2006年 第43卷 第7期
摘要：
采用拍卖方法来进行资源分配是多Agent系统研究中的重要问题.基于广义的多属性拍卖模型，提出了一种递增叫价的多属性拍卖方法——MAE.对MAE中卖方和买方的策略和效用进行了分析，进而证明了MAE的一些重要性质.例如卖方和买方满足独立理性，且都有接近最优的策略，在这一组策略下买方和卖方的总效用接近最大.将MAE与已有的多属性拍卖方法进行了比较，结果表明MAE改进了Esther David的工作，并且说明MAE是一种可以取代MAV的递增叫价多属性拍卖方法.
采用拍卖方法来进行资源分配是多Agent系统研究中的重要问题.基于广义的多属性拍卖模型，提出了一种递增叫价的多属性拍卖方法——MAE.对MAE中卖方和买方的策略和效用进行了分析，进而证明了MAE的一些重要性质.例如卖方和买方满足独立理性，且都有接近最优的策略，在这一组策略下买方和卖方的总效用接近最大.将MAE与已有的多属性拍卖方法进行了比较，结果表明MAE改进了Esther David的工作，并且说明MAE是一种可以取代MAV的递增叫价多属性拍卖方法.
摘要：
作为一种协商手段，拍卖方法是多Agent系统(MAS)的重要问题之一，组合拍卖是其中的研究热点.提出了物品分配方案的k-UNT条件，并给出了一种基于1-UNT检查的求边际效用递减组合拍卖的近似算法，证明了1-UNT算法的解的效用率不低于0.5. 实验表明，将1-UNT算法和贪心算法结合可在较短的时间内求得较优解.还给出了基于k-UNT检查的胜者决定算法，证明了即使在2人组合拍卖的简单情况下，基于k-UNT检查的胜者决定算法都不可能保证解的效用率大于0.5. 1-UNT算法部分改进了Lehmann等人的工作.
作为一种协商手段，拍卖方法是多Agent系统(MAS)的重要问题之一，组合拍卖是其中的研究热点.提出了物品分配方案的k-UNT条件，并给出了一种基于1-UNT检查的求边际效用递减组合拍卖的近似算法，证明了1-UNT算法的解的效用率不低于0.5. 实验表明，将1-UNT算法和贪心算法结合可在较短的时间内求得较优解.还给出了基于k-UNT检查的胜者决定算法，证明了即使在2人组合拍卖的简单情况下，基于k-UNT检查的胜者决定算法都不可能保证解的效用率大于0.5. 1-UNT算法部分改进了Lehmann等人的工作.
摘要：
多Agent系统中的协商问题往往由许多议题组成,导致问题空间十分庞大.传统的协商方法通过对问题空间进行穷尽搜索来找到最优解,并不适合多议题协商.而且,传统的方法不考虑协商偏好变化的情况,使得Agent在不完全及不正确环境下找到的最优解并不合理.提出一种劝说式多Agent多议题协商方法.借助信念修正这一有效的推理工具,协商Agent能够在协商过程中接受协商对手的劝说,考虑对手对协商议题的偏好,并根据一种基于辩论的信念修正方法调整自身的偏好.这样就能够使协商Agent对变化的协商环境具备适应性,从而提高协商的效率及正确率,快速准确地达成协议.
多Agent系统中的协商问题往往由许多议题组成,导致问题空间十分庞大.传统的协商方法通过对问题空间进行穷尽搜索来找到最优解,并不适合多议题协商.而且,传统的方法不考虑协商偏好变化的情况,使得Agent在不完全及不正确环境下找到的最优解并不合理.提出一种劝说式多Agent多议题协商方法.借助信念修正这一有效的推理工具,协商Agent能够在协商过程中接受协商对手的劝说,考虑对手对协商议题的偏好,并根据一种基于辩论的信念修正方法调整自身的偏好.这样就能够使协商Agent对变化的协商环境具备适应性,从而提高协商的效率及正确率,快速准确地达成协议.
摘要：
合同网协议可扩充性好，处理动态环境能力强，在多智能体系统协商中应用广泛.在分析了经典合同网协议的优缺点后，提出了基于熟人联盟及扩充合同网协议的多智能体系统协商模型.根据模型设计了适合扩充合同网协议的系统结构，引入了熟人联盟以及信任度参数，提出熟人联盟生成方法及信任度更新规则并构造了基于经典合同网协议的扩充合同网协议.最后通过对一个导弹防御例子的测试及分析，证实了该模型在保证协商质量的基础上，有效地降低了协商代价.
