面向移动学习的学习资源组织关键技术研究

学习资源的逻辑与物理组织是移动环境中决定移动学习应用质量和应用深度的关键问题．在介绍了移动学习及其特点和移动学习资源研究基础上,重点分析了移动学习资源组织关键技术,包括移动学习用户行为感知、移动学习资源语义组织及移动学习资源的存储优化．最后提出了面向移动学习的学习资源组织技术问题,并对未来研究方向和需要重点解决的关键技术进行展望．     

基于SNMPv3的分布式网络管理系统的初步研究

简单网络管理协议 (SNMP)由于其易于实现和广泛的TCP/IP应用基础成为事实上的网络管理的标准 ,然而SNMP存在着许多缺陷 ,最重要的一点就是缺少安全性。简单网络管理协议的最新版本———SNMPv3针对这一点进行了有效地扩展。SNMPv3通过认证、加密和存取控制等手段 ,有效地抵御了信息更改、伪装、消息序列的更改和泄漏等安全威胁。通过对SNMPv3的相关分析 ,建立一种基于SNMPv3的安全有效网络管理系统实际可行 ,该系统采用分布式、动态的体系结构 ,具有灵活的扩展能力 ;并使用模块化的功能结构 ,使得整个系统易于升级和分布 ,并能够与原有的支持SN MPv1/v2的网络系统兼容 ;系统通过信息过滤和信息库归类的方法解决了信息量庞大且杂乱的问题     

基于SNMPv3的网络配置管理的设计

现代网络的配置管理是网络管理中的一个安全性要求较高的重要组成部分,它的最终解决方案的实现期待着安全性更高的支持协议的出现。简单网络管理协议（SNMP）由于其易于实现和广泛的TCP/IP应用基础成为事实上的网络管理的标准,然而网络管理的各方面功能得以全面增强必须依靠其第三版本-SNMPv3。按照配置管理的要求,基于SNMPv3设计一个有效配置管理方案成为可能,此配置管理的方案分3步完成：决定配置策略并保存在管理信息库中,获得配置信息;控制、修改和管理配置信息。对其中具体细节采用相宜算法、过程予以描述。     

移动计算环境下不确定性组合服务的事务建模与执行分析

移动计算环境中,服务面临资源受限与连接波动,同时存在越区切换和弱一致性需求等事务性挑战.为了确保移动环境下组合服务的事务有效性,本文以服务的不确定性和事务属性为基础,提出了一种基于Markov链的移动组合事务模型.首先通过形式化方法构建移动环境下原子服务模型和原子服务的事务机制,并基于状态概率实现了原子服务的2维不确定性表征,然后运用Markov链完成移动组合服务的模型表达,提出了该模型下的不确定性处理与事务方法,最后基于典型业务结构分析了移动组合事务的执行语义与实施.实验表明:该事务模型能有效描述移动环境下组合服务的事务需求,且服务不确定性的不同指标和各事务架构皆对组合事务成功率产生较大影响.     

支持组合事务的失败恢复验证

组合事务中任务间的协作通常以点对点的方式而不是中心控制,当系统崩溃时,事务流中的任务可能部分执行而其后续任务则未被调度执行。在这种情况下,选择合适的失败恢复验证策略是必要的。提出一种支持向前、向后和替代恢复策略的失败恢复验证方法。当失败发生时,借助组合事务的执行日志和可接受状态集,选择合适的恢复策略,验证带状态空间的事务恢复所产生的一组动作序列,是否包含一组良好行为。追踪执行进展,检测恢复后组合事务是否存在不一致状态。通过对旅行预订流程的实例分析,表明该失败恢复验证方法是可行的。     

GroupWare及其在网上多媒体CAI课件开发中的应用

介绍了网上多媒体CAI课件开发需要群件 (GroupWare)的现状 ,讲述了GroupWare的概念、支持技术和应用的类型 ,讨论了GroupWare应用于网上多媒体CAI课件开发的问题。现有群件产品不能有效地满足网上多媒体CAI课件协作开发的需要 ,以TCP/IP协议为基础 ,采用OLEAutomation构件技术 ,按照Winsock的编程规范给出了一个切实可行的方案。     

GroupWare及其在网上多媒体CAI课件开发中的应用

介绍了网上多媒体CAI课件开发需要群件（Group-Ware）的现状,讲述了GroupWare的概念、支持技术和应用的类型,讨论了GroupWare应用于网上多媒体CAI课件开发的问题。现有群件产品不能有效地满足网上多媒体CAI课件协作开发的需要,以TCP/IP协议为基础,采用OLE Automation构件技术,按照Winsock的编程规范给出了一个切实可行的方案。     

基于SNMPv3的网络配置管理的设计

现代网络的配置管理是网络管理系统中的一个安全性要求较高的重要组成部分 ,它的最终解决方案的实现期待着安全性更高的支持协议的出现。简单网络管理协议(SNMP)由于其易于实现和广泛的TCP/IP应用基础成为事实上的网络管理的标准 ,然而网络管理的各方面功能得以全面增强必须依靠其第三版本 -SNMPv3。按照配置管理的要求 ,基于SNMPv3设计一个有效配置管理方案成为可能 ,此配置管理的方案分 3步完成 :决定配置策略并保存在管理信息库中 ;获得配置信息 ;控制、修改和管理配置信息。对其中具体细节采用相宜算法、过程予以描述。     

基于学习排序的并行协同过滤推荐算法

为实现大数据环境下高效、精准的商品推荐,将协同过滤思想与信息检索理论有机融合,提出基于学习排序(LTR)的并行协同过滤推荐算法.首先利用相似物品-物品网络图结构共享参数的方法减少参数,通过Pairwise方法构造目标函数,并利用梯度上升法得到参数.还提出了通过使用层次聚类的方法对差异性较大的相似图进行分裂,以保证推荐的准确度.最后给出大数据平台Spark下该推荐算法的并行化实现方案.在真实数据集Netflix上的实验结果表明:提出的算法不仅在召回率和准确率上有所提高,而且计算效率高效,表明该方法可以应用于大数据场景中的推荐服务.     

基于SNMPv3的分布式网络管理系统的初步研究

简单网络管理协议（SNMP）由于其易于实现和广泛的TCP/IP应用基础成为事实上的网络管理的标准,然而SNMP存在着许多缺陷,最重要的一点就是缺少安全性。简单网络管理协议的最新版本-SNMPv3针对这一点进行了有效地扩展。SNMPv3通过认证、加密和存取控制等手段,有效地抵御了信息更改、伪装、消息序列的更改和泄漏等安全威胁。通过对SNMPv3的相关分析,建立一种基于SNMPv3的安全有效网络管理系统实际可行,该系统采用分布式、动态的体系结构,具有灵活的扩展能力;并使用模块化的功能结构,使得整个系统易于升级和分布,并能够与原有的支持SNMPv1/v2的网络系统兼容;系统通过信息过滤和信息库归类的方法解决了信息量庞大且杂乱的问题。