【摘 要】
：
定义了服务簇的网元模型,提出了一种基于服务簇网元模型的Web服务发现方法。首先,通过计算Web服务的功能描述及参数的语义相似度,对服务库中的服务进行聚类;其次,对服务参数
【基金项目】
：
国家973计划项目（2010CB328101）,国家自然科学基金（61170078）,教育部高等学校博士学科点专项科研基金博导类课题（20113718110004）,山东省科技发展计划项目（2011GGX10114）,山东科技大学研究生科技创新基金（YCA110335）资助
论文部分内容阅读
定义了服务簇的网元模型,提出了一种基于服务簇网元模型的Web服务发现方法。首先,通过计算Web服务的功能描述及参数的语义相似度,对服务库中的服务进行聚类;其次,对服务参数进行统一标注,建立服务簇的网元模型,并对服务簇参数矩阵进行规范化处理;最后,基于服务簇参数矩阵,实现服务快速发现。基于Petri网,首次提出了服务簇的形式化模型,并在此基础上进行了服务快速发现。结果表明,利用网元模型建模服务簇是有效的、合理的,并且与传统的基于参数匹配的服务发现相比,所提方法有效地减少了参数匹配次数,提高了服务发现效率。
其他文献
时间序列具有数据量大的特点,直接对其检测复杂度高。因此提出了一种基于时间序列重要点的异常子序列检测算法。子序列的异常检测弥补了点异常检测的局限性。该算法首先获得
随着物联网的发展,以RFID为代表的物联网传感器数据的存储、查询、处理等课题正成为研究的热点。结合数据仓库时空维度和列存储的思想,建立了一种列式RFID数据仓库,并根据RFID的时空特性,设计了一种支持连续聚集查询的多时空粒度数据结构和快速更新算法。它去除了传统聚集查询的部分冗余操作,适合处理大规模RFID数据仓库上的连续实时聚集查询。通过实验证明,该模型与算法在一些典型的物联网应用中取得了较高的
人体目标分割的质量对步态识别的性能有直接的影响。提出了一种鲁棒性的步态表示方法,即利用光流特征提取视频中的运动信息,并将目标人体区域部分按人体结构特点划分为多个子区域,每个子区域通过基于光流特征的椭圆模型进行拟合,建立多区域椭圆模型的人体结构模型。识别过程中将模型参数作为步态特征,结合动态时间规整技术解决了动态模式的相似度量和匹配问题。实验表明,该算法可以有效地提高识别算法的鲁棒性,并且具有较好的
间接跳转目标地址的识别一直是二进制代码控制流重构的难点之一，其跳转目标一般依赖于程序动态执行时的信息，传统方法无法精确识别。通过对控制流重构技术的研究，提出一种基于路
WiMAX下的编码方式是当今通讯技术研究的热门。介绍一种最受关注的纠错编码：低密度奇偶校验码（LowDensityParityCheck，LDPC），讨论LDPC码在WiMAX条件下的基本原理和编译码设计；提出
首先利用代理约束概念和修正极大熵函数,将非线性方程组等价地转化为无约束优化函数;然后引入平均相似度概念,设计自适应正交交叉算子,利用正交设计产生初始种群,并在此基础
针对传统SVM主动学习中批量采样方法的不足,提出了动态可行域划分算法。从特征空间与参数空间的对偶关系入手,深入分析SVM主动学习的本质,将特征空间中对样本的标注视为参数
针对连续Adaboost算法中平滑因子选取的不足,提出了一种动态选取平滑因子的DS-Adaboost算法,该算法对弱分类器输出中的平滑因子ε进行了动态选取,根据Wj+1/Wj-1比值的大小动态地选择平滑因子,当Wj+1/Wj-1>1时,εj=Wj+1,当0