标签: 研究进展

数据分析系统中实时性的高效资源调度对其性能(吞吐量、作业时间)是至关重要的，本文解决在平台上数据分析应用仅有极少先验知识前提下的高效资源调度。本文算法能够保证相对于最优的基于完全知识的调度有O(1)-competitive的性能，其有效性也在实际系统中得到了验证。

在自适应系统的验证中，生成实际中可能发生(概率最大化)的反例以供开发者进行调试能提高自适应应用开发的效率。本研究工作实现有效的自适应系统验证，使用约束求解问题(遗传算法求解)构造发生概率最大的反例，并在真实系统应用上进行了验证。

近年来，移动设备逐渐向小型化发展，给用户与移动设备的交互带来了新的挑战。由于缺少物理键盘等外接设备，如何有效地向移动设备输入文本便是其中一个重要的挑战。为了解决这一问题，我们提出了基于移动设备内置摄像头的文本输入技术CamK。

如何利用智能手机中丰富的数据检测用户的情绪状态是一个有趣的问题，我们设计了MoodExplorer从多个来源的数据(例如：加速度传感器，陀螺仪传感器，Wi-Fi, GPS，APP使用数据等)实现用户情绪的有效检测。

在云服务提供商中，为用户提供满足其QoS需求的服务是至关重要的，而在跨云平台(例如Amazon、IBM等多个平台)的应用场景中，多个平台的信息整合成为一项研究挑战。本文介绍了如何利用LSH技术在解决隐私保护、准确、可扩展的服务推荐问题。

非确定的感知与适应行为是否正确直接决定了自适应系统运行是否成功。例如，在无人自适应小车应用中，对环境测量的不确定性(例如由传感器误差导致)将可能导致自适应失效，从而违反软件的高层行为规约(specification)。

我们完成的工作实现了CPS系统的ISM (Interactive State Machine)建模和验证。

课题一子课题“可成长软件内化自主适应能力之关键技术”取得技术研究进展。