基于着色赋时面向对象Petri网的AUV系统建模研究

研究并实现一种着色赋时面向对象Petri网(CTOPN)建模方法,它将面向对象技术与着色赋时Petri网相结合,从而综合了两种方法的优势,降低了Petri网模型的复杂性,增加了时间描述,便于系统定量分析.首先给出CTOPN的形式定义,然后建立AUV系统的CTOPN模型,最后给出模型的死锁检测算法,从而验证模型无死锁,为系统仿真创造了条件.     

移动对象连续查询位置匿名策略

用户位置隐私保护已经成为基于位置服务领域研究的热点问题之一,现有的方法多是只针对用户单独一次查询的隐私保护,没有考虑移动过程中由于连续查询而造成的位置隐私泄露问题。主要针对连续查询下的移动对象位置隐私保护提出一种基于历史用户的虚假用户生成的位置匿名方法,该方法结合用户历史数据,通过确定合理的假用户生成区域及假用户生成时刻其空间位置,使虚假用户能够实时对真实用户位置进行保护,通过实验验证其可行性和有效性。     

基于FRPN的水下机器人故障诊断

根据水下机器人系统故障特征的提取具有模糊性和并发性的特点,提出了一种新的基于模糊产生式规则推理的Petri 网模型—模糊推理Petri 网（Fuzzy Reasoning Petri Net,FRPN）,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表示。利用该模型为水下机器人故障系统进行建模,并分析得到系统中各部件故障发生的概率用以指导水下机器人维修中的故障排除。实验表明该模型具有直观、表达能力强和易于推理的优点。     

非参多水平集遥感图像分类方法

多光谱影像中存在着光谱异质性、细节干扰及地物拓扑结构复杂等特点,给遥感分类带来诸多不利影响。针对此类问题,提出一种新的非参数密度估计的多水平集分类方法：将Parzen窗非参数密度估计方法集成到多相位水平集框架中,用以提高复杂场景中样本概率密度估计的准确性,并增强抗干扰能力;此外,基于Gabor小波滤波器导出的纹理特征构造了一个新的能量项以增强模型的纹理分析能力。实验对比及分析验证了所提出的模型在仅有少量先验知识的条件下,可有效地改善遥感图像分类的质量。     

多特征融合的网格模型简化方法

针对三维网格模型简化过程中的过简化和失真问题,提出一种利用多特征融合的度量方法引导三维网格模型的简化过程。该方法通过分析模型简化的误差度量准则和模型的特征信息,首先利用法向信息加权的二次误差方法度量模型的几何特征信息;然后采用三角形边长比信息加权的挠率度量模型的视觉特征信息;最后融合几何特征信息和视觉特征信息作为模型简化的多特征信息引导模型简化。实验结果表明,该方法可有效保证算法的计算效率,保持简化后模型的形态特征,解决了模型的过简化和失真问题。     

基于字节码关键路径的智能合约漏洞检测

目前智能合约漏洞检测技术手段单一,多数方法只针对合约的源代码,鲜有面向智能合约其他类型的安全检测.本文在仅给定智能合约二进制代码的情况下,针对最高频的可重入漏洞、委托调用漏洞和时间戳依赖漏洞,设计并实现了一种基于关键路径的智能合约漏洞检测方法.基于合约字节码构建智能合约执行控制流图;根据智能合约漏洞特点定义关键指令及规...     

基于时效量化的Web服务评价模型

现有的服务评价方法缺乏时效性,而应用于其他系统的时效量化方法难以体现服务评价时效在衰退上的差异特征。由此,建立了基于时效量化的Web服务评价模型。模型以评价时效的遗忘特征为切入点,分析评价时效与人类记忆的关系,揭示评价时效遗忘速率的更新规律,构建符合时效衰退差异的时效量化方法。同时,根据量化结果,优化评价窗口长度,从而解决人工设定窗口长度的不合理性。实验表明,模型在满足时效衰退差异性的基础上,确保了较低的评价误差和计算代价,并合理拟合用户评价,具有一定理论研究和实际应用价值。     

一种混合策略的家族遗传分类算法

本文在以往研究工作的基础上,对遗传分类算法进行了改进。算法在种群中引入家族概念,采用族间交叉算子对算法进行综合调控,对族内交叉操作进行微调,针对分类问题的特点采用相应的编码方式和适应度函数。实验结果表明了分类算法的有效性。     

面向离散优化问题的改进二元粒子群算法

二元粒子群算法被广泛用于求解离散组合优化问题。在求解离散优化问题时,二元粒子群算法会出现解空间利用率低,速度和状态趋同以及退化和波动等演化问题。针对这些问题,提出一种改进的二元粒子群算法。算法使用Gray码演化基编码,混沌初始化过程,改进速度和状态调整方法以及子代处理方法用于提高种群利用率和种群多样性。在不同类型的检验函数以及多选择背包问题上,和现有优化算法及其他二元粒子群算法相比,改进算法能够获得较高的收敛精度以及较快的收敛速度,体现出多离散优化问题的实际效用。     

基于引力作用的可选粒度社区发现算法

社区发现是复杂网络研究中的一个重要领域,且应用广泛,但目前已有的大多数算法都需采用社区评判函数来确定社区结构的划分,且仅能得到一种划分结果。引入宇宙星系模型和万有引力定律,基于引力思想提出一种新的复杂网络社区发现算法,为网络中节点赋予质量并构建出社区框架,继而利用引力作用完成社区结构划分,并可对发现社区的粒度大小进行选择以得到多种划分结果,无需先验知识及相关参数。通过真实网络实验验证,并与现有的社区发现算法比较,本文提出的算法能有效且较为准确地挖掘出复杂网络中的社区结构。