冲突检测中的主动规则技术

提出主动数据库技术的一个新应用——主动规则应用于虚拟装配中的冲突检测，使虚拟装配具有了主动能力；论述分析了虚拟装配过程中冲突检测的主动功能需求；分析了虚拟装配环境的事件、每件、动作；提出了规则模型；对规则进行了描述。     

一种改进的基于分解的多目标进化算法

利用基于分解的多目标进化算法框架(MOEA/D),将混合策略的进化算法用于求解分解后的若干单目标优化子问题,提出了一种带局部搜索的基于分解的多目标混合策略进化算法(LMS-MOEA/D)。算法利用均匀设计产生子问题的聚合权重向量,混合交叉策略能够充分利用不同交叉算子的优势;同时算法针对演化过程收敛的特点,结合局部搜索策略,获得逼近Pareto前沿的最优解集。最后通过实验验证算法在多样性和收敛性方面的有效性。     

数据场典型相关分析及其在图像分割中的应用

针对数据场环境下多维数据的低维特征提取问题,本文将数据之间的相互作用纳入其相关性求解中,提出一种基于数据场的典型相关分析(Data field based canonical correlation analysis, DFCCA)方法. DFCCA提取的特征具有良好的分布特性,原空间上相隔较远的数据点对的特征聚集在一个较小区域内,而相邻数据点对的特征却有规律地分布在其他点所聚集区域的周围.此特性使得DFCCA具有较好的边界辨识能力,将其应用于图像分割的实验结果表明, DFCCA提取的复杂图像边界具有较好的保真度.     

基于DBTNN算法的场景调度策略研究

构建了一种能有效描述大规模虚拟环境的场景图和基于该场景图的场景多叉树,以此为基础提出了基于改进的动态二叉树神经网络(Dynamical Binary-tree Based Neural Network,DBTNN)进行场景调度的新方法,并给出了神经网络挖掘装配过程中视点变化的规律.同时,通过该网络输出预测下一步或下几步的视点状态信息,使场景调度具有一定的容错性,提高了场景调度的实时性并使调度更加智能化.最后给出了不同场景的测试结果,表明该算法对于大规模复杂场景有非常好的优化效果.     

应用WEMLS的安全数据集成模型

针对现有的安全域存在许多异构安全数据需要集成的问题,引入多级安全策略(MLS)的思想,提出一种应用扩展权值MLS策略(WEMLS)的安全数据集成模型。定义可信权值的概念,建立进程授权机制和信任计算机制。应用结果表明,该模型能使可信进程更灵活地访问客体。     

基于SAHP和需求模式的需求优先级排序方法

针对当前需求优先级排序方法中,将用户需求放在同一层次上进行比较,设定优先级,而对需求层次性考虑得不多。从系统的整体性和需求的层次性出发,提出以解释结构模型和层次分析法相结合的需求优先级排序方法,其中用解释结构模型对需求进行结构分析和分层处理,对最上层的需求使用层次分析法进行需求优先级排序,将该方法命名为SAHP。在案例分析中,借助需求模式,对推广后的案例进行优先级排序,来说明该方法具有很好的通用性,给出案例分析和与AHP进行了比较。结果表明性能总体上好于AHP方法,该方法能够提高需求优先级设定的合理性,降低因需求导致项目失败的风险。     

竞争型径向基过程神经网络时序分类器

针对时序分类问题,提出一种竞争型径向基过程神经网络时序分类器.给出了复合竞争过程神经元单元的定义,引入复合竞争过程神经元隐层,利用竞争型径向基过程神经网络输入为时变函数的特点,由复合竞争过程神经元单元完成对过程式输入信息的模式匹配和时空聚合运算,给出了具体学习算法,省去了输出层线性连接权的计算,简化了网络结构和训练过程,提高了网络泛化能力.最后以UCI数据集多变量时序分类问题验证了分类器的有效性.     

P2P网络中基于非确定有限自动机的XML数据流过滤

将自动机方法对XML数据的过滤延伸到P2P网络中,依据在本地XML系统YFilter中构造非确定有限自动机(NFA)的思想,采用Chord环建立起分布式的NFA对于peer节点中的XML数据的查询过滤系统,并基于递归法执行查询过滤,在不同的peer节点上得到满足查询条件的数据集合。通过实验验证了当查询的数量和网络大小发生变化时分布式NFA的方法的执行性能。结果表明:本文方法可在不同的过滤场景中处理百万数量级的XPath查询,具有良好的网络流量和过滤延迟。     

遗忘曲线的协同过滤推荐模型

针对资源历史评价信息的时效量化问题,研究了一种应用遗忘曲线的协同过滤推荐模型.该模型以推荐信系统的构成要素为基础,将历史信息的时效量化函数引入到未知评分资源的推荐计算中.通过多阶段时效量化方法与时间单位映射函数,揭示不同资源时效衰减速率随用户兴趣变化的规律,获取具有记忆心理学中遗忘特征的推荐评价数值.实验表明,与现有协同过滤推荐模型的推荐效果相比,模型能够合理解决时效量化问题并提供质量较高的推荐效果.     

网构软件系统中基于信誉激励的协作博弈模型

为了促使网构软件系统中各软件服务实体在彼此交互、协作的过程中自主的形成协作关系,提出了一种网构软件系统中将信誉评估与博弈理论相结合的协作博弈演化模型GBDTM(games-based DyTrust model).该模型借鉴经济学中博弈论的思想,对网构软件系统中实体节点的协作过程进行博弈分析与建模,并通过在博弈模型中引入节点的信誉值,对博弈模型中的收益函数进行修正,GBDTM有效地建立了节点之间的激励合作机制,促进各实体节点间的协作,提高了网构软件系统的整体安全性能.