复杂软件系统的不确定性

复杂软件系统（如信息物理系统CPS、物联网IoT以及自适应软件系统等）在其开发和运行过程中会遇到各种类型的不确定性问题.针对这些不确定性问题,研究人员开展了大量的研究工作,提出了一系列的方法,取得了诸多成果.然而,由于此类系统本身固有的复杂性和其内在与外在不确定性的共同作用,截止目前研究人员针对该研究领域仍然缺乏系统性和整体性的理解和分析.为了深入探究该领域的研究现状,本文采用系统研究的方法（Systematic Mapping Study）识别出142篇相关文献,并基于这些文献研究信息物理系统和物联网等系统生命周期中各个阶段和系统开发过程中产生的各种制品的不确定性及其处理方法.通过对相关文献进行分析,我们发现针对复杂系统的不确定性研究主要集中在其生命周期的设计定义、系统分析和运行等阶段.此外,本文首先将文献划分为三种不确定性类型,包括外部不确定性、内部不确定性和传感器不确定性,并将142篇相关论文关注的不确定性进行了分类.为了深入探究不确定性,我们将外部不确定性细分为环境不确定性、基础设施不确定性、用户行为不确定性以及经济属性不确定性,将内部不确定性细分为系统结构不确定性、内部交互不确定性、支持系统运行的技术不确定性以及处理系统运行技术的不确定性.针对复杂系统中的开发制品,我们提出了对应的不确定性类型,包括模型的不确定性、数据的不确定性和参数的不确定性等8类.针对复杂系统的不确定性问题,研究人员主要采用不确定性下的决策、不确定性推理和不确定性规约/建模等方法进行不确定性分析和处理.基于文献分析结果,本文进一步探讨和展望了该领域未来的研究趋势.     

网页自动分类不确定性问题的贝叶斯网络解法

针对网页自动分类中存在的类边界模糊、语料不均匀等引起的分类不确定性问题,提出了贝叶斯网络自动分类融合模型和融合算法,该模型和算法基于网页上多种信息进行融合,并采用不同的与处理方法分别对多种信息进行处理,将处理后的信息输入到贝叶斯网络融合中心进行融合推理,得到最终的分类结果。同时,为了降低贝叶斯网络推理时间复杂度,提出了改进的贝叶斯网络图推理算法。实验结果表明,改进后的融合模型和融合算法能有效解决网页自动分类中的不确定性问题,并能提高网页自动分类的准确率和查全率。     

粗糙关系查询与经典关系查询的比较

在数据库查询过程中,经典关系数据库查询的是确定的、精确的信息,粗糙集理论在处理不确定性问题时,不需要提供问题所需处理的数据以外的先验信息,所以在处理不确定性信息的关系中应用很广。     

基于置信度理论的网络知识融合系统和应用

由于网络知识资源的异构性,知识融合系统需要对多源数据、信息进行集成与整合并消除歧义.在知识融合过程中,由于知识科学的复杂性和模糊性,需要对多源知识的不一致、不完整等不确定性问题进行处理.基于此,提出了一种基于置信度理论的网络知识融合系统模型,弥补了传统知识融合系统在不确定性处理上的不足,并使用反馈自适应机制自动校正置信...     

信息的多重不确定性及其在信息安全中的应用研究

文章指出概率的多重不确定性常被忽视,概率值和相应集合可能是不确定的,造成了概率论和信息论的局限,分析了信息多重不确定性和信息可靠性之间的关系,对信息多重不确定性在信息安全中的应用进行了展望。     

一种基于神经网络和证据理论的信息融合算法

针对目前多传感器系统中常用的信息融合方法,识别率较低、网络稳定性不好、不能很好地处理不确定性等问题,提出一种基于神经网络和DS方法的信息融合算法。该方法兼顾神经网络和DS推理二者的优势,有效地解决了目前信息融合方法对大噪声不确定性传感器测量信息的误识别问题。仿真实验结果验证了该算法在提高目标识别率和抗噪能力方面的有效性。     

