【摘 要】
：
面向服务的计算是一种新的分布式计算范型,分析了目前面向服务的计算的研究现状和存在的问题,研究了面向服务的时态推理问题.在目前服务描述的基础上研究了服务描述的时态表示问题,针对服务的需求和特点,扩展了传统时间区间的时态表示方法.在时态表示的基础上,利用时间区间的包含关系重点研究了时态推理问题(即时态匹配问题),提出了一种面向服务的时态推理算法,该算法弥补了目前服务匹配算法中存在的不足.
【机 构】
：
广西师范大学数学与计算机科学学院,桂林,541004 中山大学计算机科学系,广州,510275
论文部分内容阅读
面向服务的计算是一种新的分布式计算范型,分析了目前面向服务的计算的研究现状和存在的问题,研究了面向服务的时态推理问题.在目前服务描述的基础上研究了服务描述的时态表示问题,针对服务的需求和特点,扩展了传统时间区间的时态表示方法.在时态表示的基础上,利用时间区间的包含关系重点研究了时态推理问题(即时态匹配问题),提出了一种面向服务的时态推理算法,该算法弥补了目前服务匹配算法中存在的不足.
其他文献
以C3I的应用为背景建立了信息融合性能指标体系,给出了一种用于多传感器信息融合性能测试与评估的系统结构.在对信息表分析处理过程中,提出了基于模糊区间目标之间优势关系目标评价方法,从对目标实现排序的情况进行分析讨论,将对目标的两两比较与一个目标优于其它目标的可信度联系起来,对目标之间一致性和不一致性进行定义,给出优势阈值和非不同阈值的概念,讨论了基于模糊区间的目标评价方法,为基于不同属性标准的评价进
粒计算在知识发现、数据挖掘等方面有潜在的应用.基于信息系统,本文提出一种新的流图--粒网络.表示逻辑公式的粒称为图的结点.图之间的连线作为决策规则解释.图中的每条路(即粒链)作为复合决策规则,这整个图作为一个决策算法.并讨论粒网络的一些性质,给出一个简单的例子来说明粒网络的基本思想和应用前景.
课堂教学是几个世纪以来学校教学活动的主要形式.为了提高了课堂教学的互动性和教学质量,课堂信息处理系统被引入课堂.但是,现有系统在功能上缺少对课堂教学中教学目标的定量评价.为了全面地、平衡地考虑各个教学目标的要求并在其上对学生学习质量的进行科学评测,本文提出了一种基于信噪比的互动学习质量评测模型,并用赋予一定意义的模拟数据模拟了此模型执行的过程和有效性.本文是对计算机辅助课堂教学的积极尝试,希望可以
多Agent技术是分布式人工智能的重要研究领域,它的分布性、实时性、反应性特点符合电力系统故障诊断对于事件的快速反应的要求.本文提出了一种基于多Agent的电力系统实时故障诊断方法和系统结构,将多线程技术应用于Agent的设计,并采用PROLOG与JAVA混合编程.论文给出了具体实现方法以及实验结果.实验表明多Agent故障诊断方法是一种有效的电力系统诊断方法,可有效地提高诊断系统对于故障事件的反
本文在移动机器人导航控制领域进行了有益的探索和实践,提出基于近似Voronoi图的环境建模方法、结合示例学习的移动机器人免疫进化路径规划方法、基于微分平坦的滚动时域H∞轨迹跟踪策略以及基于SVM的路径跟踪学习控制器设计方法,并给出了一种基于数据驱动方式的控制器自我优化策略.实验结果表明,各种方法能够适应未知环境要求并具有更好的性能.
掰手腕机器人是一种集力测试、娱乐和比赛于一体的娱乐型机器人,不仅为青少年科普教育提供了寓教于乐的载体,也促进了智能机器人走向大众化、实用化.本文在比较分析当前同类机器人研究现状的基础上,介绍了掰手腕机器人RoboamI的系统功能和基本原理,特别是机器人手臂部分的结构设计和力信息获取的实现.对样机的测试结果表明,该掰手腕机器人可以根据比赛者的臂力大小和持续时间决定胜负,并可完成肘部和腕部力信息的采集
本文介绍了一种适用于水下机器人手爪的指力传感器.该传感器采用应变片加上弹性体的结构,以C8051F040单片机为数据采集和处理核心,通过CAN总线向控制机器人手爪的计算机传送数据.通过机器人手爪的实际操作实验表明:该传感器具有一定的抗过载能力,能够实时获取机器人手爪与物体之间的力信息.最后,对该传感器的不足之处进行了讨论,指明了改进的方向.
视觉信息处理是心理学、神经科学、人工智能等领域的一个重要的研究方向,也是生物识别理论与技术实现的研究基础.现有视觉信息处理的数学表达,如面向神经计算、运用高噪声下物象提取及子波、人工神经网络等相对较复杂.本文运用定性映射的方法,描述视觉信息处理过程中所涉及的属性特征量,其结果较清晰并且明确,因而视觉识别的软件编程可能比较容易实现.
提高预测的准确性是缓解供应链牛鞭效应的关键.目前预测的方法往往很难适应订购量历史数据的变动,导致预测结果的偏差.我们运用属性论方法,就制造商-零售商-客户三级供应链,提出了一个需求信息预测的方法,由此来提高对这种波动性的适应能力,增强预测的准确性,帮助供应链上各节点企业优化决策过程,最终防范牛鞭效应的发生.本研究还提供了此预测方法的算法流程.
多类别分类已经成为机器学习问题的重要组成部分.已经开发出很多的算法来解决这个问题.一种方法是直接将多类数据进行整体优化处理,而另外的更一般的方法是将多类问题转化为多个二类问题进行求解.其中最常用最一般的是:一对多(one-against-rest),一对一(one-against-rest)策略.但是之前的研究表明一对多性能普遍较低.本文提出了一个多类处理的一般方法,利用概率机的概率输出和间隔信息