面向发电设备预测性维护的传感数据特征抽取方法

针对发电厂海量传感器数据,基于相关系数最大化的曲线排齐算法,提出了一种面向多传感序列的特征抽取方法,此方在尽量避免信息丢失的前提下,实现高维传感数据的特征抽取,建立轻量级预测模型。通过实验表明,本文方法能够在保证预测准确度的前提下,减少预测模型的训练时间,降低模型的计算开销。     

面向流数据的实时处理及服务化系统

流数据的处理需求复杂多变,业务人员要进行相应的算法定制,不仅需要相关的编程知识,更要应对繁琐的处理流程和冗长的开发周期。为解决上述问题,文中设计并实现了基于流程建模的流数据处理及服务化系统,提供了对于多源流数据的实时接入,流数据服务化以及流数据处理服务化的能力。该系统将流数据处理过程封装为服务提供给用户,允许用户拖拽组合流数据处理和服务化模块、配置相关参数,定义流数据处理及服务化的过程,快速又自然地实现流数据处理及服务化的任务,将处理结果经由服务路由实时推送到其他应用系统,满足不同的业务需求。案例分析表明,与传统的流数据处理系统相比,本系统具有高效、灵活、可配置等特点,在实用性、可用性和伸缩性方面都更有优势。     

一种主动式的网格工作流可靠性保障方法

 针对中国国家网格（CNGrid）环境,曾尝试通过一种工作流元调度机制（VINCA抽象工作流）,在为用户提供单一入口和屏蔽细节的同时,优化利用已有的流程引擎能力。在此基础上提出一种主动式的工作流可靠性保障方法,根据流程引擎在最近一段时间间隔内的失效率和负载增长率两种特征参数主动预测其将来成功处理请求的概率,并据此将VINCA抽象工作流中的复合活动（实现为一个子流程）调度到“最可靠”的工作流引擎上。文章旨在从整体上提高工作流执行的成功率和稳定性,有效地避免基于“事后”被动恢复模式所带来的时间开销和实施上的复杂性。最后,通过场景示例作出了定性分析,表明该方法在大规模持续执行流程时,能充分利用工作流引擎能力,有效地保证工作流执行的可靠性。     

一种用户为中心的即时服务组合方法

针对现实中存在的业务需求在问题求解过程中动态变化、逐渐明确的情况,提出了一种以用户为中心的即时服务组合方法.基于动、静两类业务规则定义服务组合模型,在组合过程中,用户自主选择服务,通过否定性规则提高组合的灵活性,通过肯定性规则降低解空间;提出了基于规则的服务推荐方法和即时服务流程构造方法,为用户推荐无冲突的候选服务,帮助用户快速找到所需服务;定义了服务流程状态,为用户呈现服务流程的状态,实时为用户提示所构造流程的正确性.通过案例和相关工作比较说明:用户在服务组合过程中处于主导地位,流程实例边构造、边执行;系统通过规则状态判定服务流程状态,为正确构造服务流程提供支持;基于业务规则推荐的服务更准确,更能适应实际业务的需要.     

时间滑动窗口上数据流极值聚集的空间优化

传统的数据流极值聚集方法在极端情形下为获得连续的精确解,会因维护大量候选项而导致巨大的内存开销,为此文中提出了一种时间滑动窗口上内存有界的极值聚集方法.在候选项数量达到指定阈值时,该方法随机抽样新到达窗口的数据,使得内存维护有限数量的候选项,连续返回极值近似解.设计了一种空间有界的摘要数据结构REx-link,可以在有界的内存中基于随机抽样进行维护,实现时间滑动窗口上的数据流极值聚集.从理论上证明了随机算法的出错概率存在上界,并通过仿真实验分析了算法的返回结果与精确解的近似程度.分析表明,计算精度和空间开销的折中是实际应用可接受的.     

一种用户主导的跨组织数据按需集成方法

为了在互联网上实现跨组织数据共享,以及及时响应多变的临机业务的需求,在数据服务模型的基础上,提供了一种以用户为主导的数据服务组合方法。该方法可帮助用户按需集成跨域数据,以基于概率的模式匹配方法作为算子实现的基础,将该方法用于一个交互式的组合环境中,通过向用户不断推荐合适操作来完成组合过程。利用对用户反馈的学习来优化推荐内容和组合过程,通过案例、原型系统和相关工作的比较分析,验证了该方法具有较好的实用性。