基于DSmT的通侦信息融合

针对通侦信息不确定性、不完整性、模糊性和多变性等的特点,提出了基于DSmT方法的通侦信息融合模型。对融合问题进行了完备性描述,且引入完整性约束,实现了对通侦信息的动态融合,适应随时变化的战场信息。融合信息的多变性和冲突性得到了有效处理,同时降低了信息的不确定性、不完整性和模糊性。实验表明该方法可得到比较有价值和较高可信度的结论。     

基于灰色定性理论的移动机器人地图创建

针对移动机器人自主导航地图创建中超声波信息存在不确定性的问题,提出一种新的基于灰色定性理论的超声波信息解释和融合的方法,并用于处理超声波传感器信息和移动机器人创建环境地图．首先,引入概率灰数对超声波信息的不确定性进行描述,以获得栅格单元和传感器的概率灰数模型;然后,设计超声波传感器新旧信息的融合方法,从而得到环境地图的整体表示;最后通过地图创建仿真实验结果表明了这种方法具有良好的鲁棒性和准确度．     

基于贝叶斯网络的威胁识别

对威胁进行准确识别是威胁评估的重要内容之一,它涉及到许多不确定性因素.贝叶斯网络是处理不确定性知识的有效工具.根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.首先简单介绍了贝叶斯网络及其优点,然后根据一个具体的实例,建立了威胁识别的贝叶斯网络模型,并阐述了贝叶斯网络用于威胁识别的推理流程.通过对实例的计算结果表明,利用贝叶斯网络能够准确识别威胁,并能有效地处理不确定性信息.     

不确定条件下循环供应链模糊自适应生产计划调度

首先,建立了循环供应链下生产计划调度模型和状态方程,通过模糊量化因子整合了正向和逆向生产计划,分析了循环供应链中存在的不确定性.然后,设计一种模糊自适应生产计划调度模型,对循环供应链生产计划的需求信息、回收信息、库存信息和生产信息进行模糊化,通过对生产计划量的自适应比例-积分-微分处理,提高了生产系统的产出对需求信息及回收信息的快速响应.最后,对该模型的应用进行了讨论和仿真验证.     

非确定先验信息的贝叶斯网结构学习方法

针对非确定先验结构信息下的贝叶斯网络学习问题,提出一种非确定先验结构信息贝叶斯网络的结构学习方法。为更好地利用不确定性信息,对MDL测度进行改进,提出SMDL测度,使之能在学习过程中考虑先验信息的不确定性,使用模拟退火算法对问题进行求解。通过实验对算法的可行性和效率进行验证。     

Adaptive Jacobian vision based control for robots with uncertain depth information

This paper presents a simple vision based setpoint controller with adaptation to uncertainty in depth information. Depth uncertainty plays a special role in vision based control as it appears nonlinearly in the overall Jacobian matrix and hence cannot be adapted together with other uncertain kinematic parameters. We propose a novel parameter update law to update the uncertain parameters of the depth. It is proved that system stability can be guaranteed for the vision regulation task in presence of uncertainties in depth information, robot kinematics and dynamics. Simulation results are presented to illustrate the performance of the proposed controller.     

智能授导系统中的学生建模研究

学生模型是智能授导系统的重要组成部分,而学生学习过程中存在大量的不确定性因素和不确定性信息.贝叶斯网络作为一种表达不确定性知识的有效工具,在许多领域都得到了广泛的应用.本文将介绍一种利用贝叶斯网络建立学生模型的方法.     

An uncertain price discrimination model in labor market

This paper investigates an uncertain price discrimination problem in labor market, in which the employee’s capability is his/her private information and characterized as an uncertain variable. To maximize the employer’s welfare, an uncertain price discrimination model in labor market is established. Moreover, a crisp equivalent form of the model is given, and the analytic solution is therefore obtained by employing variational method. This optimal solution shows that both the productivity and the wage are increasing with respect to the employee’s capability.     

