一种扩展了价格变迁的Petri网及应用

提出一种扩展了价格变迁的Petri网一经济Petri网，讨论了相应的分析方法，并用经济Petri网建立一个业务流程的费用模型。得出的结论包括：为Petri网扩展价格变迁是可行的：将经济Petri网应用于业务流程管理领域是有效的。     

对偶网的一些性质

给出了Petri网与其对偶网性质的一组充要条件或充分条件，这些条件对Petri网的描述与分析是非常有用的．     

基于Petri网的协议测试例自动生成

Petri网支持下的协议一致性测试是协议工程研究中的重要课题.Petri不能很好地支持一致性测试集的自动生成.针对这一问题,分析了对基本Petri网扩展的必要性,提出了一种新的用于支持协议测试的扩展的高级Petri网,揭示了其静态结构和动态行为,并提出了该Petri网到测试描述语言TTCN-3的转换规则.开发了原型系统,并应用于实际的协议一致性测试工作.     

基于Petri网的故障诊断新方法

在分析故障诊断问题特点的基础上，提出一种不增加Petri网元组的故障诊断新模型，对故障传播的分析更加方便，并通过实例验证了方法的有效性。     

超越传统的数学学习观

传统的学习心理学一直把对学习结果的掌握等同于实际的学习过程.就其本质而言,是把学习活动的研究简单化为对学习结果的研究.从哲学解释学角度看,数学学习过程本质上是数学理解的发生过程,数学学习的结果是一种具有暂时性的"个体性知识",而"个体性知识"的"客观性"保证在于对这些知识的理解的不断循环和反思;同时数学学习也是意义生成的过程,不同的人看到的是事物的不同方面,不存在唯一的标准的理解,任何一个前理解都是理解的基础.     

基于信号解释Petri网的可重构逻辑控制器分析与设计

为适应可重构制造系统这一新生产模式的顺序控制 ,本文提出了基于信号解释Petri网的可重构逻辑控制器分析和设计的方法 .该方法利用层次化、模块化和接口技术将控制器规划为开放的体系结构 .确定了可达图法和化简技术结合的SIPN模型形式分析方法及步骤 ,采用透明度指标对模型进行评价 ,并给出控制器重构能力分析原则 .接着将该理论及方法用于一可重构装配生产线可重构逻辑控制器的建模和分析案例中 .分析结果表明设计的可重构逻辑控制器形式正确、有效 ,具有可重构能力 .最后提出逻辑控制器建模、分析、仿真、代码生成和逻辑控制实施的软件平台 ,该软件采用CORBA组件模型的软组件技术开发 .     

超空间上的弱连续对应

本文在超空间上定义了弱连续对应。以拓扑空间中的开(闭)集和θ—开(闭)集为基础得到了这种对应的若干等价条件。并给出了子集网与收敛网的应用。     

THOR网在机器人装配系统装配质量预测和分析中的应用

装配质量对产品的性能和可靠性有直接的影响．基于一类高级的Petri网——THOR网，对机器人装配系统装配质量的预测进行了研究，提出了系统分析装配质量的模块化建模方法．该方法可以对各种装配策略和手段与装配质量间的关系进行研究，是实现机器人装配系统装配质量评价与控制的有力工具．     

电子支付安全协议的Petri网模型及分析

通过对电子支付安全协议的研究,利用Petri网描述了电子支付安全协议处理流程;根据可达树分析了电子支付协议Petri网模型的正确性、安全性、公平性、可达性和活性. 基于Petri网理论研究电子支付安全协议的工作,对于指导电子支付相关安全项目的研究以及解决实际安全问题具有一定的理论价值和实践意义.     

Privacy Quantification Model Based on the Bayes Conditional Risk in Location-Based Services

The widespread use of Location-Based Services(LBSs),which allows untrusted service providers to collect large quantities of information regarding users’locations,has raised serious privacy concerns.In response to these issues,a variety of LBS Privacy Protection Mechanisms(LPPMs)have been recently proposed.However,evaluating these LPPMs remains problematic because of the absence of a generic adversarial model for most existing privacy metrics.In particular,the relationships between these metrics have not been examined in depth under a common adversarial model,leading to a possible selection of the inappropriate metric,which runs the risk of wrongly evaluating LPPMs.In this paper,we address these issues by proposing a privacy quantification model,which is based on Bayes conditional privacy,to specify a general adversarial model.This model employs a general definition of conditional privacy regarding the adversary’s estimation error to compare the different LBS privacy metrics.Moreover,we present a theoretical analysis for specifying how to connect our metric with other popular LBS privacy metrics.We show that our privacy quantification model permits interpretation and comparison of various popular LBS privacy metrics under a common perspective.Our results contribute to a better understanding of how privacy properties can be measured,as well as to the better selection of the most appropriate metric for any given LBS application.