一种面向机器学习的情境识别机制

普适计算环境为了能够自适应地为人们提供透明式的服务,必须通过情境获取和识别。情境识别指通过传感器网络获取物理环境和用户状态等信息后,通过数据融合、规则推理、机器学习等途径,判断当前发生的事务。本文开发了一个情境识别引擎,详细介绍了识别引擎的总体架构和训练算法,并进行了性能检测。     

普适计算在嵌入式系统设备中的应用

本文介绍了普适计算、嵌入式系统的概念以及普适计算在嵌入式设备中的特性,并根据嵌入式系统设备的特点和技术要求,阐明了普适计算应用于嵌入式系统设备中的相关原则。最后以智能GPS导游系统为例说明了普适计算在嵌入式系统应用中多方面的优势和发展前景。     

一种基于Agent的无线传感器网络医学监控模型

将无线传感器网络技术和Agent技术融合在一起,提出了一种基于普适计算环境下能够提高监控效率的A-gent与无线传感器网络相融合的医学监控系统模型,并讨论了系统的实现机制。     

基于分布式Agent联盟的机器学习机制

提出了一种基于分布式Agent的机器学习模型。用Agent来构成机器学习的各组成部分，并由采用不同学习方法的Agent构成学习模块。为实现分布式Agent的协作学习机制，采用Agent联盟作为协作体系结构。将一种改进的遗传算法用于Agent联盟以实现分布式Agent的协作，该遗传算法控制参数动态地变化，采用粗粒度型的并行方式，一传多的交换个体方式和完全网络拓扑迁移模型。系统具有良好的性能。     

面向普适环境的两阶段资源分配模型

普适计算以用户为中心,具有不可见计算的特点,普适环境下的资源分配需要解决面向不确定性用户任务分配动态资源的问题。文章提出一个两阶段的普适资源分配模型来解决该问题,包括用户级资源分配和资源级适应性调整。其中,用户级资源分配阶段实现从用户随机任务序列到语义资源的映射和分配,资源级适应性调整实现从物理资源到语义资源的映射和适应性调整。以上两阶段相结合可以提供面向用户动态任务的、概率意义保障的资源分配。实验验证了所提方法的有效性。     

面向未来的计算模式——普适计算

计算技术的发展需要与之适应的计算模式。普适计算是信息空间与物理空间的融合，计算机本身将从人们的视线中消失，人们注意力的中心可以回归到要完成的任务本身。普适计算将从根本上改变人们对什么是计算的思考，也改变我们整个生活和工作的方式。该文描述普适计算研究的现状和发展趋势，并讨论普适计算在发展过程中面临的新技术和新挑战。     

普适环境下的多Agent协同框架的研究

根据普适计算的特点,提出了一种多agent协同框架模型.考虑到普适计算环境下移动设备的交互和多通道的信息集成,该模型在已有多agent协同设计框架模型上增加了相应的a-gent,并且在设计agent的结构中包含了通道识别、上下文生成及多通道信息整合模块,以处理多通道的信息.详细介绍了在该agent模型中基于设计上下文的知识表示,以及协同设计系统中多agent知识共享的方法.该研究对于普适计算在设计领域中的应用有重要的意义.     

普适环境下服务发现的改进方法

普适计算是指在普适环境下,人们能够使用任意设备,通过任意网络,在任意时间都可以获得一定质量的网络服务的技术。分析了普适计算中服务发现的几种方式,在JXTA基础上提出了一种改进模型。     

旅游景点个性化导航及服务的研究与应用

将普适计算的概念应用到旅游景点,采用游客模型、景点模型、服务设施模型来获取各种上下文信息,为游客提供个性化导航及服务.给出了Myguide的系统原型实现,说明所提出的系统关键技术的可行性.     

普适变量法在深空探测器轨道设计中的应用

给出了利用普适变量法来求解飞行时间，开普勒问题和高斯问题的计算方法，将这些方法用于深空探测器的轨道设计，针对不同要求提出了3种改进设计的方法，对每种方法的适用范围进行了详细的分析。在此基础上给出了深空探测器飞行轨道初步设计的完整方法。