网构软件可信性演化评估分层Petri网模型

来源 :计算机科学与探索 | 被引量 : 0次 | 上传用户:intaaae
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对网构软件系统初始化及系统演化时实体间信任关系的建立、演化和评估问题进行了研究。通过结构分析,建立了网构软件系统结构模型,并给出了基于分层Petri网的评估模型;从系统整体组成结构与各实体内部访问控制策略两方面,对网构软件演化过程中的可信性演化情况进行了评估;解决了原有基于信任度量的模型对系统初始化及新建立实体可信性支持不足的问题,并提供了服务实体对客户实体的反向信任机制。
其他文献
针对跟踪窗口固定的跟踪算法不能有效地跟踪存在明显尺度变化的目标这一问题,提出了一种基于最大平均后验概率指标的自适应窗口目标跟踪算法。在最大后验概率视觉跟踪算法基础上,分析了运动目标窗口增大以及减小时的后验概率指标,根据这些窗口内的平均指标量来决定目标跟踪窗口的更新策略。实验结果表明,该算法对刚体及非刚体运动目标的跟踪窗口都能较好地进行调整,实现稳健的跟踪。
随着软件系统的演化,其模块化结构会逐渐退化。软件重构是调整系统结构的重要手段,但哪些模块最需要重构却难以预测。提出了一种基于程序聚类技术的模块重构风险分析方法,该方法
随着社交网络的流行,越来越多的相关应用要求能够实时地在大规模社会网络图上进行分析和计算。而目前的图处理系统,如Google的Pregel,是全局、批量处理的图处理系统,并不能实现对图的实时计算。因此,提出了一种新的图增量处理模型,当一个节点发生变化时,只需要以传播的方式更新局部范围内受影响节点。它本质上将传统的批量全局计算模型,转化成一系列的增量的、局部的图计算,保证对图变化的实时处理,并通过避免
对信息网络数据集进行面向主题、多维、多层次的在线分析处理(on—line analytical processing,OLAP)面临数据规模爆炸,问题复杂性剧增等技术难题,传统OLAP技术不再适用。提出了面
有感情朗读课文是学生体会文章思想感情,受到情感熏陶的必要形式,是阅读教学的重要任务,引导学生走近作者,搜寻与作品内容相关的人文因素,融入文体情境等方法,从多方面挖掘人文内涵
Chan-Vese模型(CV模型)是一种在图像力和外部约束力作用下从初始轮廓向目标边界运动的变形曲线,在图像分割、边缘检测等研究领域得到了广泛应用。但由于图像个体差异性较大,目前针对CV模型中初始轮廓的自动提取问题研究较少。提出了一种基于视觉认知的自适应CV模型图像分割方法。该方法根据视觉注意机制和bottom-up的底层图像特征分析,自动获取图像中目标区域的先验形状信息,用于约束CV模型中的初始