基于Internet工作流的复合Web服务框架

实现灵活方便的企业业务集成一直是信息领域的核心问题，也是B2B电子商务应用的关键。为此将Web服务和传统的工作流技术相结合，设计并实现了支持复合Web服务运行和管理的框架WSFlow。给出了WSFlow的总体结构，描述了其中的关键技术，包括Web服务与工作流活动的动态配置和绑定技术，复合Web服务流程的动态修改以及复合Web服务的运行监控等技术。

基于分布式适配的服务协作关键技术研究

面向服务的计算（Service Oriented Computing，SOC）与面向服务的体系结构（Service Oriented Architecture，SOA）是分布式系统和软件集成技术领域中的一种新型的计算范型和体系结构。Web服务作为一种自治、开放以及平台无关的网络化构件，可使分布式应用具有更好的可重用性、灵活性和可扩展性，为Internet开放网络环境下的资源共享与业务集成提供了新的解决方案。然而由于Web服务的分布性以及异构、动态和不断演化的特点，使得服务之间的协作变得非常复杂，如何保证服务之间协作的正确性和可靠性便成为应用SOA架构的关键问题。适配技术为解决这一问题提供了可行的解决方案，服务适配使得原本无法正确交互的服务在服务适配器的介入下正确地完成协同工作，从而提高了服务组件的可重用性，实现了复杂系统的高效开发，保证了协作系统的可扩展性和健壮性。因此，服务适配机制的研究对面向服务计算技术的发展以及面向服务架构的成功应用与实施有着重要的意义。 本文在分析服务适配相关工作的基础之上，重点围绕服务协作中的分布式适配结构、适配器流程的自动生成方法，以及适配器的动态演化机制等几个方面的理论基础和关键技术展开研究工作，并建立了支持分布式适配的服务协作支撑框架和原型系统，对上述方法进行验证。本文主要的研究内容和贡献如下： 首先，本文提出了一种自顶向下地实现服务协作中分布式适配的方法。以全局服务协作流程为出发点，基于角色进行投影得到各个参与者对应的抽象服务接口，并以此为依据，为服务组件生成独立的适配器，实现分布式的服务适配结构，从而更加满足开放网络环境对于高效、灵活的服务协作机制的需求。本文深入探究了分布式适配模型的构造方法，定义了模型中各个层次的组成元素，重点给出了失败等价（Failure Equivalent）行为语义保持的投影规则，以保证全局协作流程与生成的抽象服务接口的等价性。 其次，围绕适配器流程的自动生成方法展开研究，现有方法对适配器流程的正确性进行分析时，只能给出确定的“是”或者“否”的结果，而并没有更深入地分析服务行为中无法适配的程度，从而无法对服务交互中的内在关系进行更深入的揭示。本文引入了可适配度的概念，以此来分析服务组件与协作需求的差异性，并给出了基于交互路径的方法来计算无法适配的节点及对应的模式。这样一方面可以依据可适配度来选择合适的服务进行协作，从而降低服务协作应用的开发成本，另一方面，开发人员还可以利用无法适配的相关信息，对服务实现进行有效地修改，这对于服务流程的管理和改进等方面都有着重要的作用。此外，与现有适配器自动生成方法相比，本文所给出的整体构造，一次性检查的方法，有效地降低了自动构造算法的复杂度。 再次，在面向服务的计算与面向服务的软件架构中，服务组件具有动态和不断演化的特性，现有的适配机制只是静态地分析了适配器的结构和相关属性，但是缺乏对适配器响应动态变化的可适应能力的研究。本文研究了适配器流程定义的自动更新以及适配器实例的动态调整方法，从而使适配器具有可重配置以及动态调整的能力，保证了基于适配的服务协作系统的灵活性和动态可适应性。 最后，在上述研究的基础之上，设计与实现了一个原型系统，包含了流程建模，协作管理以及协作运行三大模块，用于实现服务协作中的分布式适配方法。同时，针对每个核心组件，介绍了其功能模块的设计与实现，并基于实例说明了适配器的应用开发过程。

Architecture research and hardware implementation on simplified neural computing system for face identification

This paper describes a special-purpose neural computing system for face identification. The system architecture and hardware implementation are introduced in detail. An algorithm based on biomimetic pattern recognition has been embedded. For the total 1200 tests for face identification, the false rejection rate is 3.7% and the false acceptance rate is 0.7%.

Quantum computing

Quantum computing is a quickly growing research field. This article introduces the basic concepts of quantum computing, recent developments in quantum searching, and decoherence in a possible quantum dot realization.

Formalization and specification for controlling process modularity in mobile computing

新的计算模式，普适计算和全局计算，正在作为高度分布式和移动计算的计算模式展现出来。这篇论文探讨了在抽象层面上支持这些新型计算模式的适合的形式化基础，关注在进程移动单位上的控制, 以便在分布式与移动计算环境下更好地协调进程的移动性。 论文的第一部分概述了针对分布式、移动计算的现有进程演算模型中的进程移动单元，并且设计了一种在此方面更优、更具弹性的进程框架。为了表示这种进程框架，我们提出了一种新的、针对移动和分布式系统的进程演算,这种进程演算的优点是动态、弹性的控制进程的移动单元；具体的思路就是扩展π- calculus以及其支持分布式和移动性的变体。我们把这种新的演算叫做Modular π-calculus。我们通过这种演算的提出来说明进程框架提供了一种针对移动进程更为合适的协调机制以及编程模型，例如移动的代理和动态组件载入的支持。之后，我们通过讨论互模拟的几种提法来具体说明能够反映演算设计的进程描述的关键，之后我们讨论了它们的具体性质。 本文的第二部分提出了一个对进程模型的行为和性质进行推理的规约框架。首先，提出了一个对Modularπ-calculus中进程的系统性质进行规约的模态逻辑。为了更好的理解该逻辑，文中对由这个逻辑推出的进程等价的特征进行了研究，并且证明了该逻辑的区分能力介于互模拟和结构一致之间。接下来关于这个规约框架的自动化，本文针对该逻辑和Modular π-calculus的有限控制子集，提出了模型检测算法，并且给出了算法正确性的证明。同时文中贯穿了一些实际且直观的例子，以展现本文提出的一组框架即演算、逻辑和模型算法的有效性。

基于支持向量机的Internet流量分类研究

准确的网络流量分类是众多网络研究工作的基础,也一直是网络测量领域的研究热点.近年来,利用机器学习方法处理流量分类问题成为了该领域一个新兴的研究方向.在目前研究中应用较多的是朴素贝叶斯(nave Bayes,NB)及其改进算法.这些方法具有实现简单、分类高效的特点.但该方法过分依赖于样本空间的分布,具有内在的不稳定性.因此,提出一种基于支持向量机(support vector machine,SVM)的流量分类方法.该方法利用非线性变换和结构风险最小化(structural risk minimization,SRM)原则将流量分类问题转化为二次寻优问题,具有良好的分类准确率和稳定性.在理论分析的基础上,通过在实际网络流集合上与朴素贝叶斯算法的对比实验,可以看出使用支持向量机方法处理流量分类问题,具有以下3个优势:1)网络流属性不必满足条件独立假设,无须进行属性过滤;2)能够在先验知识相对不足的情况下,仍保持较高的分类准确率;3)不依赖于样本空间的分布,具有较好的分类稳定性.