有结构p2p项目申请v081.docx
- 文档编号:30014664
- 上传时间:2023-08-04
- 格式:DOCX
- 页数:21
- 大小:102.89KB
有结构p2p项目申请v081.docx
《有结构p2p项目申请v081.docx》由会员分享,可在线阅读,更多相关《有结构p2p项目申请v081.docx(21页珍藏版)》请在冰豆网上搜索。
有结构p2p项目申请v081
题目:
融合语义的有结构对等网络拓扑结构与资源定位技术的研究
立项依据与研究内容
随着互联网的飞速发展,网络上的资源得以极大的丰富。
传统基于客户/服务器模式的资源管理和定位技术已经不能满足日益膨胀的用户请求。
由于所有结点之间的信息交换都要经过服务器,服务器本身已经成为限制系统工作效率和规模扩展的瓶颈。
同时,传统的资源定位方式主要依靠分类查询和基于关键字的精确匹配,缺乏语义信息,导致查全率、查准率较低。
因而研究如何更为有效的管理海量的网络资源,如何从海量的网络资源中高效、精确的定位用户所需资源,对于互联网的发展具有重大的意义。
对等网络正是在这个背景下受到重视并成为研究热点。
对等网络的非中心化思想打破了传统客户/服务器模式,资源和服务分散在所有结点上,信息传输和服务实现直接在结点之间进行,无需中间环节和服务器的介入,避免了性能瓶颈问题,提高了网络的工作效率,同时具有非常高的可扩展性和耐攻击、高容错的优点。
这些优良特性使得对等网络非常适用于海量网络资源的管理。
对等网络系统的拓扑结构分为两类:
无结构化拓扑与结构化拓扑。
无结构对等网络中,结点之间的链路随机生成,资源查找以基于完全随机图的洪泛式搜索进行,因而其查询效率,查全率、查准率均较低,并且由于需要消耗巨大的网络带宽,可扩展性很差,不适用于大规模网络。
结构化对等网络主要是采用分布式哈希表技术来组织网络中的节点,经典的路由算法有CHORD,PASTRY和CAN等。
结构化对等网络具有非常好的可扩展性,对于具有N个节点的网络中存在的资源,总可以保证在log(N)查询步骤内发现。
传统的资源定位方式通过精确匹配实现[3,7,8],查询结果依赖于查询关键字与资源描述信息内容的字符串匹配情况。
由于无法理解查询关键字的语义,此种查询方式无法支持基于概率和语义约束的模糊匹配,要么返回很多无关的结果,要么遗漏满足查询要求、但描述信息中不包含查询关键字的服务,从而导致查询的准确度低下。
因此,研究者提出将语义标记引入资源的描述与查询过程[9-13],解决查询请求与资源描述信息二者之间语义上的互通性障碍,从而提高资源查找的查准率和查全率。
但目前对于如何管理大规模的本体概念的研究还有不足,对于如何进行资源的语义建模以及如何量化用户请求与资源描述信息的语义匹配程度,尚未出现有影响的研究成果。
因此,结合对等网络技术以及语义网技术的优势,将语义信息融合到对等网络的资源管理与定位过程之中,已经开始成为国内外广泛关注的研究课题。
已有的研究成果主要集中于无结构对等网络[参考文献],主要是根据语义关系对结点进行分簇,聚集语义关系相近的结点,资源定位请求采用基于语义的洪泛式或者启发式路由,依然无法摆脱查询效率低、可扩展性差的问题,不适用于大规模的分布式资源发现系统中。
而基于有结构对等网络的融合语义资源定位研究还刚刚起步,国内外相关的文献尚属少见。
已有研究多是在有结构对等网络之上构建语义叠加结构,将语义查询映射为非语义的哈西值,由对等网络使用自身的路由机制进行路由,完成资源定位过程,不但效率较低,查全率、查准率并不太多改善,并且需要同时维护语义叠加结构和对等网络,代价也较高[参考文献]。
考虑现有研究成果的局限性,本项目拟将语义网技术引入有结构对等网络的资源发现过程。
研究基于本体分割的网络资源管理策略,以解决由于存在大量的本体概念组合而产生的网络资源描述的复杂情况。
研究基于本体概念图的细粒度的本体概念/概念集合语义相似度计算方法,全面考虑现实世界中客观存在的多继承关系,复杂二元关系,最大限度的模拟人类的直觉思维,以提高资源定位结果的准确性。
