基于代理技术的入侵防御系统研究

入侵防御系统是最近网络安全技术领域一个重要研究方向。文章针对目前入侵检测系统是以被动方式工作这一弊端,分别引入了分布处理、自治代理以及陷阱技术等主动防御思想,提出了一个基于智能代理的分布式主动入侵防御系统,并给出了该系统的详细设计结构、试验平台以及数据分析。实验结果表明该系统具有实时、可伸缩、主动等优点,能有效发现并阻止多种入侵行为,可以解决传统入侵检测系统长期以来存在的问题。     

分层强化学习中的Option自动生成算法

分层强化学习中目前有Option、HAM和MAXQ三种主要方法,其自动分层问题均未得到有效解决,该文针对第一种方法,提出了Option自动生成算法,该算法以Agent在学习初始阶段探测到的状态空间为输入,采用人工免疫网络技术对其进行聚类,在聚类后的各状态子集上通过经验回放学习产生内部策略集,从而生成Option,仿真实验验证了该算法的有效性。     

WTLS 的分析与实现

无线传输层安全（Wireless Transport Layer Security,WTLS）是WAP（Wireless Applica-tion Protocol）协议中的可选层，通过对WAP基本概念的介绍及WTLS构造的分析，结合现有的非安全的WAP网关，提出了在现有的经济、物质条件下，实现WTLS的理想算法组合以及WTLS的实现流程。     

Design of the multirobot intelligent team formation''''s control architecture and performance analysis of the system

Robot is the emphasis of the AI,whose intelligencecan be represented as the sense,the ideation and the ac-tion.Now the study of the architecture of the multirobotsystemis the hotspot of the robot field[1-3].The robot ar-chitecture is the model,including t…     

摆动模调度中的寄存器溢出技术及其在GCC中的实现

软件流水是一种通过发掘循环的不同迭代的不同部分的指令间并行性,使这些指令并行执行,从而提高循环的执行效率的优化技术.但该技术在提高指令并行性的同时也增加了寄存器压力,而寄存器溢出技术正是解决寄存器压力的有效方法.摆动模调度是一种在进行近似最优化调度的同时尽力减小寄存器压力的软件流水算法,该算法已经作为一个新的优化遍出现在GCC的最新版本中.本文以GCC为平台,论述了摆动模调度中的寄存器溢出技术及其工程实现,从而使摆动模调度算法进一步增强了对寄存器压力的处理能力.     

一种改进的优先级继承协议及其算法研究

优先级反向是实时系统中由于任务间需要共享资源以及同步而引起的高优先级任务被低优先级任务阻塞的现象。优先级反向使得高优先级任务的执行时间无法预测，增加了实时系统的不确定性。早期的扩展协议较好地解决了优先级反转问题，但同时也存在着自身的不足。针对这些缺陷，在深入研究相关协议的基础上，该文提出了一种改进的优先级继承协议。该协议中信号量按预定义的非循环固定顺序获取，以防止死锁发生，设置超时保护机制，避免任务在获取信号量时长时间的阻塞，给出了关于该协议的分析，并在实时Linux上实现了基于该协议的算法。     

基于动态分割和加权综合匹配的音乐检索算法

在模式识别领域中，音乐检索算法由于其易行和高效的特性而得到越来越多的重视。但是音符分割不精确和匹配模版不统一等问题直接影响MIR算法精确度。为解决上述问题，提出基于动态阈值分割和加权综合匹配算法。动态设定幅差步长，根据变化阈值分割音符，以提高音符分割的准确性。采用标准乐谱频率，转换音高模板实现输入归一化，以增强匹配的精确性。融合直接匹配和DTW匹配，以加强算法适应性和鲁棒性。最后由实验证明该方法的有效性。     

基于规则的机器人路径规则

用层次结构表示机器人工作环境，以动态规划算法为核心实现了一个路径规划系统。该系统由３大部分组成：①环境建划；②路径规划；③基于产生式的机器人路径实现。本文简要说明了该系统的设计思想，并介绍其基于产生式规则的路径实现部分的功能及其设计．     

基于相关性分析的微阵列数据集成分类研究

基于微阵列数据的肿瘤诊断方法有望在不久的将来成为临床医学上一种快速且有效的分子层肿瘤诊断方法,但由于微阵列数据存在高维小样本的特点,因而对传统的分类方法提出了挑战,为此研究人员开始关注于性能更好的集成分类算法.针对现有的微阵列数据集成分类算法分类精度不高、计算量过大等问题,提出了一种基于相关性分析的微阵列数据集成分类算法.该算法可以通过计算训练子集间的相关性挑选出差异度最大的一组子集来进行训练,有效地增强了集成中的多样性.应用支持向量机作为基分类器,在急性白血病与结肠癌数据集上的实验结果表明了所提算法的有效性和可行性.同时,测试了算法在不同参数设置下的性能,测试结果为合理的参数设置提供了参考依据.