基于P2P的海量地形漫游搜索模型*

随着用户的增加,在传统的C/S模式下,中心服务器面临着负载过大、性能下降等诸多问题。基于对等网结构,利用P2P技术解决大规模海量地形漫游中服务器带宽和性能瓶颈问题得到了快速发展,但由于网络节点的动态性,通过P2P进行瓦片数据共享时如何解决节点搜索问题成为关键。针对上述问题,提出了一种基于分组洪泛式的节点搜索模型GFLOODING,通过组内缓存映射、组外邻居组映射的洪泛模式查询服务节点;通过实验原型系统的比较测试表明,该算法满足大规模节点模式下的动态性要求,且查询效率高。     

基于SSPISIA数据收集的个人兴趣增量挖掘算法*

为提高搜索引擎的个性化信息检索能力,通过构建个人兴趣搜索智能agent子系统SSPISIA来搜集、组织、挖掘和应用用户的个人兴趣信息。着重介绍了SSPISIA的实现,包括逻辑组成、学习方式、工作过程以及基于页面浏览时间和内容选择的个人兴趣度量规则,并在此基础上给出了基于SSPISIA数据收集的个人兴趣增量挖掘算法。实验表明该结构和算法不仅能够反映用户的长期兴趣,而且能够跟踪用户的短期兴趣变化,具有良好的适应性,进而为实现搜索引擎的个性化信息检索奠定了基础。     

2020自由开源软件发展蓝图综述*

对开源世界论坛2008及其2020发展自由开源软件（FLOSS）发展蓝图的起源及其主要内容进行了简明扼要的述评和分析,包括七条预言、八条关键建议、五大重要事件及其2009年的工作计划。提出了应对未来挑战的八条建议,即营造FLOSS生态环境、重视FLOSS标准工作、投资FLOSS研究和开发、挖掘典型FLOSS应用、建立FLOSS公共平台、鼓励FLOSS社区、发展FLOSS教育、培训和弘扬FLOSS精神。     

无线传感器网络的可靠性计算*

主要研究无线传感器网络的传输可靠性计算问题。针对传感器网络的特性,对无线传感器的节点和链路都有失败概率的情况,提出一种计算网络传输可靠性的分解算法,分析了算法的计算复杂性,并通过算例演示了算法的可行性。     

基于角色网络模型的行政事务处理系统控制器*

从政府行政事务处理系统存在的问题出发,首先概要综述了角色网络模型（RNM）,进一步提出了动态数学描述。RNM突出了角色的中心位置,充分满足行政事务处理系统的要求,能够对半结构化和非结构化的业务流程进行控制。最后结合MVC架构模式,提出了基于RNM的行政事务处理系统控制器的工作过程。     

适于大规模数据集的块增量学习算法: BISVM*

对支持向量机的大规模训练问题进行了深入研究,提出一种类似SMO的块增量算法.该算法利用increase和decrease两个过程依次对每个输入数据块进行学习,避免了传统支持向量机学习算法在大规模数据集情况下急剧增大的计算开销.理论分析表明新算法能够收敛到近似最优解.基于KDD数据集的实验结果表明,该算法能够获得接近线性的训练速率,且泛化性能和支持向量数目与LIBSVM方法的结果接近.     

核独立成分分析在图像处理中的应用*

简要介绍了盲源分离技术和独立成分分析的基本思想.阐述和讨论了核函数和核独立成分分析(KICA)的基本原理,详细介绍了基于核典型相关性分析的核独立成分分析的基本算法.用KICA对一维混合信号的分离进行了模拟实验,目的是验证KICA的优越性能.之后通过实验分别讲述了KICA在自然图像和遥感影像处理的应用.最后指出了ICA所固有的分离结果的序号和幅度不确定性的问题.实验表明,KICA能够很好地分离混合图像,而且经处理的遥感影像能够更清晰地反映地表情况.     

指挥控制网络级联失效模型研究*

基于指挥控制网络的拓扑特征和级联失效特点,提出了一种带可调节参数的指挥控制网络级联失效模型。该模型提出了一种考虑节点组织地位的初始负载定义方法,以网络级联失效平均规模和级联失效临界值作为网络的抗毁性度量;通过仿真实验分析了网络负载的层次性、节点过载承受能力、跨级指挥和平行指挥等模型参数对指挥控制网络级联失效行为的影响,为现实指挥控制网络的级联失效行为的研究提供了新的思路。     

高性能BLAKE算法研究及其FPGA实现

BLAKE算法是基于ChaCha流密码和采用标准HAIFA迭代模式的SHA-3候选算法之一。针对现有BLAKE算法对于循环单元中G函数模型的研究少,且没有考虑硬件代价及实现结果等问题,提出可重构的设计思想,在FPGA上实现了BLAKE算法循环单元的三种G函数模式。在Xilinx Virtex-5 FPGA上的实现结果表明,在不影响性能的前提下,本方案可重构后的面积比分别实现的面积总和减少了58%。     

支持向量机模型分类能力指标的统计分析

在支持向量机（support vector machines, SVM）中,如何衡量SVM的分类能力,最小化风险泛函是一个重要的指标。根据支持向量机小样本特点,给出了支持向量机分类能力的一个量化标准：最优超平面的可靠度β。详细讨论了β的下界和置信区间,并给出了在实际应用中,如何根据样本数据估计β的下界和置信区间。实验也证明了β的下界估计和置信区间的合理性、有效性。