分布网络环境主观信任模型研究

研究分布网络环境中主观信任评价和信任合成方法,分析信任的含义和影响信任行为的因素以及信任与信任属性的关系,提出相对经验的定义.基于二项事件后验概率服从Beta分布的特性,提出了基于相对经验和Beta分布的信任评价模型,给出了推荐信任合成方法,建立信任更新协议解决恶意推荐的问题.     

基于开放式网络环境的模糊自主信任模型

为解决开放式网络环境中主观信任的模糊性和主体之间信任关系的动态性,提出了模糊自主信任模型。在该模型中,引入模糊理论的隶属度概念来描述信任的模糊性,解决了模糊信任的建模问题;以图论为基础,将网络环境模型化为一个无向图G(V,E),定义了基于本地信息交互的信任评价规则,建立了自主信任建立策略及建立完全可信网络的实现机制及条件。通过仿真实验,讨论了网络拓扑结构对自主信任建立的影响,并以小世界网络模型(-m ode l)为基础,分析了自主信任建立的速度问题。该研究也为开放式网络环境中信任管理的研究提供了一个有价值的新思路。     

社会事件建模研究综述

对事件建模进行定义与说明,给出不同出发点下的研究分类。在抽取方法方面,回顾和分析基于模板生成网页的社会事件建模、不同驱动模式的机器学习引入和用户交互行为模型的3种技术方法的研究动态与进展;在不同驱动模式机器算法引入方面,重点阐述和讨论事件元素和事件实例研究领域的研究动态。介绍用户交互行为模型在事件建模中的应用,总结社会事件建模的现有成就和不足,提出社会事件建模研究可能面临的问题,对其发展前景进行展望。     

面向视觉手势交互的映射关系自适应调整

在基于机器视觉手势交互中经常需要大幅度手部移动,合适的映射关系对于用户在较舒适的操作范围内完成交互任务是十分必要的.文中结合用户的交互心理测试,提出一种基于用户操作特点的映射关系自适应调整方法:基于Borg's CR-10尺度心理感知实验测试用户的手部移动的感知,根据人体工程学建立一种基于速度调整的映射方程;根据交互过程中的用户手部移动情况,在每次连续交互操作结束后对映射方程进行调整.此外利用Kinect搭建用户测试系统测试该调整方法性能.实验结果表明,文中提出的映射关系调整方法能有效降低用户大幅度手部移动的几率,同时保持了用户的操作表现.     

一种虚拟现实交互的记录方法

为再现虚拟现实场景中的事件和交互,需要建立有效和规范的记录方法。文章研究了应用MPEG-4国际标准记录虚拟现实交互的记录方法,提出了基于MPEG-4的虚拟现实交互环境记录的实现框架,并分析了具体的实现流程,探讨了协同操作与基于JAVA平台实现的研究方向。     

一种面向多媒体传感器网络的信任管理模型

多媒体传感器网络中不同的应用具有不同QoS需求,提出基于流量类型的QoS信任计算方法,综合考虑基于推荐可靠度的节点交互行为以及节点延迟、节点剩余能量等因素,对节点信任值进行功能性区分,不同信任值对应不同的应用,适用于多种流量共存的多媒体传感器网络,提高系统的安全性、可靠性.仿真分析表明,对于密集部署的多媒体传感器网络,提出的信任管理模型能够有效消减恶意节点对目标节点信任度量的干扰效应,为多媒体传感器网络多流量类型路由提供新的QoS选路依据.     

基于P2P网络的信誉模型研究

近年来,对等网络发展迅速。相对于传统的C/S模式,P2P网络的匿名性和开放性也使P2P网络的安全性更加受到人们关注。本文提出一种按照全局信任值分层管理的信誉模型,根据网络实体的交互信任域来构建信任关系,使网络得到良性发展。     

基于网络的多媒体课件的交互设计与实现

基于网络的多媒体课件必须具备交互性的特点，以实现学生与计算机、教师与学生的交互功能，探讨了课件人机交互、教学交互的几种交互方式的设计思路和制作方法，并阐述了基于WEB的B／S模式体系结构的课件设计技术。     

基于DIS的分布式视景仿真实现

对分布式视景仿真中对象建模和仿真节点间的实体交互操作进行理论分析,研究分布式交互仿真结合动态图形显示的实现方法,基于计算机局域网搭建分布式交互仿真平台,建立实体对象各种状态的模型,在网络上传递实体状态及交互信息,实现实体间的交互行动动态显示,在分布式交互仿真平台上实现,了实体交交互行为的动态,显示,基于分布式交互仿真的视影仿真系统,对仿真结点的图形和网络处理能力提出较高的要求,需要在建模和算法上进行优化。     

多视点视频系统用户交互技术研究

针对基于IP网络的多视点视频系统,从系统用户的角度对交互技术进行了综述和分析.首先,对现有的交互式多视点视频系统进行总结,分析、总结出系统的总体架构及基于用户的对位置追踪式交互和点播式视频交互两种交互方式.然后,对其关键技术进行研究,并结合网络传输分析了单视点、多视点视频系统中影响交互的因素,以及交互质量的评价方法.最后,从视频交互的角度出发,对交互式多视点视频系统的进一步发展提出了若干研究展望.     

