基于生物记忆原理的智能拼音输入法模型

提出一种基于记忆原理的智能拼音输入法模型,根据瞬时记忆、短时记忆和长时记忆的转化关系和遗忘的特点,建立了相应的数学模型并加以实现。记忆存储库中短时记忆集和词元集的即时清理功能有效节省了系统的空间。实验证明,系统能通过不断记忆改变的用户输入信息,实时调整词汇顺序,满足用户的个性化需求的同时减少词汇移动步数。     

基于记忆的人工鱼认知模型

为丰富虚拟海洋环境中人工鱼的认知能力，以自然鱼的生物原理和记忆机制为理论依据，提出了一种基于记忆的人工鱼认知模型。信息在瞬时记忆、短时记忆和长时记忆3个阶段传输和存储，人工鱼通过聚焦器提取所关注的感知信息，通过决策器和短时记忆进行行为选择，将经验知识存储在长时记忆中，被短时记忆调用以优化当前决策。动画结果表明，采用此模型后人工鱼能产生记忆指导下的行为，表现出更真实更智能的生命特征。     

基于记忆原理的推荐系统托攻击检测模型

提出一种基于记忆原理的推荐系统托攻击检测模型。利用短时记忆元和长时记忆元所描述的记忆增强和衰减规律,以及这2种记忆元与综合记忆元的联系,对托攻击进行检测。该模型的特征记忆库可及时更新,由此节省系统开销。实验结果证明,基于该模型的推荐系统具有较高的托攻击检测正确率。     

基于记忆原理的人工鱼智能认知模型

将生物学的记忆原理引入到计算机动画中,提出了一种基于记忆原理的人工鱼智能认知模型。在该模型中,利用短时记忆元和长时记忆衰减和更新的特点及其与综合记忆的联系,建立了相应的数学模型,综合记忆值的大小决定了人工鱼对该事物的记忆强度,特征记忆库的更新清理功能有效的节省了系统的开销。实验结果证明,该模型在一定程度上提高了人工鱼的认知能力,具有很好的应用价值。     

潮汐模型系统CAN总线智能节点设计及其控制算法优化

鉴于潮汐模型系统数据传输的稳定性和实时性要求 ,设计开发了基于潮汐模型系统的CAN总线智能节点。介绍了控制系统的结构、接口电路的组成以及各部分的功能。针对潮汐模型的非线性特点 ,详细说明了智能节点自校正控制的实现方法。     

基于网络度量元的Solidity智能合约缺陷预测

针对现有智能合约缺陷预测方法未考虑合约代码内部结构对缺陷产生的影响的不足,提出了一种基于网络度量元的Solidity智能合约缺陷预测方法。首先,通过Solidity-Antlr4工具构建Solidity智能合约的抽象语法树(abstract syntax tree, AST);其次,根据抽象语法树构建合约网络,网络中的节点代表函数和属性,边代表函数间的调用关系和函数对属性的操作关系;然后,引入复杂网络领域的知识,构建了一套针对Solidity智能合约的网络度量元;最后,基于多种回归模型和分类模型构建智能合约缺陷预测模型,进而比较不同类型的度量元在Solidity智能合约缺陷预测方面的性能。数据实验表明,结合了网络度量元的缺陷预测模型的预测性能比相应没有结合网络度量元的模型要好。     

基于时间触发总线的发动机分布式控制系统原型设计

分布式控制具有重量轻、模块化程度高和可靠性高等特点,是未来航空发动机电子控制系统的发展方向之一。基于时间触发总线TTP/C构建了分布式控制原型系统,根据发动机控制需求将系统划分为监控节点和智能节点的架构,制定了集群级和节点级的TTP/C通信协议。基于Simulink模型设计了智能节点应用软件,基于VxWorks设计了监控节点应用软件。经过系统试验,表明基于TTP/C通信总线的分布式原型系统能够满足发动机分布式控制通信要求,具有实时性好、可靠性高的特点。     

移动检测节点能耗优化及预测研究

无线传感器网络具有智能感知外界信息的能力。由于外界环境变化的影响,传感器检测移动事件消耗的能量具有不确定性。在移动频率较低的情况下频繁地检测移动事件会浪费不必要的能耗。在不错过移动事件发生并使节点尽可能长时间地运行在低功耗工作模式的情况下,设置合理的移动检测周期是节点能量利用的关键。介绍了一种无线传感器网络节点能耗的模型,利用该模型的能耗计算方法推算出了在不同移动频率情况下合适的检测参数,对移动检测节点能耗进行优化。通过不同移动频率的实验,论证了该模型能耗计算方法的有效性,并进一步对能耗进行了预测。     

基于平滑高斯半马尔可夫模型的移动无线传感器网络生成树算法

针对以往移动无线传感器网络研究只是单纯地对移动群体进行分簇而没有充分利用组群移动的内部稳定性的问题,结合组移动模型中节点运动的规律和内聚性原理,采用平滑高斯半马尔可夫移动模型刻画组内单个节点移动特征,构建了一种适合移动网络的稳定生成树算法(GM-base stable spanning tree algorithm, GSST);实验证明,该算法从单个节点运动变化入手,在预测未来节点运动情况,选择稳定的链路构建网络结构方面,提高了移动网络的稳定性;同时,利用树的分层特征,简化移动网络的组网过程,并实现网络重组局部化;该算法有效延长节点存活率,均衡数据传输量。     

基于Agent的智能入侵检测系统的开发研究

分析了传统入侵检测系统入侵检测实时性较差,中央数据分析器一旦被阻止运行,网络将得不到应有的保护,并且不同入侵检测系统间难以实现互操作问题,介绍了智能移动Agent不需要统一调度,其可以在不同节点上运行,具有并行求解的能力。结合Agent的特性和工作原理,构造了一个基于Agent的智能入侵检测系统模型,并对其体系结构和各Agent对象的行为机制进行了阐述,给出了实现该系统的关键技术支持和解决方案。该设计大大提高了入侵检测能力,改善了系统性能。     

