新一代仿真技术框架HLA中基于组播通信的数据过滤机制

高级体系结构ＨＬＡ是美国国防部提出的新一代仿真技术框架,其目的是解决各类型仿真应用之间的互操作和可重用,它代表着仿真技术发展的趋势。未来的分布交互仿真建立在因特网环境下,受系统资源的限制,系统可扩缩性是分布交互仿真面临的一个主要问题。文中介绍了分布交互仿真发展简史,以及ＨＬＡ 提出的背景及其特点,文章着重讨论了组播通信机制在分布交互仿真中的应用,及ＨＬＡ 框架下采用基于组播通信的过滤机制实现系统可扩缩性的解决途径     

基于路径空间层次划分的区域匹配算法

随着仿真应用在广度及深度上的发展,基于因特网的分布交互仿真成为未来的发展方向.其面临的主要挑战之一是系统可扩缩性问题.采用高效的数据过滤机制是解决问题的有效手段.首先讨论了分布交互仿真存在的可扩缩性问题,介绍了HLA(high level yarchitecture)框架下数据过滤机制的原理、实现及存在的问题.针对大规模系统过滤匹配计算量大的问题,提出了一种基于路径空间层次划分方法.该方法利用空间位置关系知识进行启发式搜索,从而排除大量不相关区域的匹配计算,有效地降低了过滤机制的计算复杂度.     

HLA中数据分发管理的探究

HLA已成为了现代分布式仿真应用的通用技术框架的核心,而作为其六大服务之一的数据分发管理则提供了有效的信息交互和传送机制以满足系统可扩缩性的要求。文章介绍了HLA中数据分发管理DDM的过滤原理;研究并分析了目前几种实现DDM过滤机制的方法。     

分布交互仿真中基于Server的层次过滤机制

大规模分布交互仿真对网络带宽、处理资源等提出了很高的要求,采用数据过滤机制可大大降低对网络带宽和计算资源的压力,有利于系统可扩性.然而对于高效过滤机制,仿真结点机要接收和处理足够的过滤信息.当系统规模增大时,大量过滤信息交换和处理占用了过多的计算资源,影响了正常的仿真任务.该文提出了一种基于Server的层次化过滤机制,解决了仿真节点计算能力受限的问题.同时,新的机制利用仿真的内在局部性,开发了两级过滤信息,从而减少了Server内部过滤信息计算量.     

HLA中基于Agent的层次过滤机制

数据分发管理是HLA接口规范中定义的六大服务之一。为解决仿真应用中网络带宽、处理资源受限和提高系统可扩缩性提供了可能。文章介绍了HLA中数据分发管理DDM的基本内容；研究分析了最新发展的基于移动Agent的实现方法，提出了基于Agent的层次过滤机制对其进行了改进，解决了仿真结点计算能力受限的问题。     

基于HLA的仿真混合实时通讯网络的架构与研究

随着仿真系统应用的发展,计算能力需求的不断扩展,建立在DIS标准之上的分布式交互仿真在体系结构和技术上互操作性和可重用性方面的明显不足.传统基于通用的建模与仿真技术框架,即高层体系结构(High Level Architecture,HLA),能将更广范围的仿真系统集成到一个综合环境中,提供更大规模的仿真,而成为新一代分布式交互仿真体系结构,通过基于HLA为分布式交互仿真通过使用一个通用的技术框架和开放的标准,提供各种实现底层通信和基本功能的服务,包括发布/订阅机制、数据分发管理服务、时间管理服务、所有权管理服务等.不但满足仿真心痛的实时性需求,同时也确保了数据的安全性.其中,HLA的发布/订阅机制与数据分发管理服务可尽可能地减少成员收到不需要的数据和网络数据流量,均衡各成员的负载状况,有效地使用系统的通信带宽和处理机的计算能力来满足复杂分布式系统的可扩缩性.     

数据分发管理机制中层次化组播地址分配策略

高层体系结构HLA(high level architecture)支持仿真应用间的互操作和可重用,受资源的限制,基于因特网的分布仿真面临着系统可扩缩性的挑战.HLA提供数据分发管理机制,为提高系统可扩缩性提供了可能.分析了HLA中数据分发管理机制的实现途径,针对存在的问题提出了层次化的组播地址分配策略,解决了组播地址数量有限与仿真结点机冗余数据接收之间的矛盾,同时也为仿真数据的可靠发送及数据打包提供了有力的支持.     

银河高性能分布仿真系统的设计和实现

面向新一代的分布交互仿真应用,设计并实现了一个基于ＨＬＡ／ＲＴＩ的系统－银河高性能分布仿真系统,该系统的高性能,先进性和创造性表现在,基于ＨＬＡ／ＲＴＩ的分布交互仿真软,硬件平台,基于数据过滤／组播的数据分发管理策略,物理和逻辑相结合的多种时间管理方法,基于ＭＰＰ机传输技术的多机系统强实时互连机制,多agent虚拟环境的多媒体表现技术,它可适用于强实时高性能单／多系统仿真,弱实时多系统综合仿真。     

鱼雷作战仿真系统中HLA接口规范研究

为了提高鱼雷分布交互仿真系统联邦的可重用性,增强各仿真部位和控制部位的互操作性,构造更为合理的体系结构,针对现代海战复杂对抗条件下的鱼雷对抗弹道设计和水声对抗效果检验,基于HLA(高层体系结构)机制,结合HLA接口规范所提供的服务.重点研究鱼雷分布交互仿真系统联邦中的HLA接口规范.     