基于信息传递和峰值聚类的自适应社区发现算法

信息传递是网络具有的基本特征,基于此提出了一种基于信息传递和峰值聚类的自适应社区发现算法。首先,定义了节点与邻居之间的信任度函数,每个节点基于信任度独立的向网络中扩散信息量。扩散结束后,节点总信息量即为峰值聚类中的密度;网络中节点之间的距离通过所含节点信息量的倒数替代。然后,提出一种自动选取核心节点方法并为核心节点分配不同社区,把剩余节点分配到与它距离最短的核心节点所在社区,完成社区划分。本算法的优点在于无需额外参数并且能够发现社区内部结构。实验结果表明本算法发现的社区结构更加接近网络真实社区结构。     

一种面向对象组件的特征提取与匹配方法

为了实现面向对象组件的计算机画定位与检索,定义了刻面、首记录特征、组件模式等概念来刻画组件的特征提取,设计了基于组件匹配度的组件搜索算法,该算法能够通过对组件继承空间和组装窨的启发式探索求取所需组件的最优覆盖集,这种基于分类和人工智能图搜索策略的组件匹配方法较自然地反映了面向对象组件的形成过程,具有较好的可操作性。     

半结构化文档数据流的快速频繁模式挖掘

为了提高半结构化文档数据流的挖掘效率,对原有挖掘算法StreamT进行了改进,提出了一种半结构化文档数据流的快速频繁模式挖掘算法--FStreamT.该算法针对利用集合存储候选频繁模式效率较低的缺点,采用枚举树存储候选频繁模式,可以有效地提高对候选频繁模式集合进行查找和更新的效率,同时利用频繁模式的单调性和枚举树的特点减小了维护负边界的搜索空间,从而提高了整个算法的效率.理论分析和实验结果表明,算法FStreamT与算法StreamT相比具有较高的效率,是有效可行的.     

基于改进蚁群算法的配电网优化规划

提出了一种基于改进蚁群算法的配电网优化规划算法．对于给定的配电网模型，该算法根据各配电网站点建立初始信息素矩阵，然后利用蚁群算法所特有的路径寻优功能来搜索配电网布局路径，并结合改进信息素刷新的方式和在蚁群搜索过程中引入曼哈顿距离以及弹性伸缩调节因子，使蚁群以较快的速度找到当前布局上的最优路径．通过具体的算例表明，该算法比一般蚁群优化规划算法具有更高的计算效率和优秀的全局搜索能力，同时有效地克服了在求解配电网规划问题时蚁群在局部最优解上的巡回而存在的效率不高以及未成熟收敛等现象．     

一种用于多类模式识别的综合感知器网络和学习算法

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法,网络由3层感知器神经元组成,中间屋到输出层的权值相应地为＋1或－1,输入层到中间层的权值通过学习获得,且中间层每个神经元的权值单独学习完成,该学习算法在有限次迭代步骤内终止。当算法终止时,对于可线性发的多类模式识别问题总是能找到正确的解,如果还有模式不能识别,则说明这是一个不可线性划分的多类模式识别问题,用阿拉伯数字识别的例子说明了网络模型和算法的有效性。     

Ad-hoc网络中一种基于表驱动的辅助路由算法

通过研究ad hoc网络中移动节点的通信规律,在传统的三种通信模式的基础上定义了一种新的节点通信模式快速穿行模式,并针对该通信模式提出了一种新的路由算法路由代理算法·在快速穿行模式下,网络拓扑变化频繁,导致大量的系统带宽开销和计算开销,同时较大增长了承载业务的时延·路由代理算法是对当前表驱动ad hoc网络路由算法的补充,它专门针对快速穿行模式中高速节点的路由方法作出了修改,大大降低了由于高速节点快速运动导致的路由更新报文开销·仿真实验结果表明:该算法明显缩短了发往高速节点的数据传输时延,提高了路由的效率·     

基于最小分类错误训练的神经网络分类器设计

提出了一种基于最小分类错误（MCE）训练的采用多层感知器（MLP）结构的模式分类器设计方法。这是一种以分类错误率最小化为目标的模式分类器设计方法，将它用于MLP分类器设计能够进一步提高分类器的性能。采用MLP实现MCE训练中的分类损失计算，从而将MCE训练过程与MLP分类器设计统一在一个神经网络结构中，通过BP算法予以实现。这不仅能达到提高MLP分类器性能的目的，而且简化了它的设计过程。     

Horspool扩展算法在方块苗文模式匹配中的应用

分析了Horspool算法的原理及特点,提出了一种适用于方块苗文环境的字符串模式匹配算法.该算法结合方块苗文的编码方式及字符串查找的特点,通过对Horspool算法中的字符处理单位进行扩展来适应方块苗文的字符串匹配.实验结果表明,在单字词、双字词和多字词的方块苗文字符串匹配过程中,该算法均呈现出较好的性能,能够用于解决方块苗文的快速检索问题.     

一种基于模式匹配的自主星图识别算法

为便于星光定姿系统在线应用,提出了一种新的基于模式匹配的自主星图识别算法. 该算法首先建立了一种新的星模式描述方法,然后用该模式描述方法建立观测星的模式和导航星模式数据库,最后通过观测星模式与导航星模式数据库进行匹配,完成星图识别. 试验结果表明,该星图识别算法与传统的算法相比,对观测位置误差具有更好的适应能力,需要的存储空间更少,计算速度更快.      

基于二叉树型分层BP模型的板形模式识别

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度.