普适计算中间件技术

计算机科学与探索 ›› 2007, Vol. 1 ›› Issue (3): 241-254.

普适计算中间件技术

丁博¹⁺,王怀民^1,2,史殿习¹

1.国防科学技术大学计算机学院,长沙　410073
2.国防科学技术大学并行与分布处理国防科技重点实验室,长沙　410073

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-20 发布日期:2007-10-20
通讯作者: 丁博

Pervasive middleware technology

DING Bo¹⁺,WANG Huaimin^1,2,SHI Dianxi¹

1.School of Computer,National University of Defense Technology,Changsha 410073,China
2.National Lab of Parallel and Distributed Processing,National University of Defense Technology,Changsha 410073,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-20 Published:2007-10-20
Contact: DING Bo

摘要/Abstract

摘要： 普适计算中间件通过软件基础设施重用支持上层应用的高效开发和便捷运行,是普适计算领域的研究热点。对普适计算中间件设计挑战进行了归纳,从上下文管理、中间件层自适应、面向自适应的公共服务和自适应软件体系结构支持等方面总结、阐述和分析了普适计算中间件的各项关键技术,分类介绍了主要普适计算中间件项目,给出了未来研究发展趋势。

关键词: 普适计算, 中间件, 上下文, 自适应

Abstract: Pervasive middleware enhances the efficiency of application development and facilitates its running by the reuse of software infrastructure,which is a research hot-spot of pervasive computing nowadays. The paper sums up the design challenges of pervasive middleware,analyzes its key technologies in details based on the classification including context management,middleware self-adaption,self-adaptive oriented services and support mechanisms of self-adaptive software architecture,and introduces the most well-known pervasive middleware projects. At the end,future research directions of this domain are presented.

Key words: pervasive computing, middleware, context, self-adaptation

丁博1+ ,王怀民1,2 ,史殿习1 . 普适计算中间件技术[J]. 计算机科学与探索, 2007, 1(3): 241-254.

DING Bo¹⁺,WANG Huaimin^1,2,SHI Dianxi¹. Pervasive middleware technology[J]. Journal of Frontiers of Computer Science and Technology, 2007, 1(3): 241-254.

[1]	黄镓辉, 彭力, 谢林柏. 无人机场景下尺度自适应的车辆跟踪算法[J]. 计算机科学与探索, 2021, 15(7): 1302-1309.
[2]	毛清华, 张强. 融合柯西变异和反向学习的改进麻雀算法[J]. 计算机科学与探索, 2021, 15(6): 1155-1164.
[3]	王新文, 谢林柏, 彭力. 时序行为提名的上下文信息融合方法[J]. 计算机科学与探索, 2021, 15(3): 486-494.
[4]	刘晓龙, 王士同. 面向开放集图像分类的模糊域自适应方法[J]. 计算机科学与探索, 2021, 15(3): 515-523.
[5]	张炜, 邓赵红, 王士同. 基于核诱导的不完整多视角聚类[J]. 计算机科学与探索, 2021, 15(2): 284-293.
[6]	任建华, 李静, 孟祥福. 上下文感知与层级注意力网络的文档分类方法[J]. 计算机科学与探索, 2021, 15(2): 305-314.
[7]	朱方圆, 马志强, 陈艳, 张晓旭, 王洪彬, 宝财吉拉呼. 语音识别中说话人自适应方法研究综述[J]. 计算机科学与探索, 2021, 15(12): 2241-2255.
[8]	许鹏，邓赵红，王骏，王士同. 基于联合信息保持的异构领域自适应[J]. 计算机科学与探索, 2020, 14(7): 1183-1193.
[9]	张德惠，游晓明，刘升. 融合猫群算法的动态分组蚁群算法[J]. 计算机科学与探索, 2020, 14(5): 880-891.
[10]	赵慧，景丽萍，于剑. 自适应监督下降方法的姿态鲁棒人脸对齐算法[J]. 计算机科学与探索, 2020, 14(4): 649-656.
[11]	陈兴国，徐修颖，陈康扬，杨光. 基于CMAES集成学习方法的地表水质分类[J]. 计算机科学与探索, 2020, 14(3): 426-436.
[12]	李超，门昌骞，王文剑. PAC最优的RMAX-KNN探索算法[J]. 计算机科学与探索, 2020, 14(3): 513-526.
[13]	杜师帅，邱天，李灵巧，胡锦泉，郑安兵，冯艳春，胡昌勤，杨辉华. 多层梯度提升树在药品鉴别中的应用[J]. 计算机科学与探索, 2020, 14(2): 260-273.
[14]	李幸幸，刘华锋，景丽萍. 混合秩矩阵分解模型[J]. 计算机科学与探索, 2019, 13(7): 1114-1122.
[15]	刘新宇，谭力铭，杨春曦，翟持. 未知环境下的蚁群-聚类自适应动态路径规划[J]. 计算机科学与探索, 2019, 13(5): 846-857.