研究融合语义的有结构对等网络的拓扑结构及基于前缀匹配的两阶段融合语义路由策略,在保持对等网络高可扩展性、高容错性的前提下,提高资源管理的有效性,提高资源定位的查全率与查准率。
作为新一代互联网中的关键技术之一,本项目的研究成果对于网络的进一步发展也具有积极的意义。
本项目的创新之处在于将语义网技术引入有结构对等网络的拓扑结构与资源定位和发现过程。
其主要内容包括:
提出大规模网络环境下进行有效描述与管理网络资源的新方法;提出考虑全面信息的、基于层次化结构的本体概念语义相似度匹配算法;提出基于本体概念前缀匹配的两阶段融合语义路由策略,在不增加网络负载的情况下,提高网络资源定位与查询的效率、查全率与查准率。
申请者及课题组成员在近几年中,一直从事对等网络系统、语义网应用、新一代互联网中的服务模型等相关技术的研究工作。
其中围绕新一代互联网中服务智能发现问题进行了大量的研究,已经完成了数篇博士论文多篇SCI检索及国内一级学报的论文,在语义网技术及基于有结构的对等网络技术方面积累了丰富的经验,为本项目的开展打下了坚实基础,我们力图在语义网技术与对等网络技术相结合的领域取得更新的突破。
本项目成果将有非常好的应用前景,可为大规模网络资源的智能管理与维护提供科学的指导和建议,为新一代互联网中其它关键技术的研究提供坚实的基础支持。
项目的立项依据
项目的研究内容、研究目标,以及拟解决的关键问题
总体目标
本项目的总体目标是将语义信息引入有结构对等网络的拓扑结构和资源定位过程,对网络资源的语义描述方法以及资源的语义定位方法展开深入的研究,设计一个融合语义的有结构的对等网络系统。
此系统可以理解资源定位请求的语义信息,从而支持高效的、分布式的资源定位与发现,大大提高资源定位与发现的查全率与查准率,并显著降低由于洪泛查询而带来的巨大网络负荷。
研究内容和目标
1.基于领域本体分割的网络资源语义信息建模
网络资源的语义信息可以使用一系列的本体概念描述,现实世界中的许多领域本体由成千上万个概念组成,而这些本体概念组合的数量则是无穷的。
让有限数量的对等网络结点合理的分担这些组合并保持网络的有结构性是不可能的。
通过将领域本体划分为多个概念区域,将描述网络资源的概念组合映射为概念区域组合,可以有效地将概念组合进行分簇,对等网络的结点只需管理、维护这些概念区域组合,便可以有效地解决由大规模本体概念描述网络资源的所带来的管理问题。
具体研究内容主要包括:
(1)研究领域本体的分割方法。
提出面向分类属性数据、全局信息度量的大规模领域本体分割方法,将本体概念按照彼此间的关联程度进行分割,为网络资源的分簇管理提供基础。
(2)研究网络资源语义描述信息的抽取方法。
提出描述网络资源的概念组合到概念区域组合的映射方法,提出网络资源语义描述信息的聚类算法,将语义信息相同或相似的网络资源聚集在一个概念簇序列之中。
2.研究基于本体概念的语义相似度匹配算法
本体概念之间以及概念集合之间的语义相似度计算方法是融合语义的有结构对等网络系统的重要基础。
现有的本体概念相似度计算方法存在着计算结果粒度过粗,考虑信息不全面等问题而无法直接应用。
现有的概念集合相似度算法基于概念间的精确匹配结果,适用于判断概念集合之间的蕴涵关系,而不适用于判断两个集合是否相似。
本课题将基于本体概念图提出细粒度的概念相似度计算方法及概念集合相似度算法。
具体内容主要包括:
(1)研究基于本体概念图的单概念语义相似度计算方法。
研究本体概念图中对相似度产生影响的多个因素,分析继承关系、包含关系及其他二元关系对于概念间语义距离的影响,提出包含概念深度信息以及概念间语义距离信息的单概念语义相似度计算算法。
(2)研究多概念语义相似度计算方法。
基于单概念语义相似度匹配方法,分析每一个元素对于概念集合整体相似度的贡献,合理分配其权重因子,并考虑概念集合中元素的数目对于相似度计算结果的影响,提出多概念语义相似度计算方法。
该算法保证每一个元素对于集合整体相似度都将产生影响。
