一种用户态活动感知计算模型的设计与实现

活动感知计算通过提取分析出用户某种状态的复合信息减少用户交互,更好的无缝融合用户当前的上下文信息和周围的情景,从而逐渐成为上下文感知计算中一个新的研究热点。本文提出了一种能较为准确表达用户当前整体状态的复合信息概念——用户态,和一套感知、分析、推理其的系统模型。根据模型过滤后的个性化推荐服务内容更加准确,服务质量和使用效率得到进一步提高。     

面向上下文感知计算的贝叶斯网络结构自学习算法的研究

通过对上下文感知计算中上下文特点的详细分析,提出一种面向上下文感知计算的通用贝叶斯网络结构自学习方法。该方法能在足够实例数据的支撑下自动对上下文感知计算中上下文之间的关系进行学习,进而形成贝叶斯网络结构,用于从低层上下文向高层上下文的演化。通过对上下文感知计算中上下文的层次化特点的有效利用,该方法对贝叶斯网络自学习方法进行了有效优化。研究分析表明,该方法能显著降低贝叶斯网络学习过程中的时间复杂度。     

基于移动代理的上下文感知系统研究

上下文表是用上下文信息描述实体状态,原子上下文感知反应则说明了系统根据当前上下文和历史上下文做出合适的响应.基于以上两个概念设计了上下文感知移动代理、系统代理和上下文感知移动代理服务环境,目的是解决普适计算系统需要自动适应用户行为及环境变化的问题.首先使用历史上下文与当前上下文提取上下文表达式,根据该表达式在上下文反应容器中匹配对应的操作,然后由系统代理执行该操作,为用户提供任务相关的服务或者信息.其次根据原子上下文感知提出若干实例,并由上下文感知演算验证,同时指出上下文感知演算的不足.最后,用染色Petri网对一个实例场景仿真,证明了系统的可行性.     

基于RFID普适计算环境的形式化上下文模型

提出了一个适合普适计算环境的、基于本体的形式化的上下文感知模型。该模型使用本体描述语言OWL描述上下文，采用层次化的设计方法，提高了上下文表达能力和快速上下文原型。为普适计算的上下文建模和应用、上下文重用和建立面向普适计算环境的软件基础设施提供了一种可行的方法。     

社交网络中上下文感知协同过滤算法

围绕上下文感知推荐技术和社会化网络推荐技术的局限性展开研究,提出一种基于社会化网络环境下的名为HCCF的上下文感知协同过滤方法。在充分考虑上下文感知推荐系统实际问题的基础上,首先量化了不同维度的上下文对推荐系统所产生的影响,并在此基础上定义了上下文影响系数。在此基础上引入了社会化网络环境中不同用户之间的相互影响,并采用社会化网络用户信任度进行衡量,最后对上下文因素和社会化网络用户信任度进行综合考虑,提出一种新的相似度计算方法。理论分析和在真实数据集上的实验结果表明,相对于单纯基于上下文的系统过滤算法以及社会化网络推荐方法而言,该算法的准确性和推荐效率均得到一定程度的提升。     

基于上下文感知进程网络的Web服务组合方法

针对Web服务组合的个性化问题,提出一种基于上下文感知进程网络的Web服务组合方法,支持上下文感知组合系统的高层建模与系统的底层实现。采用CCS进程代数和标签转换系统,描述上下文感知组合模型的形式化语义,给出上下文感知系统模型的实现框架。分析结果证明了该组合方法的可行性。     

普适计算环境中的上下文感知技术研究

上下文感知技术是普适计算研究领域的的热点问题。该文探讨了上下文信息的获取、建模、管理及推理方法,重点介绍上下文感知系统的体系结构。并结合老年人健康监护推荐系统的设计,分析了上下文感知技术在系统中的应用。     

情景感知的软件需求获取与建模技术综述

情境感知的移动应用能够适应用户当前状态,因此这类应用越来越受到青睐。但由于上下文情景的维度是无数的,这使得获取和建模情境感知系统的情景需求成为一大挑战。本文通过文献综述的方法,旨在:(1)发现有哪些情境感知的需求获取与建模方法;(2)评估这些方法的技术转移成熟度。通过对所选择的61篇相关文献,进行数据抽取和分析综合,本文总结并识别出11种需求获取的方法、10种需求建模的方法以及它们的技术转移现状。结果显示:(1)最受欢迎的情景感知需求获取方法是用例和场景,而最常用的情境感知需求建模方法则是面向目标的方法;(2)在大多数相关文献中的需求获取与建模技术的技术成熟度都不高,不利于其面向工业界进行技术转移。     

嵌入模糊逻辑的上下文存储与查询机制

上下文存储和查询是上下文感知计算的基础.而上下文的不确定性是上下文处理中不可回避的问题.为此,提出了一种嵌入模糊逻辑的上下文感知系统架构(FLECA).FLECA 将基本上下文信息转换成高层上下文语义,通过内嵌模糊逻辑引擎,实现对模糊上下文信息的全模糊存储和查询;同时基于神经网络,实现查询推理机制的学习和完善.实验表明引入学习机制能够有效提高FLECA 的适应性,从而为以用户为中心的应用提供有力的支撑.     

上下文感知系统中的规则生成与匹配算法

针对现有上下文感知系统中的规则主要依靠开发者或用户手工定义的问题,提出了一种基于粗糙集理论的自动规则生成方法.该方法将上下文感知系统视为一种决策信息系统,并利用可辨识矩阵对上下文信息加以约简,进而自动生成规则.由于可供使用的数据有限,所生成的规则无法完全覆盖上下文的取值范围,因此可能出现找不到与上下文状态相匹配规则的问题.为了解决这一问题,提出了一种基于语义距离的规则匹配算法.最后验证了所提出方法的有效性和效率.