合同网协议可扩充性好，处理动态环境能力强，在多智能体系统协商中应用广泛.在分析了经典合同网协议的优缺点后，提出了基于熟人联盟及扩充合同网协议的多智能体系统协商模型.根据模型设计了适合扩充合同网协议的系统结构，引入了熟人联盟以及信任度参数，提出熟人联盟生成方法及信任度更新规则并构造了基于经典合同网协议的扩充合同网协议.最后通过对一个导弹防御例子的测试及分析，证实了该模型在保证协商质量的基础上，有效地降低了协商代价.
摘要：
研究了小样本数据集的神经网络分类器集成，提出了适合于小样本数据集的神经网络分类器集成方法Novel\-NNE，通过生成差异数据提高神经网络集成中个体的差异性，从而提高集成学习的泛化性能；最后应用不同的融合技术针对UCI标准数据集进行了实验研究.结果表明，在集成算法Novel\-NNE中，使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法.
研究了小样本数据集的神经网络分类器集成，提出了适合于小样本数据集的神经网络分类器集成方法Novel\-NNE，通过生成差异数据提高神经网络集成中个体的差异性，从而提高集成学习的泛化性能；最后应用不同的融合技术针对UCI标准数据集进行了实验研究.结果表明，在集成算法Novel\-NNE中，使用相对多数投票与贝叶斯融合方法的性能优于行为知识空间融合方法.
摘要：
针对输入输出均为连续时变函数的系统仿真问题，提出了一种基于函数基展开的神经网络建模方法.在连续函数空间中选择一组适当的基函数，将输入/输出函数在给定的拟合精度下，分别表示为该组基函数的有限项展开形式，由神经网络通过训练样本集的学习，建立输入函数基函数展开式系数与输出函数基函数展开式系数之间的变换关系.由于输入/输出函数与展开式系数之间存在着一一对应关系，从而可实现时变系统输入和输出之间的连续映射.给出了基于Walsh变换的实现方法，并以油田开发驱替采油过程模拟为例验证了方法的有效性.
针对输入输出均为连续时变函数的系统仿真问题，提出了一种基于函数基展开的神经网络建模方法.在连续函数空间中选择一组适当的基函数，将输入/输出函数在给定的拟合精度下，分别表示为该组基函数的有限项展开形式，由神经网络通过训练样本集的学习，建立输入函数基函数展开式系数与输出函数基函数展开式系数之间的变换关系.由于输入/输出函数与展开式系数之间存在着一一对应关系，从而可实现时变系统输入和输出之间的连续映射.给出了基于Walsh变换的实现方法，并以油田开发驱替采油过程模拟为例验证了方法的有效性.
摘要：
流形学习的主要目标是发现嵌入在高维数据空间的低维光滑流形.近年来基于谱图理论的学习算法受到研究者的广泛关注.介绍了流形与流形学习的关系，着重研究了几种有代表性的基于谱图理论的流形学习算法，并对算法进行了比较分析，最后进行总结和对进一步的研究做了展望.
流形学习的主要目标是发现嵌入在高维数据空间的低维光滑流形.近年来基于谱图理论的学习算法受到研究者的广泛关注.介绍了流形与流形学习的关系，着重研究了几种有代表性的基于谱图理论的流形学习算法，并对算法进行了比较分析，最后进行总结和对进一步的研究做了展望.
摘要：
提出了用模糊熵来度量反向三I模糊推理结果的模糊程度，给出了模糊熵反向三I原则，讨论了FMP和FMT问题的模糊熵反向三I支持算法解存在的条件，分别给出了几个常见蕴涵算子的FMP问题与FMT问题的模糊熵反向三I解的计算公式.
提出了用模糊熵来度量反向三I模糊推理结果的模糊程度，给出了模糊熵反向三I原则，讨论了FMP和FMT问题的模糊熵反向三I支持算法解存在的条件，分别给出了几个常见蕴涵算子的FMP问题与FMT问题的模糊熵反向三I解的计算公式.