3.研究基于前缀树以及本体分割的融合语义路由机制
已有的对等网络语义路由的研究集中于无结构的对等网络,在泛洪过程中加入语义信息,存在着随网络规模的增大,路由效率变得非常低的问题。
而当前有结构对等网络中的路由机制缺乏语义信息,存在着查全率、查准率低下的问题。
本课题提出的基于前缀树的融合语义路由机制将语义信息引入有结构对等网络,在大规模网络环境下,不但可以获得较高的查全率与查准率,并且保证了非常高的路由效率。
具体内容主要包括:
(1)分布式层次前缀树的设计。
借鉴现有一般前缀树的特点,研究基于本体概念的前缀树的构成方式,提出基于请求长度的,不同分组层次的前缀树生成方法。
(2)研究前缀匹配的融合语义路由方法。
研究利用层次前缀树提供的信息,设计逐位前缀匹配的语义路由算法,并提出前缀失配的情况下的语义扩展策略,将资源定位请求路由至语义上最为接近的网络结点。
4.研究有结构语义对等网络的自组织方式
将语义信息引入对等网络路由过程的研究刚刚起步,尚缺乏有效的自适应策略。
已有的基于语义信息的自维护策略在结点加入或退出网络时并未考虑语义一致性的维护,同时也未考虑由于结点异常失效而被动退出网络后的自恢复机制。
本课题将提出一个较为完善的适用于融合语义的有结构对等网络的自维护策略,具体内容主要包括:
(1)研究正常情况下网络结点加入及退出的机制。
研究网络结点加入时自身状态初始化的机制;研究网络结点加入及离开时向邻居结点发出通告的机制及邻居结点更新自身状态的策略;研究网络结点加入/离开时从/向邻居结点迁移数据的机制及策略。
(2)研究异常情况下结点突然失效时的网络自恢复策略。
基于层次前缀树,研究邻居结点异常失效的检测机制并分析网络结点异常失效对路由过程的影响,提出语义路由恢复机制,维护网络整体的语义一致性。
拟解决的关键问题
1.大规模本体树的分割方法。
通过本体树的分割方法,将语义相近的本体概念划分到一个概念区域,使各个概念簇本身语义上尽可能紧凑,而各个簇之间语义上尽可能分离,从而为网络资源的聚类和融合语义的资源定位打下基础。
我们将摒弃传统的基于两概念间距离的局部度量函数,综合考虑本体概念间的公共近邻数等全局信息作为评价概念间相关性的度量标准,获得了良好的划分效果。
2.设计考虑全面信息的、基于层次化结构的本体概念语义相似度匹配算法。
融合语义的路由查询本质上是一种模糊查询,因此概念间语义相似度的计算成为保证查询精确度与效率的核心算法之一。
我们提出的算法中,将考虑现实世界中客观存在的概念间的多继承关系及复杂二元关系计算两概念间的语义相似度。
在计算概念集合相似度的过程中将充分考虑各个元素的贡献,集合中元素的数量,并约束特殊元素的贡献权重,提出计算算法,该算法将最大程度的模拟人的直觉思维,为融合语义的资源定位打下基础。
3.设计一种分布式的、多层次前缀树作为语义路由的基础,前缀树的设计直接影响到语义路由的效率与定位的准确率。
在借鉴传统前缀树数据结构的基础上,设计一种分布式的,多层次前缀树,研究层次前缀树与对等网络结点标识之间的语义关系,为语义路由提供有效的支持。
4.设计一种基于前缀逐位匹配的融合语义路由算法,该算法是融合语义的有结构对等网络的核心算法之一,支持各类复杂查询。
我们将结合分布式前缀树提供的语义信息,提出基于本体概念前缀匹配的二阶段融合式语义路由策略,将语义信息融入路由过程,大大提高了查全率与查准率。
5.设计融合语义的有结构对等网络的自维护机制。
对等网络的优势之一就是对不断变化的网络结点的自适应能力,此机制必须能够快速消除结点加入/退出,尤其是异常退出所引发的网络波动,并且解决结点变化引发的数据迁移问题。
我们将设计一种基于层次前缀树的结点主动加入,退出、失效情况下的更新、检测机制,保证对等网络在结点变化时语义路由的正常工作。
拟采取的研究方案及可行性分析
研究方法和关键技术的实现方案
围绕融合语义的有结构对等网络系统中存在的关键问题,采用理论分析、仿真试验相结合的方法。
