位置:成果数据库 > 期刊 > 期刊详情页
基于计算区域网的智慧学习模型
  • ISSN号:0490-6756
  • 期刊名称:《四川大学学报:自然科学版》
  • 时间:0
  • 分类:TP393[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]成都信息工程学院软件工程学院,成都610225
  • 相关基金:国家自然科学基金(61102076)
中文摘要:

物联网的出现和快速发展,物体普遍联网对普适计算环境的服务迁移提出了更高的普遍适应要求,并将物联网普适计算转向于智能服务领域,移动学习作为智能服务的延伸是一种智慧学习.本文在动态虚拟重组的"小粒度"计算区域网基础上提出智慧学习模型:①智慧空间SLS,能有效地支撑普适计算的服务发现、执行评估和服务推送;②学习服务迁移模型SMCAN实现DCS(数据、代码、状态)的动态计算服务迁移.本文的主要贡献在于:①物联网以更小粒度,可热插拔服务,动态重组虚拟系统实现服务预测、服务执行能力评估和服务匹配;②智慧学习空间和SMCAN迁移模型将计算区域网作为核心点和制高点,为物联网普适计算智能服务研究提出新的思路.

英文摘要:

With the emergence and rapid development of the Internet of Things, at present,objects uni- versally linked with the network, which raised more generally adapt to the requirements of the service migration on Ubiquitous computing environment. And the Internet of Things Pervasive Computing shift to the field of intelligent services. And, as an extension of the intelligent services, mobile learning is kind of smart-learning. This paper puts forward a This paper puts forward a smart-learning model, which is based on the dynamic virtual reorganization of the " small size" calculation area network: (1) Smart-learning space (SLS), which can effectively support the Pervasive Computing in the areas of the service discovery, assessment implementation and services push. (2) Learning service migration model (SMCAN) realize the dynamic-computing-services migration of DCS(data, code, state), the main contri- bution of this paper is that: (1)Internet of Things adopts fine-grained, hot-swappable service and the dy- namic- reorganization- virtual system to realize service-forecast, service execution capability assessment and service matching;(2)The SLS and SMCAN migration model use computing area network as the core point and the commanding point, and provide new ideas for the research on pervasive-computing intelli- gent-service of the Internet of Things.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《四川大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:国家教育部
  • 主办单位:四川大学
  • 主编:刘应明
  • 地址:成都九眼桥望江路29号
  • 邮编:610064
  • 邮箱:
  • 电话:028-85410393 85412393
  • 国际标准刊号:ISSN:0490-6756
  • 国内统一刊号:ISSN:51-1595/N
  • 邮发代号:62-127
  • 获奖情况:
  • 国家“双效”期刊,四川省十佳科技期刊,教育部全国高校优秀学报二等奖(1995,1999),四川省科技优秀期刊一等奖(1996,2000)
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国生物科学数据库,英国动物学记录,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:10542