摘要：
普通的离散小波变换具有平移敏感性，无法稳定地表示小波域下的虹膜特征.为了减弱虹膜图像的旋转变化对小波分解系数的影响，提出一种基于虹膜的方向能量分布序列的平移不变预处理方法，以校正虹膜纹理图像角度旋转变化.通过对小波变换系数进行阈值化处理，以双位二进制形式编码虹膜特征.在验证模式下，采用加权Hamming距对未知虹膜进行多模板匹配得出识别结果.基于虹膜图像库进行比对实验，结果表明，增强了小波变换编码虹膜特征的可用性，能够有效地进行虹膜识别.
普通的离散小波变换具有平移敏感性，无法稳定地表示小波域下的虹膜特征.为了减弱虹膜图像的旋转变化对小波分解系数的影响，提出一种基于虹膜的方向能量分布序列的平移不变预处理方法，以校正虹膜纹理图像角度旋转变化.通过对小波变换系数进行阈值化处理，以双位二进制形式编码虹膜特征.在验证模式下，采用加权Hamming距对未知虹膜进行多模板匹配得出识别结果.基于虹膜图像库进行比对实验，结果表明，增强了小波变换编码虹膜特征的可用性，能够有效地进行虹膜识别.
摘要：
快速而准确地检测图像中的人体皮肤区域在人脸检测、敏感图像过滤等应用中有重要价值.为了提高肤色检测的精度和速度，提出了一种在JPEG图像压缩域上的基于自适应阈值的人体皮肤区域检测算法.该算法的优点在于：①检测过程中能根据图像内容自适应地调节检测阈值，有效防止误检和漏检；②无需完全解压缩JPEG图像，直接在DCT系数域上计算每个图像块的颜色和纹理特征,利用颜色和纹理特征来检测图像块是否为人体皮肤.与现有肤色检测算法的对比实验表明我们的方法具有很好的准确性和很快的速度.
快速而准确地检测图像中的人体皮肤区域在人脸检测、敏感图像过滤等应用中有重要价值.为了提高肤色检测的精度和速度，提出了一种在JPEG图像压缩域上的基于自适应阈值的人体皮肤区域检测算法.该算法的优点在于：①检测过程中能根据图像内容自适应地调节检测阈值，有效防止误检和漏检；②无需完全解压缩JPEG图像，直接在DCT系数域上计算每个图像块的颜色和纹理特征,利用颜色和纹理特征来检测图像块是否为人体皮肤.与现有肤色检测算法的对比实验表明我们的方法具有很好的准确性和很快的速度.
摘要：
特征提取是模式识别研究领域的一个热点.为了更好地解决人脸识别中的特征提取问题，定义了一种新的基于Fisher鉴别极小准则的特征提取方法，并且提出了类间散布矩阵零空间的概念，解决了先前Fisher线性变换方法中的最终特征维数受类别数的限制.在人脸数据库上的实验结果验证了该算法的有效性.
特征提取是模式识别研究领域的一个热点.为了更好地解决人脸识别中的特征提取问题，定义了一种新的基于Fisher鉴别极小准则的特征提取方法，并且提出了类间散布矩阵零空间的概念，解决了先前Fisher线性变换方法中的最终特征维数受类别数的限制.在人脸数据库上的实验结果验证了该算法的有效性.
摘要：
球场检测在体育视频内容分析中有着重要作用.为了克服由于不同光照、不同相机、不同拍摄角度造成球场颜色的非均一性问题，提出了一种基于自适应高斯混合模型(adaptive Gaussian mixture model, GMM)的球场检测算法.该算法首先从视频中任意抽取一些图像，并自动分析这些图像的主要颜色，从中找到主颜色的近似分布，然后，利用GMM拟合主要颜色分布.为提高模型的适应能力，在球场检测过程中，利用当前GMM球场检测结果和增量期望最大(incremental expectation maximum, IEM)算法不断更新模型参数，从而得到更加准确的参数估计，并用于后续图像中球场和非球场像素进行分类.最后，根据球场区域在图像中的分布，对足球比赛场景进行分类.实验证明，提出的算法具有良好的性能.