首先抽象出可研究的关键技术问题,通过理论分析,找到解决这些问题的方法,通过仿真试验来证实或者进一步修改这些方法,最后再实现原型系统在实际环境中验证所提出方法的有效性。
以下针对本项目中的每一个关键问题的技术路线进行具体阐述。
1.大规模本体树的分割方法
此算法的目的是根据概念之间的相似性进行分簇,将语义上相似的概念分到一个簇中。
其主要思想是属于同一个簇的概念之间的链接密度是最大的。
本体概念分割算法拟采用全局性的迭代式聚类方法,不断将语义相近的概念簇进行合并,从小到大,最终将全部的本体概念划分为有限个概念簇,称为ConceptGroup,简称CG,每个概念将仅属于一个CG。
单个概念簇内部的概念之间的聚合程度使用cohesiveness值来衡量,概念簇之间的语义相似程度使用couple函数计算。
表1中给出了本体分割算法的框架,算法的输入参数为本体概念图D及期待分割的概念簇数目K。
首先生成本体图D的生成树T,将本体概念树T的每个概念作为一个独立的簇,并初始化每个簇的cohesiveness值为1。
从现有簇中选出cohesiveness值最大的簇,接着选出与此簇couple值最大的簇,并将这两个簇进行合并。
循环上述过程,直至簇的数目满足要求,最后便得到分割后的K个概念簇。
表1:
OntoDivide算法框架
OntoDivide(D,K){
生成D的最小生成树T;
初始化T中的每个概念为一个簇CGi,每个簇的cohesiveness值为1;
while(当前簇个数m>K){
从m个簇中选出cohesiveness值最大的簇CGp;
for(i=0;i if(i==p)continue; List[i]=couple(CGi,CGp); } 根据List中的值,选出与CGp的couple函数值最大的簇CGq; 将簇CGp与CGq合并,并计算新簇的cohesiveness值; m--; } 返回CGj,(j=0,1,…,K-1); } 2.设计考虑全面信息的、基于层次化结构的本体概念语义相似度匹配算法 以计算两个本体概念间的语义相似度为起点,再计算概念集合间的语义相似度。 相似度计算的目的是最大限度的模拟人类的直觉思维,因此,概念间的相似度量化值本身并不重要,重要的是多个概念对相似度的排序结果。 基于此,考虑从本体概念图的层次化结构入手,分析概念之间的继承关系、包含关系,同时考虑到现实世界中客观存在的多继承关系、其它复杂的二元关系等来计算概念间的语义相似度。 概念间的不同关系对于相似度计算结果的影响是不同的,例如继承关系对相似度的影响明显大于其它二元关系,因此,需要对不同的关系赋予不同的权重值,以此值来约束不同关系对于相似度的贡献。 根据心理学的研究成果,人类的思维是复杂的过程,因而将摒弃传统的使用线性函数来整合概念之间的关系以得出计算结果的方法,拟使用非线性函数来模拟人的思维,将影响概念之间相似度的各种因素通过非线性函数处理,从而得出较好的概念对之间的排序结果。 如公式 (1)所示,是使用非线性函数计算概念间相似度的一个公式实例,公式中的输入参数分别为两个概念之间的距离以及概念位于本体树中的深度。 (1) 概念集合之间的相似度计算的关键在于计算各个元素概念对的相似度对于最终计算结果的贡献。 传统的方法中仅考虑少数具有较大相似度值的概念对的影响,并且可能反复计算某单个概念元素的贡献,从而造成计算结果的不可信。 本课题中拟使用约束因子来降低重复元素的影响,最大限度的考虑所有元素对于最终结果的贡献,并考虑集合中元素数量的差异对于概念集合相似度计算结果的影响,使集合的势相差越大的集合之间语义相似度越小。 3.设计分布式的、多层次前缀树 标识网络资源的概念集合中,各个概念之间是无序的。 而前缀匹配的过程要求网络资源的标识概念间存在偏序关系。 因此在申请者已有的初步研究中,规定给定一个本体图D及其生成树T,按照CG在生成树中的位置进行排序,如果满足如下条件之一,在本体概念树中: (a)CGi的层次比CGj的层次高; (b)CGi和CGj有同样的层次,CGi在CGj左侧。 则称概念簇CGi比概念簇CGj的顺序高。 