以自适应对象模型开发自适应软件

自适应对象模型方法是一种开发动态的和可配置的自适应软件的有效途径,具有元模型、描述驱动和运行时反射等特点。介绍了当前自适应软件的研究现状,剖析了以自适应对象模型开发自适应软件的方法。首先阐述了自适应对象模型的核心思想,然后分析自适应对象模型体系结构中建立元模型的5个模式,以及模型引擎和支撑工具,并讨论了自适应对象模型方法的适用时机、优缺点和实现中的问题。最后,与相关的技术进行了综合对比,讨论了未来的研究方向。     

基于语义SOA的业务流程可变的自适应软件研究

为了增强软件的自适应能力,考虑业务流程的可变性,提出了基于语义SOA的业务流程可变的自适应的软件框架,并分析了其蕴含的软件自适应机制。基于该框架,从业务流程资源配置角度,将业务流程及其资源按其不同流程粒度封装为单粒度或复合粒度的服务,并构建业务流程领域本体,对服务语义化,并给出了相应的服务调度方法。进一步同其他相关方法进行了比较,结果表明该方法在业务流程可变上更优。     

基于OSGi插件化的应用框架

OSGi规范描述了一个组件化、动态的服务插件开发平台。在OSGi服务平台中,开发人员通过开发插件为用户提供所需要的功能,这些插件可以动态加载和卸载,或者根据需要远程下载和升级。本文提出了一个以OSGi框架为核心,加入db4o、SWT/JFace等组件构成一个插件化的应用开发框架,展示了基于OSGi框架开发插件化应用的框架。     

基于单纯形局部搜索的自适应差分进化算法

针对标准的差分进化（DE）算法在高维复杂的函数优化中易早熟收敛,进而导致搜索精度低甚至优化失败的问题,提出一种基于单纯形局部搜索的自适应的差分进化算法（SSADE）．将DE算法的快速全局搜索能力与单纯形的强局部寻优能力有机结合起来,进一步提高了解的精度．参数自适应变化有效地维持了种群的多样性,自适应的变异策略扩大了个体的搜索范围,增强了算法寻优效果,仿真实验验证了新混合算法的有效性．     

基于自适应策略的移动自组网与Internet互联

将Mobile IP与AODV路由协议进行集成以满足移动自组网MANET的Internet访问需求.Mobile IP的FA通过被动接收、解析源节点发送的RREQ-I以了解源节点数量及MANET规模.FA据此将代理通告的TTL作为参数进行自适应调整以实现最佳的代理通告覆盖.由于自适应协议无需额外开销且能根据MANET实际需要改变其提供全局连接信息的主动程度,而其中间节点也可向源节点及时提供自己侦听到的全局连接信息并抑制广播分组的进一步扩散,因此能为网络条件高度动态变化的MANET提供良好的互联性能并保持合理的开销,用NS2进行的仿真结果证明了其有效性.     

基于HMM的自适应软件决策模型

为实现软件的自适应,针对复杂多变的运行环境,提出一个基于隐Markov模型(HMM)的自适应软件决策模型.首先运用高斯混合模型(GMM)对初始环境进行分类,然后使用softmax回归对感知环境进行归类划分处理,最后利用HMM代替人工干预进行软件决策.实验结果表明,该自适应软件模型在感知环境发生变化的条件下,能很好地实现软件自适应决策.     

基于多种群的自适应差分进化算法

在分析了经典和改进变异操作算子的属性以及种群统计信息的基础上,按照个体适应度的差异,将个体分成不同的子种群并针对不同的个体适应度值,采用不同的变异算子,以保证在加快算法收敛速度的同时有效地跳出局部极值点.在参考经验值的基础上,加以自适应调整,使算法达到全局搜索能力与局部搜索能力的平衡.针对13个标准测试函数的仿真实验结果表明,所提出的算法与其他算法相比较具有较好的效果.     

