P2P网络中基于动态贝叶斯网络可信度量模型

本文针对P2P网络中节点匿名、动态导致安全性下降,现有信任度模型计算动态性不足等问题,提出了基于动态贝叶斯网络的可信度量计算模型,模型依据历史交互记录数据,从直接信任度与推荐信任度两个方面进行信任度量计算,并考虑到时效性与恶意节点等问题,引入时效因子与惩罚因子.最后通过仿真实验验证了模型的有效性与可行性.     

采用认知标架的人机学习情境矢量化方法

从学习研究角度考虑,人机交互学习环境是由"脑认知体-耦合情境-信息流形"组成的新型学习观测平台。脑认知体是高维认知流形载体,耦合情境是认知流形的局部度量,信息流形是认知活动的低维投影空间。学习观测把高维认知活动投影映射到低维信息流形,即认知降维,涉及学习情境矢量化、度量标架、流形结构研究对象。基于认知科学、教育心理学构建情境内容、认知操作、数理逻辑三维认知标架,基于符号动力学思想设计认知符号序列采集学习情境数据。在认知拓扑空间重构认知符号序列,获得认知拓扑结构。基于认知标架的人机学习情境矢量化方法是认知结构成像新方法,为教学设计、诊断及智慧服务提供新技术和工具。     

MPLS组播的改进应用研究

介绍了IP组播传输的高效性和目前应用的局限性、MPLS技术的重要性和发展前景、MPLS组播技术的研究现状．通过在MPLS传输平台中引入合并组播的概念,提出了一种在MPLS组播中应用合并组播分布树（MPLSAMT）的算法,并举例说明在MPLS组播中采用MPLSAMT可有效减少组播路由器的路由表项．最后通过模拟验证：该算法的应用可以大大提高基于MPLS平台的骨干网的组播传输性能和效率．     

“．NET”平台下的运行时异常处理

介绍了异常处理技术的概念,详细探讨了VS．NET编程体系中异常的捕捉和异常处理方法,以及在“．NET”框架下的标准异常类和自定义异常类,并给出一个在VS．NET平台下调试通过的处理各种类型异常的完整实例．     

多协议标签交换的合并组播研究

本文首先引入一种新的基于MPLS的合并组播树,然后主要讨论了采用MPLS合并组播树在减少MPLS容错组播的备份树与标签消耗方面的高效性,最后的模拟分析表明在组播中采用MPLS合并组播树是有效的。     

在多协议标签交换组播中应用合并组播树

引入一种新的MPLS(多协议标签交换)组播实现方案——MPLS合并组播树,讨论了采用MPLS合并组播树在减少组播控制费用、故障恢复延迟、标签数等方面给MPLS组播带来的高效性,量化分析表明,采用MPLS合并组播树可以有效解决MPLS组播存在的标签数不足问题。     

一种新的组播流量工程

讨论了目前MPLS组播的实现技术,指出MPLS组播实现所要解决的几个问题,以及如何实现MPLS组播流量工程和两种组播流量工程树的建立方法.     

基于清晰图像先验知识的盲复原算法

图像采集系统在获取图像时,受到各种干扰,使图像变模糊并含有噪声。为此,提出了一种基于清晰图像先验知识的图像盲复原算法。首先通过统计分析大量的清晰图像梯度域的概率分布特性,将图像划分为具有较多复杂纹理的区域和平坦区域,拟合概率分布函数,得到清晰图像的先验知识,并加入图像局部约束条件,即复原图像平坦区域与退化图像的平坦区域的概率分布变化较小,避免产生振铃现象。然后,建立图像噪声模型,将图像噪声划分为高斯噪声和均匀分布噪声,防止退化图像中的灰度过饱和像素点在复原过程中产生异常值。最后,利用最大后验概率模型,构造代价函数,将图像盲复原问题转变为求代价函数最小化问题,并用最大期望算法和快速迭代收缩算法求解代价函数,恢复出清晰图像。实验结果表明,该算法能有效恢复图像细节,锐化图像边缘,抑制噪声,避免产生振铃效应。     

多协议标签交换的标签栈扩展应用研究

首先简要介绍了多协议标签交换(MPLS)的工作过程及原理,然后探讨了MPLS的层次化路由体系结构中标签栈的应用,最后提出了一种利用标签栈实现LSP合并的策略。     

一种新的组播流量工程

讨论了目前MPLS组播的实现技术,指出MPLS组播实现所要解决的几个问题,以及如何实现MPLS组播流量工程和两种组播流量工程树的建立方法。