遗传算法与蚂蚁算法动态融合的软硬件划分

面向嵌入式系统和SoC(system-on-a-chip)软硬件双路划分问题,提出遗传算法与蚂蚁算法动态融合的软硬件划分算法.基本思想是:(1)利用遗传算法群体性、全局、随机、快速搜索的优势生成初始划分解,将其转化为蚂蚁算法所需的初始信息素分布,然后利用蚂蚁算法正反馈、高效6收敛的优势求取最优划分解;(2)在遗传算法运行过程中动态确定遗传算法与蚂蚁算法的最佳融合时机,避免由于遗传算法过早或过晚结束而影响划分算法的整体性能.该算法既发挥了遗传算法与蚂蚁算法在寻优搜索中各自的优势,又克服了遗传算法在搜索到一定阶段时最优解搜索效率低以及蚂蚁算法初始信息素匮乏的不足,并且在算法中提出了遗传算法与蚂蚁算法动态融合的衔接策略.实验结果表明,该算法在性能上明显优于遗传算法和蚂蚁算法,并且划分问题规模越大,优势越明显.  

数据挖掘中的聚类算法综述*

聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状，分析比较了它们的性能差异和各自存在的优点及问题，并结合多媒体领域的应用需求指出了其今后的发展趋势。  

一种基于资源类型的网格资源发现方法

提出一种基于资源类型的非集中式网格资源发现方法，将注册有同类资源的网格信息节点组织在一起形成社区，资源发现请求的转发以及资源信息的扩散都被限制在相应的社区内，从而改善了资源发现的性能．社区的自组织和社区间的高效导航通过一个基于分布式Hash表的bootstrap网络实现，并提出了流言传播的机制来改善bootstrap网络中的负载均衡．在社区内部的搜索中引入了基于贪婪搜索的资源定位机制，只将少数较好的结果返回给用户，节省了用户比较选择的时间．探讨了该方法在通用大规模计算资源共享以及仿真网格中的应用．  

类人类社会基于社区的对等网自组织构造

研究了对等网络拓扑构造和变化与人类社会社区构造和变化的对应关系．参照人类社会组织，提出一种以共享和需求为目的的社区结构，从节点服务他人和满足自身的双重视角构造对等网，实现节点以较小代价获取所需资源以及被其他节点检索．根据提出的自组织构造算法SOMA，各节点周期性地利用空闲时间调整拓扑连接，动态配置节点所属的社区，适应节点资源和需求的不断变化．仿真结果表明，提出的对等网自组织构造方法能自动优化网络，带来搜索性能的极大改善，具有良好的扩展性和自适应性．  

基于AT91RM9200的图像采集系统设计

本文首先介绍了基于AT91RM9200的图像采集平台的硬件设计,然后描述了嵌入式Linux和USB驱动程序的软件架构,重点分析了通用的USB摄像头驱动程序和图像采集程序的实现方法与步骤,最后给出了相关实验数据.  

信息网格中基于本体的信息共享全局视图构建方法研究

信息共享对于增强信息网格单元的协作能力和快速反应能力起着至关重要的作用．从解决信息网格语义异构问题出发，为实现网格信息共享，提出了一种基于本体的信息网格全局视图构建方法．该方法主要由两部分核心内容组成：全局本体的生成和基于全局本体的全局视图构建．首先深入研究了信息网格全局本体的生成；基于全局本体透彻分析了如何构建信息共享全局视图；结合具体实例详细说明了所提出信息网格全局视图构建方法的工作流程与应用．对于相关工作进行了分析比较，最后给出了结论和下一步工作．  

面向语义Web的领域本体表示、推理与集成研究

语义Web的基础之一是本体，为了让机器能够理解Web的内容并做推理，需要建立本体，并利用本体中定义的术语作为元数据来标记Web的内容．阐明了本体和领域本体的关系；介绍了现有面向语义Web的本体语言的概况；根据表达能力和推理效率的综合权衡，选择OWL Lite作为本体语言；提出了一种面向语义Web的领域本体表示、推理方法DORRSW和一种面向语义Web的多领域本体集成方法MDOISW；最后给出应用实例来说明方法的应用．通过这些论述，阐明面向语义Web的领域本体表示、推理与集成的基本情况，从而为创建面向语义Web的本体提供了基础知识．  

面向服务的网格软件测试环境

作为保证网格服务质量的重要技术手段,网格软件测试已成为网格研究的热点内容.作为开放的体系结构,SOA(service oriented architecture)为网格技术研究提供了有效的方法和手段.分析研究了面向服务的网格软件测试关键技术,重点从网格服务测试、网格性能测试和网格软件测试管理3个方面探讨了网格软件测试环境的构建.  

高维数据聚类方法综述*

总结了高维数据聚类算法的研究现状，分析比较了算法性能的主要差异，并指出其今后的发展趋势，即在子空间聚类过程中融入其他传统聚类方法的思想，以提高聚类性能。