基于互补变异算子的自适应差分进化算法

在参数自适应的差分进化算法的基础上,同时采用DE/rand/1和DE/best/2两种具有互补特性的差分变异算子,提出了多种采用不同分配策略的新型差分变异算法.2种变异算子的分配分别采用随机分配、基于种群规模的单调分配、适应性随机分配以及基于种群规模的适应性分配4种策略.基于标准测试函数的数值优化结果表明:双变异模式的自适应差分进化算法总体上明显优于2种标准DE算法.在4种分配策略中,单调分配策略效果最佳.所提出的DE算法利用了DE/rand/1型变异在保持种群多样性方面的优势,并继承了DE/best/2型变异局部收敛速度快的优点,较好地实现了探索与利用的平衡,而且需要人工调节的参数较少,便于在实际中使用.     

基于OSGi的Web容器重构

为满足Internet环境对软件系统的可扩展性、可读性和可重用性的需求,使软件更好地面向服务,提出一种以OSGi为基础框架重构软件的方法,采用面向服务的组件模型快速方便地实现Web容器的OSGi化.     

基于适应参数的设计模式重用方法

描述了一种基于适应参数的设计模式重用方法。讨论了设计模式的适应时机，对模式参数作了分类和说明，在此基础上给出了一个设计模式重用的具体实例。     

Body Classification Based on Adaptive Made-to-Measure (MTM) Framework

The purpose of this paper was to develop a reliable body shape analysis approach based on cluster analysis, k. nearestneighbor( KNN), and multi-class support vector machine( MSVM). Firstly,a total of 357 Chinese men were selected to make a dataset. Secondly, the experiences of these data were not accumulated to build general models. Five body angles were extracted as independent variables. Four clusters were the most efficient cluster number for our study. Finally,the accuracy of body classifications is compared between KNN and MSVM. In this study,the body classification framework was studied to transfer the body feature data to intuitive types. Moreover,the adaptive made-tomeasure( MTM) framework based on body classification was studied. The case demonstration and analysis show the effectiveness of the study.     

一种基于GSC框架波束域快速稳健自适应波束形成算法

GSC框架是自适应波束形成降秩算法的统一模型,一般通过构造降秩矩阵来降低算法的运算量,但是降秩矩阵大多通过特征分解来获得,给算法带来了大量额外的运算量。针对此问题,提出了一种波束域的快速稳健自适应波束形成算法,通过转换矩阵将输入信号从高维度的阵元域转换到低维度的波束域,然后在波束域运用子空间类算法,用信号子空间来构造阻塞矩阵、降秩矩阵和映射矩阵,既降低了计算量,又解决了基于GSC框架的自适应算法在信噪比较高时由于期望信号相消导致性能严重下降的问题。仿真结果证明了提出的算法有很好的波束形成性能,验证了算法的有效性。     

软件复用与Framework框架技术

讲述了软件复用的基本概念和关键技术因素,分析了框架技术的基本概念以及常见的框架系统,并将框架同构件、设计模式进行了比较,最后给出了基于面向对象框架的软件开发过程模型。     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

抽象工厂模式探讨

工厂模式是常用的设计模式,一般分为简单工厂模式、工厂方法模式、抽象工厂模式三类．工厂方法模式是对简单工厂模式推广,抽象工厂模式是对工厂方法模式推广．简单工厂模式和工厂方法模式是针对单个产品族的问题,如果对应于多个产品族,则不宜解决．针对这一问题,本文通过Java语言实现了抽象方法模式来解决多个产品族的问题．     

基于消息队列的软总线的系统集成与数据交换方案

为了使平台级或大型系统建立在已有业务应用系统的基础之上,充分利用已有系统的数据资源和服务资源,提出了建立一个基于消息队列的软总线的系统集成方案。由于不同的业务应用系统可能使用不同的数据标准或格式,将研究如何在软总线架构下,构建“热插拔”数据适配器,以实现这些系统之间的有效和方便的数据交换。