普适环境下基于软件代理虚拟化的应用迁移

虚拟计算环境中的用户在物理空间的移动要求其相关应用能够在网络空间进行相应的移动.为支持应用的迁移,利用软件代理技术来实现计算网络空间以及其中资源的虚拟化.具体而言,就是结合情境感知技术,利用软件代理本身所具有的自治性和移动性实现应用组件的动态绑定和迁移,进而提出一种基于代理的支持应用迁移的结构模型MDAgent,并实现了相应的原型系统,可为应用的迁移提供移动管理、情境感知、资源匹配和推理机制等多方面的支持.在此基础上开发出若干应用并给出相关性能分析.     

马尔科夫网的概念、方法及其在图像处理中应用

研究可分解马尔科夫网(decomposab le M arkov network DMN)的概念、方法;分析它在空间数据挖掘中的作用与意义。与以往关于DMN的研究不同,本文直接将DMN的结构作为推理依据或应用于问题求解,扩大DMN概念和方法的应用范围。以多光谱遥感为例广泛研究以多种迹度量建立多波段遥感图像间的马尔科夫网,用以解释波段组合效果;以视频图像为例广泛研究以多种粒度(节点数)建立视频图像间的马尔科夫网,通过网络结构分析检测视频图像中的目标差异,用以定位和跟踪违章车辆。研究表明马尔科夫网可以很好地揭示空间数据间的抽象近邻关系,并且这种网络自身就具有表达知识的意义。     

无线传感器网络中基于压缩感知和GM(1,1)的异常检测方案

针对现有的异常事件检测算法准确率低和能量开销较大等问题,该文提出一种基于压缩感知(CS)和GM(1,1) 的异常事件检测方案。首先,基于分簇的思想将传感器节点的数据进行压缩采样后传输至Sink,针对传感器网络中数据稀疏度未知的特点,提出一种基于步长自适应的块稀疏信号重构算法。然后,Sink基于CM(1,1)对节点发生的异常进行预测,并对节点的工作状态进行自适应调整。仿真实验结果表明,相比于其它异常检测算法,该算法的误警率和漏检率较低,在保证异常事件检测可靠性的同时,有效地节省了节点能量。     

基于特征异质性优选的面向对象建筑物提取北大核心CSCD

利用面向对象方法提取遥感影像中的建筑物是当前研究热点之一。针对此方法中特征选择问题,文章基于面向对象的分析方法,充分考虑影像特征与多种地物在空间异质性上的相似程度,提出了一种特征优选方法,进而完成建筑物的提取。具体方法是:首先,计算对象内同质性与对象间异质性,基于均值变点原理确定全局最优尺度;其次,利用地理探测器基于空间异质性相似度对分割对象的光谱、纹理、高度、形状等特征进行优选;最后,根据优选出的特征进行建筑物提取,并辅以邻域高程比对算法进行优化,获得建筑物较完整、可靠的轮廓。结果表明,该方法对建筑物提取更加高效且精度更高。