基于排队论和时间需求分析法的实时系统时间行为分析*

针对目前广泛使用的固态优先级RMS调度策略,利用时间需求分析算法对系统中所有周期任务进行可调度性分析测试,保证其在临界点仍可以满足时限。利用排队论中的M/M/1/K排队系统,根据非周期事件接收缓冲和可延期服务器定量分析非周期事件的平均响应时间和系统异步事件丢失率,使之符合系统要求。     

方块苗文动态构造方法的形式化描述

针对如何在计算机中生成和显示方块苗文的问题,提出了一种方块苗文动态构造方法,给出了该方法的基本原理,定义了实现方块苗文动态构造所需要的操作符,并以谓词规则的形式对方块苗文动态构造变换操作进行了描述。该方法仅需存储方块苗文构件及独体字的显现字符,通过对显现字符进行上下组合、左右组合、侧围组合来实现方块苗文的动态构造,为方块苗文字库中字形构件提取及合体字自动生成技术提供了重要支持。     

公式分层的谓词模态逻辑

由于必然模态词□的引入,谓词模态逻辑的公式在一个可能世界中的真假值可能依赖于其可达的可能世界.在谓词模态逻辑中存在个体跨可能世界相等问题.针对这一问题,Lewis提出了对应物理论,并且在对应物理论中用对应物关系来表示个体跨可能世界相等.但是,当一个对象具有一个以上的对应物时,谓词模态逻辑中的跨可能世界相等关系无法与对应物关系建立一一对应.通过限制谓词模态逻辑中全称量词∀的范围,给出了一种公式分层的谓词模态逻辑.它是谓词模态逻辑的一个子逻辑,并且其语言与谓词模态逻辑的语言是相同的.但其公式是分层定义的,使得∀可以出现在□的范围内,并且□不能出现在∀的范围内.由于任意形如∀x□φ（x）的表达式都不是该逻辑的公式,以量词开头的公式在一个可能世界w中的真假值只依赖于w,该逻辑避免了个体跨可能世界相等问题.给出了该逻辑的语言、语法和语义,并证明了该逻辑是可靠的和完备的.     

一阶谓词逻辑的图形推理法

针对已有一阶谓词逻辑推理方法中存在的推理效率低等问题,研究一种基于谓词/变迁系统的图形推理法。定义了描述谓词间与/或关系的谓词-与/或图,借助谓词-与/或图表示谓词/变迁系统,提出一种实现反向推理的目标制导的图形推理法。该方法推理效率高,较已有的推理方法具有一定的优越性。     

结合用户交互行为和资源内容的资源推荐

为了更好地管理任务以及与任务相关的资源,使用户集中注意力在任务本身上,减少用户的交互负担,提出一种基于隐式Dirichlet分配(LDA)模型的任务建模方法.通过将用户的交互行为按时间片进行切分,实现了时间片序列—任务—文件与LDA模型中的文章—主题—单词的对应,经过LDA方法的学习,得到了时间片—任务的概率分布和任务—文件的概率分布;为了对任务模型进行补充,进一步提出了基于资源内容的主题分析方法,并用LDA方法建立了主题模型;最后通过对资源的关联关系分析,实现了一个结合任务模型和主题模型的资源推荐系统.实验结果表明,任务模型能够有效地发现用户的主要任务和主要文件.     

发布订阅系统中Carzaniga匹配算法优化

基于内容的发布订阅系统中应用广泛的Carzaniga算法只支持订阅覆盖,未考虑多个谓词间可能存在的覆盖关系,从而引发事件与订阅较严重重复匹配,降低系统匹配效率,导致系统性能低。针对该问题,该文提出一种改进算法,结合计数法和搜索树匹配策略,利用谓词间的覆盖关系减少重复匹配,划分并行谓词集匹配树加速匹配。实验表明,其进一步减少重复匹配,匹配效率得到一定提高,也提高系统性能和可扩展性,更适用于大规模的发布订阅系统。     

“存在”是否谓词浅析

"存在是不是谓词"的争论由来已久,主要集中于三种结论:一是以弗雷格、罗素等逻辑学家为代表,认为"存在"不是谓词,而是量词。二是皮尔士等人结合精致的自然语言分析,认为"存在"在某些特殊情况下可以充当逻辑谓词,因此它是一种特殊的谓词。三是自由逻辑学家认为"存在"是谓词。     

对等网络环境下多目标任务容错调度方法研究

为了加强网络环境的可靠性、强化系统运算性能,提出对等网络环境下多目标任务容错调度方法.使用PB算法对处理器进行容错处理,划分任务主、副版本,通过分析任务相应版本与所在处理器的运行时间,构建任务模型与故障模型.拟定多目标任务不同开始时间与时限,通过自适应策略拟定启发式多目标任务容错分配策略,将多目标任务转换为回路任务.设定回路任务的数量与主版、副版本在普通处理器内的运行时间,判断调度序列内任务,计算其在处理器内需要消耗的时间,将结果对比之前拟定的时间判断是否调度成功,成功则启动副版本迭代计算.实验结果表明,所提方法不会因为网络节点数量不同,出现大量任务调度失败的问题,提高了系统性能和网络环境安全.     

结合谓词感知与图注意力机制的链接预测方法

知识图谱补全旨在预测三元组中缺失的部分使知识图谱趋于完整.针对基于神经网络等模型的链接预测方法忽略了实体间的关联信息,导致模型不能覆盖三元组周围局部邻域中固有的隐藏信息,提出图注意力机制与谓词感知结合的方法.首先,利用图注意力机制定义了一个关系嵌入矩阵,描述任意给定实体邻域内实体间的关系;其次,引入谓词增强实体间语义理解程度,构造了基于谓词嵌入向量的注意力值计算公式,以便有效地度量实体间语义联系的强度;此外,利用实体邻居间的边关系预测多跳实体间的直接关系以补全知识图谱.在数据集WN18RR、Kinship、FB15K的实验结果表明了该方法能有效提高三元组的预测精度.