球场检测在体育视频内容分析中有着重要作用.为了克服由于不同光照、不同相机、不同拍摄角度造成球场颜色的非均一性问题，提出了一种基于自适应高斯混合模型(adaptive Gaussian mixture model, GMM)的球场检测算法.该算法首先从视频中任意抽取一些图像，并自动分析这些图像的主要颜色，从中找到主颜色的近似分布，然后，利用GMM拟合主要颜色分布.为提高模型的适应能力，在球场检测过程中，利用当前GMM球场检测结果和增量期望最大(incremental expectation maximum, IEM)算法不断更新模型参数，从而得到更加准确的参数估计，并用于后续图像中球场和非球场像素进行分类.最后，根据球场区域在图像中的分布，对足球比赛场景进行分类.实验证明，提出的算法具有良好的性能.
摘要：
把一个参数化的奇异多边形与双曲多项式B样条按某一个因子调配,可自动生成带形状参数且插值给定平面点列的C\+2(或G\+1)连续的双曲多项式B样条曲线.把这一曲线的曲率符号函数写为Bernstein多项式形式,并利用Bernstein多项式的非负性条件,得到形状参数的合适取值来保证样条曲线对插值点列的保凸性.此方法简单、方便,无需解方程组或迭代计算,生成的插值曲线具有较均匀的曲率.大量实例验证了算法的正确与有效.
把一个参数化的奇异多边形与双曲多项式B样条按某一个因子调配,可自动生成带形状参数且插值给定平面点列的C\+2(或G\+1)连续的双曲多项式B样条曲线.把这一曲线的曲率符号函数写为Bernstein多项式形式,并利用Bernstein多项式的非负性条件,得到形状参数的合适取值来保证样条曲线对插值点列的保凸性.此方法简单、方便,无需解方程组或迭代计算,生成的插值曲线具有较均匀的曲率.大量实例验证了算法的正确与有效.
摘要：
CICQ交换结构因具有良好的分布式调度特性而成为构建太比特(Tb/s)级以上交换机的一种理想选择.轮转型调度算法因硬件实现的简单性而得到广泛的研究，尽管此类型的调度算法在均匀流量下具有较高的吞吐率，然而在非均匀的流量下其性能则明显下降.指出了已有轮转型算法在非均匀流量下性能下降的原因，提出了一类基于双指针的轮转型调度算法，即每个输入调度器均有两个轮转指针(主指针和辅助指针).主指针对应的队列具有最高的调度优先级，算法可以根据各个队列的状态动态决定何时更新主指针，当主指针对应的队列被流控机制阻塞时，将根据辅助指针依次公平服务其他队列.实验结果表明，基于双指针的调度算法可以显著提高CICQ交换机在非均匀流量下的性能.
CICQ交换结构因具有良好的分布式调度特性而成为构建太比特(Tb/s)级以上交换机的一种理想选择.轮转型调度算法因硬件实现的简单性而得到广泛的研究，尽管此类型的调度算法在均匀流量下具有较高的吞吐率，然而在非均匀的流量下其性能则明显下降.指出了已有轮转型算法在非均匀流量下性能下降的原因，提出了一类基于双指针的轮转型调度算法，即每个输入调度器均有两个轮转指针(主指针和辅助指针).主指针对应的队列具有最高的调度优先级，算法可以根据各个队列的状态动态决定何时更新主指针，当主指针对应的队列被流控机制阻塞时，将根据辅助指针依次公平服务其他队列.实验结果表明，基于双指针的调度算法可以显著提高CICQ交换机在非均匀流量下的性能.
摘要：
在异构系统中最优化资源分配策略的代价函数是提高分布式系统自治并发处理性能的一个重要途径.基于复制的资源分配策略作为主流策略虽然在异构系统中可以对数据驱动的任务流资源分配上取得很好的效果，但由于大部分的基于复制的资源分配算法都忽略了任务复制本身耗费与其复制所取得的效益之间的平衡比较，因此产生了大量的无效复制，最终影响系统整体性能的提高.针对这种情况，提出了EDCP，可通用于异构系统中基于任务复制的资源分配策略的有效性复制检查过程. EDCP通过对复制的有效性检测，只复制能对系统性能有所提高的任务，减少了通信开销，并且在保证了系统整体效益的前提下最优化了代价函数.
