网络结构化多Agent系统的任务分配

网络结构化多Agent系统既包括系统运行的底层物理网络,还包括Agent之间的交互网络。传统的任务分配方式并没有深入考虑到网络结构化的特点。文中首先论述网络结构化多Agent系统中任务分配的特点,介绍和分析基于底层网络拓扑与资源分布的任务分配方式、基于Agent交互网络与资源分布的任务分配方式和基于综合网络情境资源的任务分配方式。然后对相关工作进行综述,并与网络结构化多Agent系统任务分配模型进行比较分析。最后论述该方向的难点和未来要解决的问题。     

一种基于可排序视图的RDF模式匹配算法

随着语义网络中数据量的激增,在RDF数据集中高效查询数据已成为一个亟待解决的问题。传统的基于物化视图的RDF模式匹配方法虽然能降低表的自连接操作次数,加快查询模式重写过程,但在视图集中检索模式匹配的视图等价于子图同构这一NP-hard问题。为了减小查询模式重写代价,提高RDF模式匹配过程效率,引入可排序视图概念,设计包含映射发现算法contain及其扩展算法contain+,简化等长度模式间包含映射发现过程,同时保证模式间的匹配代价与输入数据的规模线性相关。此外,提出基于倒排表/MapReduce检索候选可排序视图的方法,实现RDF模式重写算法rewrite,用以处理不同规模数据集上的模式匹配问题。理论分析及实验证明,基于可排序视图的RDF模式匹配算法能有效地兼顾算法效率及算法可扩展性。     

联合结构张量和变指数正则变分医学图像复原

利用图像局部特征,提出了一种基于[Lp]范数的变指数正则变分模型。采用结构张量作为[Lp]范数算子的自适应调整参数,克服了传统算子对噪声敏感的缺陷。从扩散的角度看,该模型是各向异性的,在图像同质区趋于平滑滤波,在图像渐变区趋于沿边缘方向扩散。该方法在扩散的同时更好地保持图像的边缘细节。实验结果表明,该方法对医学图像的复原效果优于其他几种变指数变分模型,各种客观性能指标也更佳。     

适用于单轮单样例标注场景的主动学习停止准则

针对现有的选择精度主动学习停止准则仅适用于批量样例标注场景这一问题,提出了一种适用于单轮单样例标注场景的改进的选择精度停止准则。该准则通过监督自本轮起前溯的固定学习轮次内的预测标记与真实标记间的匹配关系,对选择精度进行近似的评估计算,匹配度越高则选择精度越高,继而利用滑动时间窗实时监测该选择精度的变化,若当其高于事先设定的阈值,则停止主动学习算法的运行。以基于支持向量机的主动学习方法为例,通过6个基准数据集对该准则的有效性与可行性进行了验证,结果表明当选取合适的阈值时,该准则能找到主动学习停止的合理时机。该方法扩大了选择精度停止准则的适用范围,提升了其实用性。     

故障树随机生成及变量排序

针对故障树分析方法性能评价研究中存在的测试基准规模和多样性问题,基于故障树样本随机生成的思想,确定了故障树6个主要结构特征,并依据这些结构特征给出了自顶向下地生成算法,包括随机树骨架生成算法和随机重复度叶子序列生成算法.通过变量排序策略性能评价给出了测试基准的示范应用.性能评价表明：深度策略（DEEP）性能远优于广度策略（WIDE）;WIDE策略的优越性依赖于重复叶子节点数量;改进带权值深度策略（WDEEP）是DEEP策略的互补策略并不能够代替DEEP策略.     

数据质量维度量化方法

为了实现自动化的数据质量评估,提出了一种在背景范围内的数据质量量化方法QDC（Quantify Dimensions within Context）。数据质量可以用数据和其对应实体的“完美表达”间的差距来衡量。由于“完美表达”很难获得或代价很高,因此提出在多数据源条件下,数据的“完美表达”可以在其背景范围内用投票获得的“最近似”来替代,从而确定了数据质量评估参照的标准。同时提出利用信息论中信息熵指标,将不同类型数据的质量维度统一为通用的度量。作为一种自动化的数据质量评估方法,QDC方法不仅能够对数据的准确性和完整性维度给出准确的评估值,并且具有很高的计算效率。     

一种基于轮廓线的形状描述与匹配方法

该文提出了一种新的基于目标轮廓线的形状描述与匹配方法。该方法将两个待匹配的目标的轮廓线等弧长地分割成相同数目的弧段,用直线段连接相邻的割点构成对轮廓线的多边形近似,用多边形的顶点到形状的几何中心的距离和其两个后继顶点的距离构成的3个距离串来描述形状,形状之间的相似度用它们的3个距离串的欧氏距离和来计算。这种描述方法满足惟一性、紧致性和不变性,而且计算简单,对形状的全局特征和局部特征都能很好地描述。实验结果表明,将该方法用于形状匹配具有较高的精度和可靠性。     

基于n值关系语义的命题模态逻辑系统研究

传统的多值模态逻辑系统将关系语义中的状态及状态间的关系进行了多值化处理。然而,实际应用中状态间的关系往往是确定的,无需多值化。针对这种情况,基于?ukasiewicz代数系统提出了一种新的命题模态逻辑n值关系语义。在所提出的n值关系语义中,针对状态进行了多值化处理,同时保持了状态间关系的确定性。通过对逻辑公式的形式化定义以及可满足性和有效性的分析,证明了n值关系语义下经典命题模态逻辑系统K,T,S4和S5的正确性。进一步地,给出了极大一致集与典范模型在n值关系语义下的定义,并完成了上述经典命题模态逻辑系统的完备性证明。上述结论表明基于n值关系语义的命题模态逻辑系统能够涵盖并捕捉到经典逻辑系统中的所有有效命题。综上所述,所提出的基于?ukasiewicz代数系统的n值关系语义提供了一种在实际应用中处理多值状态及确定的状态间关系的方法。这种方法在扩展命题模态逻辑系统的形式化定义与关系语义是可行且有效的。     

滑模控制下多Euler-Lagrange系统预设时间二分一致性

本文研究了具有外部干扰的多Euler-Lagrange系统预设时间滑模二分一致性问题.通过设计分布式控制协议,使得具有动态领导者的多Euler-Lagrange系统在预设时间内到达滑模面,从而进一步在另一预设时间内实现二分一致性.本文采用的终端滑模控制方法可以在克服外部干扰的基础上保证系统在预设时间内实现期望的控制目标.最后,通过数值仿真验证了理论结果的可行性和有效性.     

CMOS毫米波低相噪级联双锁相环频率综合器设计北大核心

采用65 nm CMOS工艺，设计了一种低相噪级联双锁相环毫米波频率综合器。该频率综合器采用两级锁相环级联的结构，减轻了单级毫米波频率综合器带内和带外相位噪声受带宽的影响。时间数字转换器采用游标卡尺型结构，改善了PVT变化下时间数字转换器的量化线性度。数字环路滤波器采用自动环路增益控制技术来自适应调节环路带宽，以提高频率综合器的性能。振荡器采用噪声循环技术，减小了注入到谐振腔的噪声，进而改善了振荡器的相位噪声。后仿真结果表明，在1.2 V电源电压下，该频率综合器可输出的频率范围为22～26 GHz,在输出频率为24 GHz时，相位噪声为-104.8 dBc/Hz@1 MHz,功耗为46.8 mW。