工作流流程模型结构优化算法的研究

该文从一个新颖的角度提出一种优化工作流流程模型结构的算法,用进程代数CCS来描述工作流流程模型的定义,并引用了进程代数中的互模拟的思想,提出了互模拟活动集合以及子流程的定义,同时给出如何找出复杂工作流流程模型中的互模拟活动的算法,该算法的提出简化了工作流流程模型的结构,从而提高了流程的运行效率。     

一种基于社会网络的信任模型

社会网络是通过朋友关系、工作关系和信息交换等一组社会机制,将人、组织和其他社会团结联系在一起形成的网络,Web就是一种社会网络.在社会网络中要求有一种自然的机制对网络的真实性进行判断和评价,信任模型就是比较好的一种机制.基于社会网络,本文构建了一种网络信任模型,用来估算信任者和被信任者之间的信任等级,能够用于语义网的信任管理系统和社会网络的信任评价中.实验结果表明,该模型具有很好的效率和效果.     

基于受控时间Petri网的车辆检测过程模型

针对汽车检测线运行效率评估及确保给定数量车辆检测时间最短的问题,通过分析检测过程中的驱动事件和状态演变,给出了车辆调度的约束条件,在此基础上把模型中的时间约束与受控Petri网相结合,提出了受控时间Petri网（Controlled Time Petri Nets）模型,采用该模型对检测线调度过程中的节拍控制与车辆调度进行可视化的建模与分析。实践表明对于多批次车辆检测任务采用该过程模型可明显缩短检测时间。     

平面联接固定结合部动力学模型的一种建模方法

机械结构结合部精确建模是对含结合部的机械结构进行动态分析和优化设计的关键问题之一。文章主要研究块体结构和平板由螺栓联接后构成的固定结合部的动力学建模问题。将结合部区域的刚度特性用结合部的材料机械特性参数等效表达,提出了虚拟接触材料的结合部刚度表达模型。通过模态实验和模型修正识别出不同结合面工况下虚拟接触材料的弹性模量,建立了含结合部动力特性的有限元模型。该模型可方便用于含结合部结构的有限元计算,经试验验证满足实际工程应用要求。     

面向信息抽取的中文跨文本指代消解研究

跨文本指代消解研究是自然语言处理中的一个重点以及难点,是信息检索、信息抽取和多文档摘要等应用的重要组成部分。传统的跨文本指代消解主要解决信息检索中遇到的重名消歧问题。本文从信息抽取的角度出发,旨在解决信息抽取过程中的重名消歧和多名聚合两大跨文本指代消解任务。本文在一个基于ACE2005中文语料库标注的中文跨文本指代语料库上,利用空间向量模型进行面向信息抽取的跨文本指代消解。     

一种自适应的仿生图像增强方法:LDRF算法

为了研究基于人类视觉系统特性(亮度自适应特性和视网膜神经元感受野非经典侧抑制特性)的仿生图像处理方法,增强仿生图像增强算法的自适应性,提出了一种新的自适应仿生图像增强算法——LDRF算法.LDRF算法首先建立参数对数模型对图像全局亮度进行自适应调整,然后采用三高斯动态滤波进行局部细节增强,引入Wal-lis算子建立增益因子模型,使局部细节增强具有自适应性,最后通过线性变换恢复图像彩色信息.在大量图像上进行对比实验和分析.实验结果证明,LDRF算法能够避免过增强现象,并且针对不同大小、不同内容的图像能够自适应地进行图像增强,取得了较好的效果,提高了仿生图像增强算法的实用性.     

一种基于身份的在线/离线加密方案

由于无线传感器网络节点的能量和计算能力有限,文中在 Gentry-IBE 的基础上,提出了一种基于身份的在线/离线加密算法.该算法针对传感器节点自身的特点,将加密过程分成两个阶段—离线阶段和在线阶段.离线阶段由外部设备进行大量复杂运算,而无需获得接收者身份和将要加密的消息,并将运算结果发送至各节点;在线阶段只需在节点内部进行简单运算就可对消息加密.因此该算法减少了传感器节点中的运算量和存储需求,并在标准模型下可证明是安全的,更加适用于无线传感器网络     

视频人脸检测与特征点定位研究

基于对视频中人脸的检测和特征点定位算法的学习与研究,文中提出了一种结合连续均值向量和主动形状模型的新方法.该方法首先对视频帧进行局部连续均值量化变换处理,快速地检测出似人脸区.然后用改进ASM方法来定位所检测出人脸的特征点,使用双阈值Sobel算子进行边缘检测,提取边缘信息,当搜索时利用这些边缘信息来改变特征点的权值,使带有更多边缘信息的像素点更有可能被选为最佳候选点.该方法可以快速地对人脸做出检测,并能很好地定位出人脸特征点     

磁场信号检测误差分析及补偿算法

针对载体自身磁场特性及三轴磁传感器误差特性建立了地磁导航干扰误差补偿模型,通过对模型进行简化变形,利用系统辨识的最小二乘估计算法(LS)求取误差特性参数.数据分析表明:该方法简单易实现,简化了复杂的求解过程,基本达到了误差补偿的要求.     

基于进化计算的兴趣建模

为实现对个体的兴趣建模,提出基于进化计算的建模(Evolutionary Computation Based Modeling,ECBM)方法。该方法采用定性和定量相结合的方式对个体的兴趣系统进行建模,首先通过定性分析构建个体的兴趣模型框架,然后通过进化计算(Evolutionary Computation)方法对模型参数自动进化。实验结果表明,ECBM能够通过数据驱动模式优化模型参数,并利用更新信息进化模型,使其不断逼近真实系统。