网格环境下基于信任关系的资源调度策略

提出一个信任评估模型。为了减少资源调度过程中使用传统安全措施带来的网格开销,提出把信任关系作为安全衡量标准融入网格环境下的资源调度策略中。设计了一个融入信任关系的资源映射算法TRM-Schedule,仿真试验证明了算法的合理性和有效性。     

一种基于人体轮廓宽度特征的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。提出了一种新的基于人体轮廓宽度特征的步态识别方法,将视频序列中检测出的步态轮廓提取三种宽度特征并计算步态序列中宽度的变化特征,从而构成描述步态序列的特征向量。实验表明提出的方法具有较好的识别性能,是一种有效的步态识别方法。     

基于实时CORBA的分布式虚拟环境研究

构建一个规模可扩展、功能可扩充、高效的异构型分布式虚拟环境(Distributed Virtual Environments,简称DVE)系统是一个极具挑战的课题.针对DVE系统的规模扩展性问题,文章提出了融合空间分区、兴趣管理、一致性/并发控制和状态推算(Dead Reckoning)多种技术的一个通用框架,并对这些关键技术进行了研究;针对DVE系统的功能可扩充和异构性问题,文章提出了采用实时CORBA/TAO支持DVE系统实现的方法.上述方法为解决DVE系统的规模扩展性、功能扩充性和异构性提供了一个框架和技术上的完整方案.最后,文章给出了依据该方案开发的一个DVE系统实例.     

一种基于核的模糊多球分类算法及其集成

提出了一种基于核的模糊多球分类算法,该算法在训练阶段为每一个模式类构造多个最小球覆盖其所有的训练样本,并且在识别阶段算法利用一个模糊隶属函数来归类测试样本。此外,在提出的分类算法的基础上,还给出了它的集成方法。最后,采用了4个真实数据集进行实验,实验结果表明该文提出的算法具有较好的分类性能,是一种行之有效的分类算法。     

一种多步Q强化学习方法

Q 学习是一种重要的强化学习算法。本文针对 Q 学习和 Q(λ)算法的不足.提出了一种具有多步预见能力的Q学习方法:MQ 方法。首先给出了 MDP 模型.在分析 Q 学习和Q(λ)算法的基础上给出了 MQ 算法的推导过程,并分析了算法的更新策略和 k 值的确定原则。通过悬崖步行仿真试验验证了该算法的有效性。理论分析和数值试验均表明.该算法具有较强的预见能力.同时能降低计算复杂度,是一种有效平衡更新速度和复杂度的强化学习方法。     

数据分发管理匹配算法的R-树实现

数据分发管理（DDM）是高层体系结构（HLA）接口规范的6类服务之一,高效的区域匹配算法是DDM研究的重点和难点．当前的多种匹配算法往往只适用于特定的应用环境,且效率不够理想．R-树法是在空间索引技术的基础上提出的一种新的匹配算法,该方法用R-树对DDM区域的矩形进行组织,并利用Hash索引对其叶结点的组织方式进行了改进．实验结果表明R树法可有效减少动态DDM的维护开销,提高分布交互仿真的实时性,通过调整R-树的相关参数,可以进一步改善匹配算法的性能．     

复杂产品虚拟样机技术研究

虚拟样机技术尤其是面向多领域支持复杂系统的协同虚拟样机仿真支撑平台的研究已成为研发的热点。通过对Agent技术和WEB服务技术以及虚拟样机仿真系统的长期研究,提出了一种面向多领域的复杂产品虚拟样机仿真支撑平台的实现方案,给出了该仿真支撑平台的基于Agent和WEB服务的系统结构和虚拟样机设计中涉及的机械,电子,控制,软件等领域的智能Agent的统一描述,讨论了虚拟样机仿真支撑系统中Agent间的通信方式并阐明了系统的工作流程和信息集成模式,为虚拟样机的进一步发展和应用奠定了基础。     

基于嵌入式的制造系统的远程监测系统

提出了一种完整的远程网络制造系统中网络监控、测量、数据集成的模式。在这种模式中,利用嵌入式WebServer技术实现了基于Internet的网络监测,使用基于嵌入式的精简TCP／IP协议以及简化TCP和标准TCP协议混合的方式解决了网络监测系统中的实时性与可靠性的矛盾,利用Web Services技术实现了网络监测系统和其它管理系统的无缝集成,从而实现多个应用系统协作为企业提供整体服务。     

一种AGENT任务求解联盟形成策略

Agent联盟是一组平等的、协作的、共同承担任务的Agent的集合．联盟的形成往往需要较大的通信开销和计算工作量．本文提出一种Agent形成联盟的策略，该策略在系统运行的初始阶段，保证任务分配的优化解．而在随后的运行中基于成功合作者集形成Agent联盟．该策略保证在接近任务分配优化解的情况下，有效减少系统中的可能联盟数以及联盟形成过程中的通信开销和计算量，避免联盟形成过程中的盲目性，节省协商时间提高协商效率．     

一种基于多区域不变矩的步态识别方法

步态识别是一种新的生物识别技术,它通过人行走的姿势来实现对人身份的鉴别。本文提出了一种基于多区域不变矩的步态识别方法,将视频序列中检测出的步态侧影分为五个子区域,提取每个子区域的不变矩特征并计算步态序列中不变矩的变化特征,从而构成描述步态序列的特征向量。最后的实验表明,提出的方法具有较好的识别性能,是一种有效的步态识别方法。