以就业为向导的IT人才培养实训教学模式探讨

综合分析了本科应用型人才的特点和计算机本科应用型人才的社会需求,提出了”以就业为导向,与企业结合,依托实习实训基地,按照“2＋1＋1”的人才培养教学模式,以能力为本位,以项目为驱动,培养具有全面素质、理论基础扎实、知识面宽、实际动手能力强的复合性应用型IT人才。     

基于粒子群优化的多核处理器系统节能调度算法

针对嵌入式多核系统中的实时性和能耗问题,提出了基于粒子群优化的多核处理器系统节能调度算法.通过对多核处理器系统任务调度和能量消耗的分析,建立了新的编码策略和相应的目标函数,将任务划分、任务调度及电压选择3个过程整合到粒子群算法的一个单迭代寻优循环中,并兼顾系统的实时性,将问题转化为有约束的粒子群优化问题,利用可行性规则的约束处理技术,形成基于约束粒子群优化的整体节能调度算法.实验结果表明:本文算法能以较快的速度收敛于使系统能耗更少的调度解.     

语义Web服务的相似性方法研究

针对目前的Web服务处理效率低下的问题，主张通过对web服务添加丰富的语义描述，将需求者的要求按约束的形式形成服务模板，然后将服务模板与服务注册库中的服务进行基于语义的相似性评价，从而形成候选服务集合，最后从该集合中找到能全面满足需求者要求的最佳服务。这在很大程度上提高了web服务处理的精准度和效能。     

基于Hadoop的鼓风机工业数据处理和存储系统

针对现有工控网系统不能高效稳定地接收并处理来自工业现场的海量传感数据问题,基于Hadoop框架,采用消息队列遥测传输(MQTT)作为数据接入协议、EMQ消息队列服务器提供订阅发布接口、Flink作为流计算平台、Kafka作为消息队列缓存分流以及OpenTSDB数据库作为数据存储,设计并实现鼓风机工业大数据处理和存储系统。实验表明,此系统消除了工业制造过程中产生的海量数据信息孤岛,实现生产设备状态动态监测及实时预警。     

带部分标记的软件行为踪迹研究

在网络化软件交互过程中,事务产生的行为序列中某些行为的标记(Token)丢失或不可用,导致无法对这些事务进行进一步的分析和处理,比如事务追踪、行为描述、行为模板提取等都难以实现.为了解决这个问题,首先提出了事务处理过程满足马尔科夫性(Markov)的状态转移模型(STM),再将该模型中的状态根据状态划分算法,分割成若干偶图子系统,并分别将这些偶图子系统转化为网络流图,最后采用网络流中最大流(MF)方法对状态转移模型中带部分标记的行为踪迹重新标识,将标识的结果整理成完整的踪迹序列,为后续的行为分析提供便利.实验结果表明,文章提出的方法是有效和可行的.     

基于区块链的电子健康记录安全存储模型

针对现有中心化信任背景下电子健康记录存储存在的安全风险,提出一种基于区块链的电子健康记录安全存储模型。模型首先设计了新的电子健康记录区块链存储结构,解决了现有存储模型实用性不强的问题;然后优化了区块链中区块入链的工作流程,减少了点对点（P2P）网络中的信息传播量;最后设计了基于随机数选举的共识机制,提高区块入链的时间效率。将提出的模型在Hyperledger中进行模拟实验,并将所提出的共识机制与现有共识机制进行性能对比。实验结果表明,提出的存储模型具有较高的安全性和更好的运行时间效率。该模型适用于区块链在医疗卫生领域的应用,为电子健康记录的安全共享提供了支撑。     

普适环境下陌生交互实体的行为分析与预测*

基于普适环境下陌生交互实体之间没有先验交互经历,为了该环境的计算安全,必须确保其交互的行为可信,提出一种基于嵌套的狄利克雷过程和无限隐马尔可夫模型的行为分析与态势预测模型。该模型能有效地预防陌生实体交互过程中反常、欺诈等行为,对不可信的行为提前干预,避免产生严重的后果。最后举出模型在智能商场中应用并仿真分析了模型的可行性。     

网络化软件交互行为动态建模

 目前的软件行为建模方法有其局限性,而网络化软件交互行为比传统软件更为复杂难控,对模型的定义和优化提出了更高的要求.本文提出一种基于不变量约束规则的挖掘方法,从监控收集的软件交互行为日志中挖掘出六类不变模式,简化了模型空间;并用事件描述状态,提高了数据集的表达能力;构建的动态模型考虑了参数传递和组件之间的交互,将数值关联关系映射到控制流中,从而更真实地刻画了软件交互行为;模型中的事件满足不变量约束规则,为软件行为分析提供了依据;同时,本文提出合并划分子图间的等价状态方法,对模型进行精化和抽象,确保了模型的确定性和完备性.仿真实验和实例分析证实了该方法的正确性和有效性.     

一种改进的进化规划算法在原料库存优化中的应用

库存控制是现代企业,特别是连续生产企业物流管理的一项重要内容.针对某有色冶金企业原料库存的实际情况,建立一个以资金损耗最小为直接性能指标的原料库存优化模型,并利用一种进化规划的算法对该模型进行优化.仿真及实际运行结果表明:进化规划算法有效地克服了传统遗传算法容易早熟收敛的缺点,具有全局收敛性,同时还能加快遗传进化的速度,得到令人满意的全局最优解.