内存数据库系统SwiftMMDB索引机制的设计与实现

T树结合了平衡二叉树(AVL树)和B树的优点,可以有效地组织索引数据,从而为内存数据库提供优良的存储效率和查询性能。结合自主开发的一个内存数据库系统SwiftMMDB介绍T树索引的设计与实现,并通过节点分裂、填充等方法改进了经典T树的插入和删除操作,减少了T树中平衡旋转的次数,从而进一步提高内存数据库检索的效率和性能。     

IP交换机中嵌入式内存数据库HSQL的索引优化

该文分析总结了当前在内存数据库中提高树索引的缓存敏感性的主要技术,设计并实现了一个具有缓存敏感性的AVL树,即CC-AVL树。CC-AVL树合理利用缓存行的大小,并构造父子节点在内存中连续存储的结构,从而使一个缓存行中包含正要访问的节点和其左孩子节点,同时使用CPU支持的数据预取技术获得右孩子节点。从而使CC-AVL树比AVL树具有更高的缓存敏感性。CC-AVL树被用于一个运行在IP交换机中的嵌入式内存数据库HSQL中。     

一种面向无线传感器网络节点的软件更新技术

针对无线传感器网络节点资源受限、网络维护与软件更新困难的特点,以Contiki操作系统为开发平台,设计了一种可以满足无线传感器网络特点和应用的节点软件更新方法。通过连续分配和基于重定位信息的内存移动,设计了一种高利用率的内存使用策略;基于黑板模型的管理方法,实现了服务模块注册、更新和卸载的生命周期管理。实验结果显示：更新模块的大小与更新时间分别减小15％和13％,整个系统设计显著提高了传感器节点的能量和内存效率,延长了节点寿命。     

数据传输时延和跳数受限的Sink节点移动路径选择算法

考虑实际无线传感网系统中数据传输时延和跳数受限情况,且为降低算法的时间复杂度,提出一种移动无线传感网的Sink节点移动路径选择算法（MPSA）。在MPSA算法中,Sink节点采用分布式最短路径树算法收集k+1跳通信范围内传感节点的相关信息和感知数据,采用虚拟力理论计算边界、障碍物和空洞区域的虚拟斥力、第k+1跳未覆盖传感节点的虚拟引力和所有虚拟力的合力,根据停留次数、合力大小和方向等信息计算当前网格中心的停留时间和下一个停留网格中心。仿真结果表明：MPSA算法根据传感节点的位置、剩余能量等信息,寻找到一条较优的移动路径,从而提高Sink节点的数据收集量和节点覆盖率,降低传感节点的感知数据丢弃量。总之,在数据传输时延和跳数受限下,MPSA算法比RAND算法、GMRE算法和EASR算法更优。     

基于WEB的动态目录树创建与应用

文章详细地介绍了在WEB上创建动态的目录树，对目录树节点的添加、修改、删除、上移、下移等操作进行了分析．同时对目录树应用于网络备课进行了阐述。     

Berkeley DB Java Edition数据结构的研究与应用

研究了Berkeley DB Java Edition的数据存储结构.通过分析日志文件中日志记录类型的数据格式,推导出JE树中各种节点包含的字段、类型以及含义;通过分析JE的恢复过程得出JE的B+树在内存中重建的过程;并分析了JE树及其各种节点占用内存的情况,为硬件资源受限设备上的数据库引擎的应用提供了技术条件.同时介绍了基于JE的移动支付系统的设计,该系统中服务器端数据库的数据文件结构在JE数据结构的基础上进行了适当的修改,使其更适合于该系统,同时验证了B+树占用内存的情况.     

一种针对成分树的混合神经网络模型

为了提高自然语言处理的准确度,很多工作将句法成分树与LSTM相结合,提出了各种针对成分树的LSTM模型(文中用C-TreeLSTM统称这类模型)。考虑到C-TreeLSTM模型在计算内部节点隐藏状态的过程中,由于一个重要信息来源(即单词)的缺失导致文本建模的准确度不高,该文提出一种针对成分树的混合神经网络模型,通过在C-TreeLSTM模型的节点编码过程中注入各节点所覆盖的短语语义向量来增强节点对文本语义的记忆,故将此模型命名为SC-TreeLSTM。实验结果表明,该模型在情感分类和机器阅读理解两类任务上表现优异。     

AEKF在WSN移动节点定位中的应用

自适应扩展卡尔曼滤波(AEKF)通过引入自适应遗忘因子,限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,增强滤波跟踪性能,具有较好的鲁棒性.本文将AEKF应用到无线传感器网络动态节点的定位中,跟踪移动节点位置.该方法不仅能够实时修正模型误差,还能够自适应调整滤波器的动态范围.仿真分析结果表明,AEKF较之EKF,改善了滤波器的动态性能,较好地抑制了滤波发散过程,具有更好的跟踪性能,提高了定位精度.随着物联网的发展,无线传感器的定位研究将具有非常重要的工程意义和价值.     

基于AABB树的碰撞检测算法的内存优化

介绍了从存储空间角度来改进基于AABB树的碰撞检测算法的方法.根据有关三角形间快速相交测试算法和三角形与包围盒间的快速相交测试算法,略过包围盒间的相交测试,从叶节点结构里去掉包围盒信息,将叶节点从存储结构中删除.对一棵含有N个节点的 AABB 树而言,可以节约一半节点的内存空间.实验表明,利用 AABB 树叶节点的内存优化,减少了算法所需的内存空间且加快了算法的执行时间.