在异构系统中最优化资源分配策略的代价函数是提高分布式系统自治并发处理性能的一个重要途径.基于复制的资源分配策略作为主流策略虽然在异构系统中可以对数据驱动的任务流资源分配上取得很好的效果，但由于大部分的基于复制的资源分配算法都忽略了任务复制本身耗费与其复制所取得的效益之间的平衡比较，因此产生了大量的无效复制，最终影响系统整体性能的提高.针对这种情况，提出了EDCP，可通用于异构系统中基于任务复制的资源分配策略的有效性复制检查过程. EDCP通过对复制的有效性检测，只复制能对系统性能有所提高的任务，减少了通信开销，并且在保证了系统整体效益的前提下最优化了代价函数.
摘要：
提出了基于联合熵的多属性匿名度量模型，该模型基于识别性、连接性、跟踪性等匿名属性.鉴于匿名的随机性和模糊性特点，提出了基于联合熵和最小加权广义距离的模糊模式识别方法，实现了系统匿名等级隶属度向量的离散化.给出了联合熵和加权广义距离之间平衡参数的确定方法.分析表明，该模型优于现有的单属性Shannon熵模型，平衡参数是从系统的角度惟一求解.因此，联合熵可以作为匿名等级的评价指标.
提出了基于联合熵的多属性匿名度量模型，该模型基于识别性、连接性、跟踪性等匿名属性.鉴于匿名的随机性和模糊性特点，提出了基于联合熵和最小加权广义距离的模糊模式识别方法，实现了系统匿名等级隶属度向量的离散化.给出了联合熵和加权广义距离之间平衡参数的确定方法.分析表明，该模型优于现有的单属性Shannon熵模型，平衡参数是从系统的角度惟一求解.因此，联合熵可以作为匿名等级的评价指标.
摘要：
利用Shor,Boneh和Lipton等的量子算法不仅可以在多项式时间内分解大整数，还可以有效解决离散对数和椭圆曲线上的离散对数问题，传统的基于这三类难解问题的公钥密码系统在量子计算机时代将变得不再安全.辫子群是一类较适合构造抵抗量子密码分析的计算平台，但目前基于辫子群的公钥密码系统所凭借的难解问题都得到了一定程度的解决.两类新的难解问题是根据p次方根问题的难解性和线性表示攻击提出的.在此基础上构造了一个新的密钥协商协议，分析了协议的安全性,给出了参数选择建议和理由.新的密钥协商协议可以抵抗目前已知的各种攻击.
利用Shor,Boneh和Lipton等的量子算法不仅可以在多项式时间内分解大整数，还可以有效解决离散对数和椭圆曲线上的离散对数问题，传统的基于这三类难解问题的公钥密码系统在量子计算机时代将变得不再安全.辫子群是一类较适合构造抵抗量子密码分析的计算平台，但目前基于辫子群的公钥密码系统所凭借的难解问题都得到了一定程度的解决.两类新的难解问题是根据p次方根问题的难解性和线性表示攻击提出的.在此基础上构造了一个新的密钥协商协议，分析了协议的安全性,给出了参数选择建议和理由.新的密钥协商协议可以抵抗目前已知的各种攻击.
摘要：
在入侵检测研究领域中，提高检测模型的检测率并降低误报率是一个重要的研究课题.在对归纳学习理论深入研究的基础上,将规则学习算法应用到入侵检测建模中.针对审计训练数据不足时出现的检测精度下降的情况，提出了一种基于强化规则学习的高效入侵检测方法EAIDBRL (efficient approach to intrusion detection based on boosting rule learning).在EAIDBRL方法中，首先调整传统Boosting算法的权重更新过程在各个预测目标类内部进行，以消除退化现象；然后修改传统规则学习算法中规则生长和规则剪枝过程的评价准则函数；最后使用改进后的Boosting算法来增强弱规则学习器对网络审计数据的分类性能.标准入侵检测数据集上的测试结果表明，EAIDBRL方法能够较大地提高传统规则学习检测模型在小样本条件下的入侵检测性能.
在入侵检测研究领域中，提高检测模型的检测率并降低误报率是一个重要的研究课题.在对归纳学习理论深入研究的基础上,将规则学习算法应用到入侵检测建模中.针对审计训练数据不足时出现的检测精度下降的情况，提出了一种基于强化规则学习的高效入侵检测方法EAIDBRL (efficient approach to intrusion detection based on boosting rule learning).在EAIDBRL方法中，首先调整传统Boosting算法的权重更新过程在各个预测目标类内部进行，以消除退化现象；然后修改传统规则学习算法中规则生长和规则剪枝过程的评价准则函数；最后使用改进后的Boosting算法来增强弱规则学习器对网络审计数据的分类性能.标准入侵检测数据集上的测试结果表明，EAIDBRL方法能够较大地提高传统规则学习检测模型在小样本条件下的入侵检测性能.
