电信综合数据网络管理系统

为了对大型电信数据网进行综合统一管理,设计并开发了基于SNMP(S imp le Network M anagem ent Pro-tocol)的综合数据网络管理系统(Sp lenNMS:Sp len Network M anagem ent System)。从网络资源、性能、故障3个方面,着重论述了该系统实现的关键技术,叙述了网络故障信息采集方法和Sp lenNMS的体系结构。针对资源信息种类繁多、差异性大的采集问题,采用基于任务规则的设备资源配置信息采集方法;提出一种改进的性能数据采集及存储方案,解决了海量性能数据采集管理的困难。与流行的MRTG(Mu lti Router Traffic G rap-her)软件相比,该方案减小了最小执行周期;由于采用了基于Trap扩展定义的性能告警处理方法,使性能告警的处理在形式上与设备告警一致。通过在某省会城市大型电信数据网络上的试运行表明,该系统能适应2000台网络设备左右的规模。     

基于SNMP的信息采集系统

通过分析现有网络信息采集方式的不足, 提出一种基于简单网络管理协议的网络信息采集方法, 使用LEAPS算法判断网络状态, 据此更改数据采集频率, 并且使用规则实现信息采集过程, 实现了基于简单网络管理协议的信息采集系统. 该系统采用LEAPS算法控制数据采集, 不仅可以在网络繁忙时减轻网络负载, 而且具有一定的自治能力, 能根据网络状况调节自身运行.     

可执行元模型方法的研究与应用

提出一种基于可执行元模型的模型驱动开发方法, 解决了软件开发过程中面临的灵活性、 多样性和易变性问题. 以国际对象管理组织元模型规范中的模型为基础, 采用语言工程的研究方法进行元模型可执行技术研究, 包括可执行元模型的结构、 抽象语法、 具体语法和语义, 并结合一个构建面向方面语言实例进行说明.     

面向CPU、GPU多目标机的混合求解器设计与实现

传统常微分方程的并行求解方法主要包括面向任务的并行和面向方法的并行,但是这两种求解算法,只能利用CPU,或者只能面向同质形式的ODE(ordinary differential equations)簇,存在严重不足。以RIDC(revisionist integral deferred correction)算法为基础,设计了一种面向CPU、GPU多目标机的混合求解器,基于流水线形式求解微分方程组,实现了单个方程组的内部和不同方程组之间的并行计算,进而能够充分发挥GPU的多核优势,有利于计算节点内部的负载均衡。仿真实验验证了框架的效率、准确率和精准度。     

基于LambdaMART的个性化搜索检索模型

针对如何把个性化信息加入到搜索结果排序中, 提出一种基于决策树的可量化用户个性化信息的方法, 并根据用户的搜索关键词与用户的个性化信息, 预测用户的搜索意图, 把预测结果融合在排序结果中, 解决了传统检索模型无法有效加入用户个性化信息的缺陷. 实验结果表明, 加入个性化信息后的排序结果准确性明显提升, 从而改善了用户对搜索引擎的体验.     

模型驱动的网络软件开发平台

模型驱动的网络软件开发平台是国家科技攻关计划项目“通信领域通用综合网络管理软件平台”及吉林省科技重大攻关项目的研究成果，