信任感知的组合服务动态选择方法

把信任概念和信任度引入到服务组合中来,讨论了信任感知的服务组合选择问题,分别基于两种观点建立了其数学模型.并基于观点1,深入地研究了服务组合的动态选择问题,分别采用蚁群系统作为优化工具设计了两种动态选择方法:方法1针对服务在上限阈值的范围内提供优质服务,服务质量保持不变,超过阈值则拒绝服务的情况;方法2针对服务无限制地接受请求,但随着请求数量的增多,其服务质量下降的情况.通过对方法1和方法2的仿真实验结果分析表明,两种方法具有很好的效果.     

基于模板匹配和SVM的草图符号自适应识别方法

在草图符号的自适应学习中,不同用户的训练样本数量可能不同,保持在不同样本数量下良好的学习效果成为需要解决的一个重要问题.提出一种自适应的草图符号识别方法,该方法采用与训练样本个数相关的分类器组合策略将模板匹配方法和SVM统计分类方法进行了高效组合.它通过利用支持小样本学习的模板匹配方法和支持大量样本学习的SVM方法,并同时利用草图符号中的在线信息和离线信息,实现了不同样本个数下自适应的符号学习和识别.基于该方法,文中设计并实现了支持自适应识别的草图符号组件.最后,利用扩展的PIBGToolkit开发出原型系统IdeaNote.评估表明,该方法可以在24类草图符号分别使用1到20个训练样本时具有较高的识别正确率和较好的时间性能.     

组合预测模型在短时交通流预测中的应用研究

根据智能交通诱导和信号控制的需要,短时交通流预测应具备实时性、准确性和可靠性,应用单项预测模型已不能满足当前交通流预测的要求,借此提出了以时间序列法、非参数回归法和RBF神经网络预测法为基础的定权系数和变权系数组合模型进行短时交通流预测,实例应用表明组合预测模型较单项预测方法预测精度有显著的提高。     

一种提取人脸特征3D信息的方法

针对头部姿态大角度偏转时,传统的2D人脸模型(主动表观模型,Active Appearance Model)定位人脸特征点的精度会急剧下降.引入与MPEG-4兼容的3D人脸形状模型Candide,并为其建立2D的形状模型和表观模型.模型拟合人脸图像的过程中,在保持3D形状模型与2D形状模型形变一致的基础之上,应用反向组合算法,提取人脸特征点的位置和头部姿态等3D信息.实验结果表明:在C环境下,算法的处理速度为250帧/秒以上,能达到实时处理;当头部姿态的偏转角度为0°-60°时,算法的标准误差值介于0.01-0.1之间.     

基于RGPS领域资产的按需服务组合方法及实现

随着Web服务的应用和发展,使得组合Web服务来满足人们不同的业务需求成为可能.在研究当前Web服务组合的基础之上,提出一种需求驱动的Web服务组合办法,该方法基于RGPS领域资产,从而避免了在需求过程中的不明确、不一致和不完整性等.为了证明方法的正确性,文章还实现了其框架,并开发出一个套件原型来辅助基于RGPS的领域建模和需求获取与分析.     

面向本体的服务组合差分进化策略

针对目前Web服务描述服务功能的语义不够深入而使服务识别组合能力欠佳的问题,提出一种面向本体的语义服务功能描述方法,建立本体间的映射关系模型和服务质量关系模型,通过改进差分进化算法求解,得到一种较好的服务组合识别方法。在九寨沟旅游管理信息系统中的应用表明,该方法比传统的方法优越。     

混合的汉语基本名词短语识别方法

提出一种混合的汉语基本名词短语（BaseNP）识别模型,包括采用语法规则、统计方法和组合分类器方法。利用BaseNP词的信息、词性信息及上下文句法信息,构建组合分类器,提高判断的准确性。在中文树库（CTB5.0）上进行实验,F值达到了90.09%,证明该方法能有效地识别BaseNP。     

一种基于接口匹配的组合Web服务描述语言

从基于WSDL的服务接口描述语言入手,分析了Web服务组合的类型和消息依赖关系.将服务组合分为顺序组合、替换组合、混合式组合三种类型;结合这些类型,将组合服务中的消息依赖定义为消息映射依赖、消息合成依赖和消息分解依赖三种关系.在此基础上,提出了一种轻量级的组合服务描述语言(CWSDL).     

离散萤火虫优化算法求解概率旅行商问题

对随机组合优化问题中的概率旅行商问题(PTSP)的理论和方法进行了研究分析,采用现代进化算法中有代表性发展优势的萤火虫优化算法(FA),提出一种离散萤火虫优化算法(DFA)以求解.其中引入了新的学习机制使其相比原始的萤火虫优化算法,更容易搜索到全局最优解,有更好的收敛性能.实验中用TSPLIB中的经典实例进行测试来验证其可行性.考察了萤火虫数量和进化迭代次数对求解结果性能的影响,并将DFA与GA、PSO和ACO等其他著名的进化计算算法进行性能比较.实验结果证实了DFA无论对固定访问概率,还是访问概率为区间内随机数等不同情况,都具有良好的有效性和高效性,因此对求解随机组合优化系列问题的有效解决具有一定参考和借鉴价值.     

改进的CKF算法及其在BDS/INS中的应用

针对标准容积卡尔曼滤波(CKF)在组合导航系统模型不确定情况下滤波精度下降甚至发散的问题,将奇异值分解(SVD)与CKF算法相结合,并引入强跟踪滤波(STF)理论,提出一种改进的强跟踪SVD-CKF算法.为提高数值计算的稳定性,采用SVD代替标准CKF中的Cholesky分解;引入STF理论框架,通过渐消因子对预测误差协方差阵进行在线修正,在系统模型不确定或系统发生大的突变时,能够提高系统的强鲁棒性.通过仿真结果验证了改进算法的有效性.