多用户虚拟协作环境中过滤机制的研究与实现

在多用户虚拟协作环境中，为了解决了大型场景的浏览速度问题，提高虚拟协作系统的适时交互性和可适用性，针对虚拟协作交互系统的特点对各种过滤控制机制作了深入的研究，对比了几种常见的过滤机制并详细阐述了包容盒法和BSP方法等基于空间划分的方法，阐明了在多用户虚拟协作环境下如何采取有效的过滤机制减轻系统的网络负担和用户负担，提高系统的可适用性。     

HLA中的数据过滤机制

高层体系结构HLA是分布式仿真的一种技术框架和集成标准,它提供了一种数据过滤机制来判断每个仿真应用可以产生、发送和接收什么样的信息。这种数据过滤机制可以有效的提高整个仿真系统的可扩展性,它的具体实现就是声明管理和数据分发管理。该文在对HLA中的数据过滤机制深入研究的基础上,详细分析了该机制的基本原理,并通过其典型算法的介绍．阐述了该机制的具体实现方法。     

HLA中的数据过滤机制

高层体系结构HLA是分布式仿真的一种技术框架和集成标准,它提供了一种数据过滤机制来判断每个仿真应用可以产生、发送和接收什么样的信息。这种数据过滤机制可以有效的提高整个仿真系统的可扩展性,它的具体实现就是声明管理和数据分发管理。该文在对HLA中的数据过滤机制深入研究的基础上,详细分析了该机制的基本原理,并通过其典型算法的介绍,阐述了该机制的具体实现方法。     

MCDCT-TF based video watermarking resilient to temporal and quality scaling

Heterogeneity among the end using display devices and corresponding varying system requirements make scalable version of H.264/AVC standard more popular. Existing watermarking based authentication system may not be suitable well for this new extension, because the scalability property of the codec may itself is perceived as an attack popularly known as content adaptation attack. In this paper, a blind scalable video watermarking scheme is proposed, which is robust against quality and temporal scalability. In the proposed scheme, Discrete Cosine Transform (DCT) based temporal filtering and wavelet based spatial filtering is used for choosing suitable watermark embedding zone. Experimental evidences are provided to justify the improved robustness of the proposed scheme over existing related watermarking schemes. The visual quality of the watermarked video has also been evaluated to show the efficiency of the proposed scheme.     

基于Mahout分布式协同过滤推荐算法分析与实现

随着信息技术和互联网的发展,在信息过载的时代,用户面对海量的信息,难以正确选择。协同过滤推荐是个性化推荐中比较成熟的算法,但其稀疏性、冷启动、可扩展性问题仍然存在,尤其是不能应用于分布式推荐。在Hadoop平台上,Mahout实现了分布式基于项目的协同过滤推荐算法,该算法能够有效解决传统算法的海量数据处理的效率问题和可扩展性问题。实验结果表明,Mahout上基于项目的协同过滤推荐算法具有较好的计算高效性和可扩展性。     

融合用户特征优化聚类的协同过滤算法

针对推荐系统领域中应用最广泛的协同过滤推荐算法仍伴随着数据稀疏性、冷启动和扩展性问题,基于用户冷启动和扩展性问题,提出了基于改进聚类的PCEDS(pearson correlation coefficient and euclidean distance similarity)协同过滤推荐算法。首先针对用户属性特征,采用优化的K-means聚类算法对其聚类,然后结合基于信任度的用户属性特征相似度模型和用户偏好相似度模型,形成一种新颖的PCEDS相似度模型,对聚类结果建立预测模型。实验结果表明:提出的PCEDS算法比传统的协同过滤推荐算法在均方根误差(RMSE)上降低5%左右,并且推荐准确率(precision)和召回率(recall)均有明显提高,缓解了冷启动问题,同时聚类技术可以节省系统内存计算空间,从而提高了推荐效率。     

基于改进LSH的协同过滤推荐算法

协同过滤是个性化推荐系统中应用较为成功与广泛的技术之一,影响协同过滤推荐质量的关键在于获取目标用户的k近邻用户,然后基于k近邻对其未评价的项目进行评分预测与推荐。针对用户评分数据的规模大、维度高、高度稀疏以及直接进行相似性度量的实时性差等对推荐性能的影响,提出一种基于LSH的协同过滤推荐算法,并对其进行改进。该算法基于p稳态分布的局部敏感哈希对用户评分数据进行降维与索引,并采用多探寻的机制对其进行改进,缓解多个哈希表对内存的压力,快速获取目标用户的近邻用户集合,然后采用加权方法来预测用户评分并产生推荐。标准数据集上的实验结果表明,该方法能有效克服评分数据的高维稀疏,并在保证一定推荐精度的前提下,大幅度提高推荐效率和降低内存消耗。