摘要：
在安全协议的形式化分析中，有两种完全不同的观点：符号方法和计算方法，两者各有优缺点.通过对两种观点的研究，按照优势互补的原则将两者相调和，建立了一种新的形式化分析方法.该方法将协议的安全性分为完全性和正确性，通过分析这两种性质，不仅能考察协议在逻辑上能否达到预期目标，而且能考察敌手在计算上的攻击能力.第一次从逻辑可靠性和计算可靠性两方面对协议进行了综合的安全性分析.
在安全协议的形式化分析中，有两种完全不同的观点：符号方法和计算方法，两者各有优缺点.通过对两种观点的研究，按照优势互补的原则将两者相调和，建立了一种新的形式化分析方法.该方法将协议的安全性分为完全性和正确性，通过分析这两种性质，不仅能考察协议在逻辑上能否达到预期目标，而且能考察敌手在计算上的攻击能力.第一次从逻辑可靠性和计算可靠性两方面对协议进行了综合的安全性分析.
摘要：
对于TFD和TMVD混合集约束的时态模式来说，由于多时间粒度的使用使成员籍问题的解决变得更加复杂.由于成员籍问题的解决对设计有效的模式分解算法必不可少，由此定义了时态类型集的强封闭集、属性集的有限闭包、属性集在给定时态类型上的有限依赖基、属性集的有限依赖基及特殊有限依赖基等概念，给出了求属性集的有限闭包、有限依赖基和特殊有限依赖基、时态混合集成员籍问题的算法，并对算法的可终止性、正确性进行了证明，对时间复杂性进行了分析.
对于TFD和TMVD混合集约束的时态模式来说，由于多时间粒度的使用使成员籍问题的解决变得更加复杂.由于成员籍问题的解决对设计有效的模式分解算法必不可少，由此定义了时态类型集的强封闭集、属性集的有限闭包、属性集在给定时态类型上的有限依赖基、属性集的有限依赖基及特殊有限依赖基等概念，给出了求属性集的有限闭包、有限依赖基和特殊有限依赖基、时态混合集成员籍问题的算法，并对算法的可终止性、正确性进行了证明，对时间复杂性进行了分析.
摘要：
随着Internet和分布计算的发展，应用趋向于分布、松耦合和复杂化，平面事务模型已经越来越不适应于这些新型的应用，因此出现了多种扩展事务模型.但目前的研究多关注于特定应用环境的模型的提出和分析，同时由于受数据源接口的限制，难以实现事务模型的一些扩展原语，所以真正实现扩展事务模型的系统很少.提出了一种J2EE平台下的扩展事务模型支持框架，通过增强事务管理器的数据并发控制，实现了对常见扩展事务模型的支持.
随着Internet和分布计算的发展，应用趋向于分布、松耦合和复杂化，平面事务模型已经越来越不适应于这些新型的应用，因此出现了多种扩展事务模型.但目前的研究多关注于特定应用环境的模型的提出和分析，同时由于受数据源接口的限制，难以实现事务模型的一些扩展原语，所以真正实现扩展事务模型的系统很少.提出了一种J2EE平台下的扩展事务模型支持框架，通过增强事务管理器的数据并发控制，实现了对常见扩展事务模型的支持.
摘要：
研究了非对称通信数据广播环境中的一致性问题. PVTO协议中数据冲突的检测过于严格，存在很多不必要的事务夭折，限制了其并发度；O-PreH协议中数据冲突的检测过于宽松，必要的事务重启要等待服务器校验，浪费了大量昂贵的上行通信带宽.提出了一种新的可串行化并发控制协议BCC-SR. BCC-SR协议将时标段排序和乐观方法相结合，使用了恰当的校验条件，既避免了不必要的事务夭折，又可尽早处理必要的事务重启，节省了系统资源，提高了并发度.实验结果表明，BCC-SR协议能有效改进移动事务的平均响应时间，更好地满足数据广播环境中高性能事务处理的要求.