例如在图1中,整棵本体树由六个CG组成,每个CG各包含若干个本体概念,它们之间的偏序关系为CG1>CG2>CG3>CG4>CG5>CG6。 图1本体概念生成树的区域分割图 然后在本体概念偏序关系的基础上研究前缀树的生成方式。 在语义路由过程中,对等网络结点利用不同层次的前缀树,进行基于长度的前缀匹配,以达到语义路由目的。 我们拟将层次前缀树的构成方式采用以下形式: 每一个结点由一个CG序列表示,结点维护一组分层次的前缀树,所维护的前缀树的个数为结点CG序列的长度。 每一层的前缀树均比上一层的前缀树加深一层。 第i层次的前缀树层深度为i,前缀树中包含两类结点: 1.已匹配结点: 具有子结点的结点,表示路由过程中已经匹配的前缀概念。 2.叶子结点: 无子结点的结点,表示路由过程中需要匹配的后续概念。 图2.第四层次前缀树 已匹配结点的生成规则: 对等网络结点所维护的第i层前缀匹配树,拥有i-1个已匹配结点,已匹配结点的内容与结点概念簇具有相同的前缀。 如图2所示,结点ID为CG1-CG2-CG4-CG5的对等网络结点第四层次前缀树的已匹配结点为CG1-CG2-CG4。 叶子结点的生成规则: 对等网络结点下一跳转发时可选的可能概念簇集合。 该集合中的概念簇按照偏序关系大于已匹配结点序列中的任何一个概念簇。 如图2所示,结点ID为CG1-CG2-CG4-CG5的对等网络结点第四层次前缀树的叶子结点为下一跳转发时可选的概念簇,分别为CG6,CG7,CG9等。 4.设计一种基于前缀逐位匹配的融合语义路由算法 基于本体树的分割方法,将语义上相近的结点划分到一个概念簇序列中,因此可以认为是用相同概念簇序列描述的网络资源具有相近的语义,因而应该被存储或路由至到相同的网络结点。 基于本体概念划分的思想以及层次前缀树所提供的路由信息,本课题组拟提出一种基于前缀逐位匹配的两阶段融合语义路由算法。 该算法的第一阶段采用前缀逐位匹配概念簇的方式,将网络资源的定位请求发送至与之具有相同前缀簇的对等网络结点,第二阶段再采用融合语义距离的启发式路由算法将该定位请求路由至与之具有最近语义的网络结点。 为完成上述两阶段路由,其核心在于对等网络结点基于层次前缀树构造的两阶段路由表。 第一阶段的路由过程中,网络结点利用资源定位请求中各个概念所从属的概念簇,按照最大前缀匹配原则选择相应前缀树中的叶子结点,保证每一跳转发的结点标识与资源定位请求都具有多一位的前缀元素,或具有相同长度的概念簇前缀,但是在语义上更加接近。 基于第一阶段的语义路由结果,第二阶段的路由过程在具有相同长度概念簇的结点中,将选择与资源定位请求具有最大前缀概念序列,但在语义上最接近的下一跳结点。 5.设计融合语义的有结构对等网络的自维护机制 对等网络的优势之一就是对不断变化的网络结点的自适应能力,网络结点的变化主要包含三种情况: 结点加入,结点正常退出,结点异常退出。 一个新结点P加入对等网络时,将被分配一个有语义的全局唯一的结点标识(nodeId)。 nodeId表现为一个概念序列以及该概念序列所对应的CG序列,其中每个概念来自不同的CG,概念按照CG之间的偏序关系进行排列。 该结点的加入过程如下: ✓初始化新结点P的状态。 结点P通过任一个已存在的网络结点X向网络发送一个包含结点P的语义标识的加入请求消息。 网络中的结点将按照层次前缀树将该消息路由至与之具有最接近语义的结点Y。 P根据从结点X到结点Y的路径中所有结点返回的响应消息构建它的初始层次前缀树和初始叶子结点表。 ✓更新网络中已有结点的状态表。 初始化动作完成后,结点P向其层次前缀树、叶子表中的结点发送加入确认消息,通知结点P已经加入对等网络。 结点P层次前缀树中的结点收到该消息时,按照一定的概率策略将P的信息加入其层次前缀树中。 结点P叶子表中的结点与P属于相同的概念簇,当其收到消息时,将计算结点P与其自身的语义相似度,决定是否将P加入到其叶子结点表中。 ✓数据迁移。 