比之下,机器学习具有更好的适应性和灵活性,对此,采用本体进行人机物三元数据的组织表示,提出一种指针网络$+$强化学习的热轧调度求解方法.采用指针网络来学习序列到序列的映射,同时为解决指针网络训练困难和性能不高等问题,通过actor-critic网络进行训练,提高模型的准确性和收敛速度.最后,通过设计相应的实验对算法的性能进行仿真并与LK-H的局部搜索算法进行对比,进一步验证了所提出方法的有效性.     

啤酒发酵过程监控系统研究

啤酒的发酵是一个复杂的生物化学反应过程。针对啤酒发酵过程受许多干扰因素的影响，具有大惯性、大滞后和严重的非线性特性，以及过程对自动监控系统的要求，引入以被调变量的偏差和偏差的变化趋势为依据的模糊智能控制算法，设计了啤酒发酵过程监控系统，并讨论了系统工程的软硬件实现的问题。系统的实际运行效果表明，该系统算法适应性和灵活性强，控制精度较高，运行效果理想，发酵过程动态特性好，啤酒生产波动小，啤酒质量稳定。