冲突检测中的主动规则技术

提出主动数据库技术的一个新应用——主动规则应用于虚拟装配中的冲突检测，使虚拟装配具有了主动能力；论述分析了虚拟装配过程中冲突检测的主动功能需求；分析了虚拟装配环境的事件、每件、动作；提出了规则模型；对规则进行了描述。     

应用WEMLS的安全数据集成模型

针对现有的安全域存在许多异构安全数据需要集成的问题,引入多级安全策略(MLS)的思想,提出一种应用扩展权值MLS策略(WEMLS)的安全数据集成模型。定义可信权值的概念,建立进程授权机制和信任计算机制。应用结果表明,该模型能使可信进程更灵活地访问客体。     

基于SAHP和需求模式的需求优先级排序方法

针对当前需求优先级排序方法中,将用户需求放在同一层次上进行比较,设定优先级,而对需求层次性考虑得不多。从系统的整体性和需求的层次性出发,提出以解释结构模型和层次分析法相结合的需求优先级排序方法,其中用解释结构模型对需求进行结构分析和分层处理,对最上层的需求使用层次分析法进行需求优先级排序,将该方法命名为SAHP。在案例分析中,借助需求模式,对推广后的案例进行优先级排序,来说明该方法具有很好的通用性,给出案例分析和与AHP进行了比较。结果表明性能总体上好于AHP方法,该方法能够提高需求优先级设定的合理性,降低因需求导致项目失败的风险。     

竞争型径向基过程神经网络时序分类器

针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性.     

P2P网络中基于非确定有限自动机的XML数据流过滤

将自动机方法对XML数据的过滤延伸到P2P网络中,依据在本地XML系统YFilter中构造非确定有限自动机(NFA)的思想,采用Chord环建立起分布式的NFA对于peer节点中的XML数据的查询过滤系统,并基于递归法执行查询过滤,在不同的peer节点上得到满足查询条件的数据集合。通过实验验证了当查询的数量和网络大小发生变化时分布式NFA的方法的执行性能。结果表明:本文方法可在不同的过滤场景中处理百万数量级的XPath查询,具有良好的网络流量和过滤延迟。     

条件事件代数在主动数据库规则分析中的应用

分析了传统谓词逻辑在推理的不足，将条件事件代数应用到主动数据库规则分析中，通过条件命题的演算来进行循环规则的简化，并清除循环。     

基于变分水平集的灰度不均匀医学图像分割

针对医学图像中存在的灰度不均匀现象,提出一种变分水平集分割模型。将邻域信息引入到基于Bayes决策准则的水平集分割框架中,以增强灰度不均匀条件下弱目标边界的识别能力。为缓解模型求解时易出现的局部极小问题,设计一种简单而有效的随机优化方法以搜索近似全局最优解。实验对比及分析验证了该水平集分割模型在多种灰度不均匀场景下均表现出较好的分割性能。     

基于拓扑层次图的碰撞检测算法

为了提高虚拟环境中碰撞检测的实时性和精确性,提出了一种基于拓扑层次图的碰撞检测方法。利用拓扑结构的连接关系将模型分割成凸集;然后利用凸集较强的适应性和OBB紧密性好的优点构造包围盒的拓扑层次图,提高了剔除不相交包围盒的效率,减少了检测时间;利用智能搜索算法——改进的A*算法搜索潜在碰撞集(PCS),进一步提高相交检测的速度和准确性。实验表明,该算法具有较高的速度和精度,能够满足复杂虚拟环境碰撞检测实时性和精确性的要求。     

基于Hadoop的超像素分割算法

针对高分辨率图像像素分割时间复杂度高的问题,提出了超像素分割算法。采用超像素代替原始的像素作为分割的处理基元,将Hadoop分布式的特点与超像素的分块相结合。在分片过程中提出了基于多任务的静态与动态结合的适应性算法,使得Hadoop分布式文件系统（HDFS）的分块与任务分发的基元解耦;在每一个Map节点任务中,基于超像素分块的边界性对超像素的形成在距离和梯度上进行约束,提出了基于分水岭的并行化分割算法。在Shuffle过程的超像素块间合并中提出了两种合并策略,并进行了比较。在Reduce节点任务中优化了超像素块内合并,完成最终的分割。实验结果表明.所提算法在边缘查全率（BR）和欠分割错误率（UR）等分割质量指标上优于简单线性迭代聚类（SLIC）算法和标准分割（Ncut）算法,在高分辨率图像的分割时间上有显著降低。     

基于小波和过程神经网络的时序聚类分析

针对时序背景下的聚类问题,提出一种基于小波和改进自组织过程神经网络的时序聚类方法,首先应用小波变换对原时序数据进行小波分解,在保留相关聚类特征的原则下,对信号进行重构;然后将重构信号拟合为时变函数作为过程神经网络的输入,应用改进的竞争算法训练自组织过程神经网络,利用过程神经网络输入为时变函数的特点,将经过小波处理后的时...