论文部分内容阅读
针对移动设备访问三维虚拟场景受到网络带宽和终端计算能力的制约,使得在线利用虚拟现实进行移动学习效率不高,基于此提出了基于普适计算的自适应优化选择技术。为了使得系统能够很好地在普适计算环境下进行自适应训练,系统全面按照自适应框架进行设计和实现。系统在整体框架上按照现有的实验设备和可实现的理论基础,通过移动设备与服务器端的交互流程进行框架设计。在系统实现当中用到了JAVA.J2EE框架、WURFL、Jena2推理机、X3D等关键技术。WURFL实现了普适计算环境的搭建；Jena2技术实现了自动推理机的建立；X3D是用来作为三维原资源和目标资源；通过这些技术的有效整合使得系统得以实现。通过建立普适计算环境,利用SOAP实现对设备端和服务器端的资源交换,WURFL帮助系统在服务器端收集设备端信息,系统又通过Jena2的自动推理机制从而训练服务器做自适应选择。按照现有的设备和理论依据,首先通过WURFL对手持移动设备进行采样获取移动设备参数,然后利用OWL语言通过RDF描述工具对三维实体进行语义描述。用Protege编辑器建立基于Jena2的自动推理机,从而结合普适计算场景使服务器得到训练从而建立相应的优化选择模型。在此基础上将建立好的优化模型,安装结果分析和普适规则计算进行通过推理机进行优化模型选择。最后将选择的结果进行定性分析。采用此方法后进行测试,结果表明经过自适应选择后手持移动设备获取三维虚拟场景资源的速度和效率得到明显提高。