宽带IP网络的服务及网络资源描述

研究了定义在应用层和传输层的网络服务的概念,并提出了根据网络资源占用量描述传输层上网络服务的数学方法;分析了网络服务质量保证的含义,并用本文提出的方法对网络服务质量保证进行了数学描述;研究了网络资源竞争的状态,并用前述方法描述了网络资源竞争状态,给出了基于服务质量保证的网络资源分配目标.     

AUV心智逻辑*

为了表示和处理AUV（Autonomous Underwater Vehicle,自治水下机器人）的心智状态及心智活动,对Rao和Georgeff的BDI逻辑进行了拓展,定义了一种含模态词（信念、目标、能力、意图、上一次、下一次、曾经、将会、总有、总会）的一阶模态时态混合逻辑系统——AML（AUV心智逻辑）;基于Kripke可能世界语义模型给出了AML语义,构造了AML公理系统及演绎规则,并证明了AML的可靠性与完备性。AML为建造AUV心智模型提供了有力的表示和处理工具,弥补了Agent理论在机器人应用     

基于质因数分解的控制流错误检测方法

软件控制流错误检测技术是防止由于单粒子翻转事件而造成程序错误运行的有效手段之一,其方法主要是将编译时计算的签名值同运行时生成的签名值进行比较.因此,体现基本块间依赖关系的签名值的表示方法决定软件控制流错误检测概率的高低.为了在低检测代码开销的情况下提高错误检测概率,结合图论理论提出一种汇编层的控制流检测方法.该方法运用整数可唯一分解为素数乘积的代数基本定理表示基本块间依赖关系的要素,以此作为生成签名值的依据,将其插入以基本块为单位的检测指令中.实验表明,此算法的性能评价指标优于CFCSS等具有代表性的软件控制流检测方法,具有很强的实用价值.     

使用证据累积的文本聚类谱算法

针对谱聚类算法相似度函数设置困难问题,提出了一种使用证据累积的文本聚类谱算法.该算法使用超球K均值算法对文本集进行多次聚类,并将每次得到的划分结果作为判断2个文本是否应该放在一个簇中的证据,由此构建文本的相似度矩阵和正则化拉普拉斯矩阵.在TREC和Reuters文本集上进行了实验,验证了本文算法的有效性,它比层次聚类算法和CLUTO提供的K均值算法更加优越.     

利用多尺度频域分析的图像显著区域检测

针对显著区域检测中的视觉显著性度量问题,提出了一种通过对图像的频域特征进行多尺度分析来计算显著性的方法.在多个尺度上提取图像底层特征,在频域分析各种特征图的幅度谱和相位谱,在空间域上构造相应的显著图.根据显著图,检测出图像中的显著区域.在多种自然图像和人工图像上进行实验.实验结果表明,该方法能迅速检测出与人类视觉注意结果一致的显著区域,并且在高强度噪声图像中也能取得很好的检测效果.     

一个水下机器人路径规划系统的实现

我们用层次结构表示水下环境数据，以动态规划算法为核心，实现了一个水下机器人路径规划系统，本文介绍该系统的设计思路及路径规划的实现。     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

智能机器人神经心理模型

为了从结构、功能和行为3个层面对智能机器人体系结构进行一体化描述,本文提出了智能机器人神经心理模型.借鉴脑的3个基本机能联合区理论建立了智能机器人的神经生理结构模型,将机器人思维系统划分为感知区、反射区和慎思区,每个区均由三级皮层构成,采用拓展的BD I逻辑(机器人心智逻辑RML)描述机器人的认知心理机制,给出了神经心理框架下的机器人智能行为过程,从理论上证明了RML的可靠性与完备性,采用水下机器人编队穿越未知雷区的对比仿真实验验证了神经心理模型的可行性和有效性.     

一种新的分层强化学习方法

提出一种集成Option和MAXQ的分层强化学习新方法——OMQ，该方法以MAXQ为基本框架利用先验知识对任务进行人工分层和在线学习，集成Option方法对难以预先细分的子任务进行自动分层。以出租车问题为背景对OMQ学习算法进行了仿真与对比分析，实验结果表明，在任务环境不完全可知条件下，OMQ比Option和MAXQ更适用。     

可靠UDP数据传输协议的研究与设计

在高速数据传输网络中,UDP协议有着其它数据传输协议无法比拟的优势,但也存在着传输可靠性差的问题。文章在细致分析UDP协议特点的基础上,对其关键技术进行了改进,设计出了一种新的可靠UDP协议(RUDP),大大提高了数据传输的可靠性。提出了一个可以预测RUDP协议性能的分析模型,并将分析结果与协议实现后的实验数据进行了比较,结果表明RUDP可以在高速网络中非常有效地运行,分析模型能够对它的性能做出比较准确的预测。