接收到结点P的加入确认消息的各个结点将检索其本地资源数据库,查看存储于本节点的网络资源是否满足1)与结点P的nodeId有更长的前缀概念序列,或者2)与结点P的nodeId有相同的前缀概念序列,但与P所属的概念簇有更长的前缀概念簇序列,或者3)与结点P的nodeId有相同的前缀概念簇序列,但是与结点P在语义上更为接近。 若存在满足上述要求的网络资源,则需要将这些网络资源转移至结点P存储。 结点P正常退出网络的情况与加入的过程类似,结点P将向其层次前缀树、叶子表中的结点发送退出通知消息,收到退出消息的结点从其自身的前缀树、叶子表中去除结点P的信息,同时结点P对于存储于其中的网络资源,将逐一的选择满足上述三个条件的结点,向其迁移数据。 结点P异常退出网络的情况比较复杂,由于结点P发生故障,尚未发出任何警告信息,便退出网络服务。 对于此其情况,本课题拟提出一种高效的修改指导语义路由层次前缀树的方式,维护网络语义拓扑的一致性,同时避免以往应对结点失效而采用主动频繁发送心跳消息而带来的大量开销。 在本项目拟提出的方式中,当结点发现第i层次前缀树中第j个叶子结点所维护的长度序列中,长度为k的概念组序列所指向的结点失效,则需要将第i层前缀树的第m(m≠j)叶子结点替代此叶子结点,在某些特殊情况下,结点所维护的层次前缀数中第i层前缀树所有叶子结点均失效,则联系第i+1层前缀树中的叶子结点来取代(有可能这一层次的所有叶子结点均失效),迭代此更新过程,直至成功。 可行性分析 综上所述,本项目在理论方法与技术方案上都是切实可行的,主要理由是: 1、将融合语义的模糊查询与资源定位引入分布式资源管理是网络发展的必然趋势。 有结构的对等网络具有良好的可扩展、快速定位的优点,但目前只支持"完全匹配"的查找方式,无法应对复杂查询。 语义网技术使网络资源具有了更加丰富的内涵,变成机器可理解,再加上智能推理,完全可以应对复杂的查询。 这两种技术的优点结合起来,为解决语义路由提供了坚实的基础。 2、人工智能领域的研究由来已久,已经被广泛应用于认知科学、机器学习、自动控制、模式识别和数据分析等领域并取得了丰硕成果,国内外较多的研究成果可以作为借鉴。 近期出现的语义网技术也已经积累了一定的研究成果,在网络数据挖掘、信息集成、图书馆情报检索等领域得到广泛应用,这些为本项目的研究提供了理论基础。 在近5年来,申请者及课题组成员已经开展了语义网技术及其应用方面的研究并取得了一定成果,这对于本项目的研究具有积极意义。 3、申请者及课题组成员同时已经开展了大量的分布式计算环境与对等网络方面的研究,分析了各类无结构、有结构对等网络的网络拓扑结构与路由机制,并对有结构对等网络中的几种路由算法提出了改进并予以实现,取得了良好的结果,积累了大量的经验。 4、为了验证将语义信息引入有结构对等网络的可行性,我们已经初步研究了网络资源的语义描述与标识的问题,满足约束条件下的基于前缀匹配的语义路由问题以及网络的自维护问题,相关研究成果已发表在权威期刊上,并且根据该研究成果已经实现了简易的原型试验系统。 原型系统中将语义路由划分为概念组前缀匹配以及概念组内路由两阶段方式,融合了有结构对等网络定位快速以及无结构网络良好自适应性的特点。 并将语义信息融合入每一次路由转发过程,将传统的前缀树改造成为分布式分层前缀树,使得路由过程更为简单可靠。 这些前期成果为本项目研究打下了坚实的基础。 5、申请者及课题组成员一直从事新一代互联网中网络相关技术方面的研究开发工作,参与了"下一代网络开放业务支撑环境的研究"、"新一代互联网服务模型和服务管理理论"、"智能化的面向网络服务计算的关键技术研究"等多个重大科研项目。 所以使得本研究不仅限于仿真或理论分析,而且可以实现原型系统,在实验网上进行数据采集,系统测试和分析,从而确保理论模型的合理性,准确性和研究数据的有效性,可以将理论和实际,仿真和实验有机结合。 6、本项目的研究涉及到计算机网络技
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 结构 p2p 项目 申请 v081