A mathematical formulation of uncertain information

This paper introduces a mathematical model of uncertain information. Each body of uncertain information is an information quadruplet, consisting of a code space, a message space, an interpretation function, and an evidence space. Each information quadruplet contains prior information as well as possible new evidence which may appear later. The definitions of basic probability and belief function are based on the prior information. Given new evidence, Bayes' rule is used to update the prior information. This paper also introduces an idea of independent information and its combination. A combination formula is derived for combining independent information. Both the conventional Bayesian approach and Dempster-Shafer's approach belong to this mathematical model. A Bayesian prior probability measure is the prior information of a special information quadruplet; Bayesian conditioning is the combination of special independent information. A Dempster's belief function is the belief function of a different information quadruplet; the Dempster combination rule is the combination rule of independent quadruplets. This paper is a mathematical study of handling uncertainty and shows that both the conventional Bayesian approach and Dempster-Shafer's approach originate from the same mathematical theory.This work was supported in part by the National Science Foundation under grant number IRI-8505735 and a summer research grant of Ball State University.     

不确定环境中的群体行为建模及仿真研究

提出一种模糊隶属度函数来对个体的不确定运动状况进行建模,进而提出不确定环境中的群体模型,这种基于模糊概念的建模方法不会无谓地牺牲个体的可运动空间,可尽量减少群体行为建模时对个体邻域内其他个体运动状况的约束强度,而不确定群体模型能保证在不确定环境中实现稳定收敛的群体行为,仿真结果表明,通过对个体的运动位置进行模糊处理,有利于在动态不确定环境中保持稳定的群体行为。     

Tree index of uncertain graphs

With the development of system complexity, a variety of nondeterministic information is frequently encountered in networks. To deal with the nondeterministic information, uncertainty theory is proposed as a powerful tool. Within the framework of uncertainty theory, in this paper, a concept of tree index of uncertain graph is proposed. It also gives a method to calculate tree index of uncertain graphs. Moreover, the tree index of uncertain cycle and the path index of uncertain graphs are proposed and analyzed in a similar way.     

Structure identification of uncertain general complex dynamical networks with time delay

It is well known that many real-world complex networks have various uncertain information, such as unknown or uncertain topological structure and node dynamics. The structure identification problem has theoretical and practical importance for uncertain complex dynamical networks. At the same time, time delay often appears in the state variables or coupling coefficients of various practical complex networks. This paper initiates a novel approach for simultaneously identifying the topological structure and unknown parameters of uncertain general complex networks with time delay. In particular, this method is also effective for uncertain delayed complex dynamical networks with different node dynamics. Moreover, the proposed method can be easily extended to monitor the on-line evolution of network topological structure. Finally, three representative examples are then given to verify the effectiveness of the proposed approach.     

中文模糊限制语语料库的研究与构建

模糊限制语常用来表示不确定性和可能性的含义,由模糊限制语所引导的信息为模糊限制信息。为进行中文事实信息的抽取,应将模糊限制信息与事实信息区分开来。然而中文模糊限制语语料资源却十分缺乏,影响了中文模糊限制语和模糊限制信息检测的研究。该文研究了中文模糊限制语的分类,并在生物医学和维基百科两个领域,设计构建了一个具有2.4万句规模的中文模糊限制语语料库。统计分析了语料标注的一致性,以及模糊限制语的类型和领域之间的关系。这些资源对于中文模糊限制信息检测研究,以及中文事实信息的抽取具有重要意义。同时,为语言学家从语义和语用等方面进行模糊限制语的研究提供了强大的知识库支持。     

基于不确定时态信息的索引技术

索引技术是时态数据库查询优化的重要方法之一。分析了时态数据库中的不确定时态信息以及基于不确定时态信息的索引技术,并详细讨论了能处理时间变元的改进的4R-tree索引技术的建立过程。