高交互客户端蜜罐Agent系统研究

根据国内外客户端蜜罐系统的发展现状以及恶意网页攻击机理,设计了一个基于高交互客户端蜜罐技术的协同Agent工作模型,并实现了Malicious Web Site Hunter（MWSH）恶意网页检测系统。系统主要包括控制子系统、高交互级蜜罐子系统及服务子系统三个部分。系统利用Agent技术的协作性以及客户端蜜罐技术的准确性来发现网络中的恶意网页。利用基于VSK逻辑的Agent形式化描述语言对系统涉及的Agent进行了形式化描述,并做了具体实现,不仅可以描述Agent和它的环境信息特征,而且可以描述其完整状态变化过程。     

e-Robot网格一仿人机器人研究与应用基础设施

目前仿人机器人的研究与应用碰到了诸如：大计算量、海量存储的需求、实验设备投入大、科研人员的协作和成果融合困难等问题。而网格具有超级计算能力、海量的存储容量、能做到网格中所有软件资源、硬件资源、人力资源的协同工作和全面共享。若能基于网格技术构建一个仿人机器人研究与应用的平台,就能解决仿人机器人研究和应用中的众多障碍。这里提出的e-Robot网格就是这样一个仿人机器人研究与应用的基础设施,它采用OGSA体系结构的基础网格,并在其基础上构建庞大的仿人机器人研究与应用服务软件集合。e-Robot网格将给仿人机器人领域的研究、应用带来变革性的进步。     

基于Laplace积核的多变量概率函数估计

在统计模式识别方法中，经常涉及到的问题是多变量概率函数的估计。这类问题往往需要大量的样本数据．而且计算量相当大。提出了一种基于Laplace积核的多变量概率函数估计方法，给出了其详细的推导；提出期望最大化迭代算法对所估计函数参数进行求解。最后以道路交通标志的统计识别方法为应用背景，用VC＋＋实现了此估计方法。实验表明本文所提出的估计方法具有收敛速度快，估计误差小的特点。在模式识别和数据拟合中都有应用价值。     

多Agent系统模型及其应用

文章提出了基于访问、感知和知识的多Agent系统模型。从特定环境中的Agents为完成一定的任务所应具备的能力的角度出发,引入了环境状态划分函数、感知函数以及状态转移函数等来对Agents和环境进行研究并建立系统模型。该模型是合理的、自然的。同时,它还区分外部环境与Agents环境中可访问的信息,Agents感知到的信息以及Agents知道的信息,并研究了系统的运行过程。接下来,通过具体的实例来说明模型的具体应用。最后进行总结并讨论了进一步的研究工作。     

基于访问、感知和知道的多Agent系统形式化模型

提出了基于VSK-AF逻辑的多Agent系统形式化模型。VSK-AF逻辑是模态认知模型的扩展，它表示并且区分外部环境与Agents环境中客观真实的和可访问的信息、环境中可访问的和Agents感知到的信息以及Agents感知到的和知道的信息。在给出了该逻辑的语义模型和公理体系后，研究了模态算子之间的关系并将其对应到VSK-AF系统所具备的特性上。最后总结并讨论了进一步的研究工作。     

多Agent系统中依赖关系的研究

多Ａｇｅｎｔ系统是分布式人工智能研究的一个重要分支。本文详细讨论了多Ａｇｅｎｔ系统中死锁依赖的性质以及三种解决死锁依赖的方法,为多Ａｇｅｎｔ系统中稳定性和活性的研究提供了有效的途径。     

Agent系统的推理模型与知识库组织结构的研究

1.概述 Agent思想出现于70年代,80年代后期才逐渐发展起来,现已融入到计算机的各个应用领域。Agent的思想最初来源于社会学、经济学与生态学等学科。美国Stanford大学的Y.Shoham教授提出的AOP理论模型中,将Agent定义为包含了诸如信念、承诺、能力和决定等精神状态的实体,并利用基于显示时间点逻     

基于TinyOS2.1无线传感网的能量监测模型设计与实现

简要介绍TinyOS 2.x和TinyOS 1.x的联系和主要区别;分析了TinyOS 2.1的仿真环境TOSSIM系统结构和仿真原理.针对目前TOSSIM还不支持能量监测这一问题,以一个监测移动物体运动的仿真程序为例,通过在仿真程序中检查仿真节点的剩余能量比率的办法,提出一种基于节点的能量监测模型.经过仿真验证,该模...     

一种改进的模糊知识匹配方法——IDM法

模糊知识表示及处理是人工智能中的重要研究课题之一,模糊知识的匹配是进行模糊知识推理的关键.通过对传统的各种不同的模糊匹配方法的探讨,提出了一种改进的模糊知识匹配方法--IDM(Inscribed Diameter Matching)法.通过比较分析得出,IDM法能较好地克服传统的模糊匹配方法的一些缺点,并给出了一种融合模型,由此可使模糊推理的效率和准确性得到提高.最后,通过实例验证了IDM方法的可行性和有效性.     

基于非单调推理的领域专家知识库的研究

1.知识表示及推理概况知识库在人工智能研究中占有重要地位。Gins-berg等人介绍了多种知识库更新方法,其中一类是基于模型的方法,一类是基于公式的方法,但所有这些方法在通常情况下都是难解的(intractable)。对基于模型的方法,Eiter指出,当知识库是Horn公式的集合,新知识是Horn公式且长度有一常数上界时,存在多项式时间算法。马绍汉提出一类树型知识库的更新算法,在树型的束图智能方式表示下,该算法通过一个自底向上的过程,得到更新后的知识库。确定推理的研究是基于经典的二值逻辑,因而,具有相当牢固的基础,而不确定推理的研究却是另一种情形。不确定推理的基础比确定推理的基础要弱得多。到目前为止,甚至还没有获得人们普遍接受的基础。不确定推理面对下面几个问题:(1)如何正确地、定性地刻画一个命题的不确定性?(2)如何适当地度量一个命题的不确定性?