研究了非对称通信数据广播环境中的一致性问题. PVTO协议中数据冲突的检测过于严格，存在很多不必要的事务夭折，限制了其并发度；O-PreH协议中数据冲突的检测过于宽松，必要的事务重启要等待服务器校验，浪费了大量昂贵的上行通信带宽.提出了一种新的可串行化并发控制协议BCC-SR. BCC-SR协议将时标段排序和乐观方法相结合，使用了恰当的校验条件，既避免了不必要的事务夭折，又可尽早处理必要的事务重启，节省了系统资源，提高了并发度.实验结果表明，BCC-SR协议能有效改进移动事务的平均响应时间，更好地满足数据广播环境中高性能事务处理的要求.
摘要：
XML在数据交换中的应用越来越广泛，但由于标记引入而使其空间膨胀较大，对传输及存储资源耗费严重.压缩后的XML数据容量明显减少，但怎样基于压缩后的XML数据直接进行查询及处理，仍然是需要深入研究的问题.以反向算术压缩为基本压缩算法，提出针对XML数据库中压缩XML文件的索引结构Interval\++，基于该索引结构，可高效实现对类似//element\-1/element\-2/…/elment\-m的查询处理.
XML在数据交换中的应用越来越广泛，但由于标记引入而使其空间膨胀较大，对传输及存储资源耗费严重.压缩后的XML数据容量明显减少，但怎样基于压缩后的XML数据直接进行查询及处理，仍然是需要深入研究的问题.以反向算术压缩为基本压缩算法，提出针对XML数据库中压缩XML文件的索引结构Interval\++，基于该索引结构，可高效实现对类似//element\-1/element\-2/…/elment\-m的查询处理.
摘要：
检验点技术是实时内存数据库恢复的关键技术之一.在分析实时内存数据库数据特征基础上，给出了综合考虑数据和事务定时约束的数据检验点优先级计算方法.然后，结合内存数据库段式存储结构，讨论了一种基于数据段检验点优先级的分区模糊检验点策略PFCS-SCP. 通过性能测试，表明所提出的检验点策略能减低超截止期事务比率.
检验点技术是实时内存数据库恢复的关键技术之一.在分析实时内存数据库数据特征基础上，给出了综合考虑数据和事务定时约束的数据检验点优先级计算方法.然后，结合内存数据库段式存储结构，讨论了一种基于数据段检验点优先级的分区模糊检验点策略PFCS-SCP. 通过性能测试，表明所提出的检验点策略能减低超截止期事务比率.
摘要：
当前，多种方法被用来解决网管系统中的策略冲突，不同方法有不同的应用范围，因此，通常需要综合应用多种方法来解决策略之间的冲突.各种方法解决策略冲突解决的过程是相对独立的，其策略冲突解决的结果也是相对独立的.在解决策略冲突的过程中，难以考虑到已经存在的策略冲突解决结果.因此，不同的策略冲突解决方法的结果之间可能存在冲突.分析了网管系统中多策略冲突解决方法的结果中可能存在的冲突，提出了检测及解决这些冲突的方法，并给出了实验结果及结论.
当前，多种方法被用来解决网管系统中的策略冲突，不同方法有不同的应用范围，因此，通常需要综合应用多种方法来解决策略之间的冲突.各种方法解决策略冲突解决的过程是相对独立的，其策略冲突解决的结果也是相对独立的.在解决策略冲突的过程中，难以考虑到已经存在的策略冲突解决结果.因此，不同的策略冲突解决方法的结果之间可能存在冲突.分析了网管系统中多策略冲突解决方法的结果中可能存在的冲突，提出了检测及解决这些冲突的方法，并给出了实验结果及结论.
摘要：
接续和直接指称语义之间的转换的主要难点在于不保函数基调.基于Monad思想推导出的接续语义函数和直接语义函数之间的关系，给出了基于规约的从接续指称语义描述形式到直接指称语义描述形式的转换技术，分别考虑了接续函数在不同情形下的处理.最后给出了转换算法的Haskell实现系统，验证了转换的可行性.
接续和直接指称语义之间的转换的主要难点在于不保函数基调.基于Monad思想推导出的接续语义函数和直接语义函数之间的关系，给出了基于规约的从接续指称语义描述形式到直接指称语义描述形式的转换技术，分别考虑了接续函数在不同情形下的处理.最后给出了转换算法的Haskell实现系统，验证了转换的可行性.
本刊虚拟专辑J-CRAD Transactions on系列更新，欢迎阅读！
