有上下文感知能力的智能教室系统设计与实现

目前,有许多教育专家采取很多措施来提高教学效率,而应用先进技术是一条切实可行的方法。通过利用多agent、语义Web、推理和用于安全和隐私的声明性规则等技术,参考早期的普遍深入的计算系统,开发了一个新的智能教室系统模型。该模型使用本体Web语言——OWL来实现知识共享和上下文推理,使用逻辑推理来检测和解决上下文知识的不一致问题,并向老师和学生提供一种策略语言来控制他们的私人信息。ICS将完全改变传统的教学方法并为未来的教学工作提供更多的便利。     

有上下文觉察能力的智能会议室系统模型的研究

通过利用多Agent、语义Web、上下文觉察和逻辑推理等技术，参考早期的普适计算系统，提出了一个新的智能会议室系统模型。该模型使用本体Web语言——OWL实现知识共享和上下文推理；使用逻辑推理检测和解决上下文知识的不一致问题，并向使用者提供一种策略语言来控制他们的私人信息。     

用于轴承故障诊断的两步迁移学习法

由于轴承故障数据存在数据量少和分布不均衡的问题,将迁移学习引入故障诊断领域,同时由于轴承故障数据的分布与源数据集分布差异巨大,直接采用迁移学习的方法会产生负迁移效应,即由于源数据集与目标数据集间分布差异过大而导致无法学习到源数据集的知识,提出一种对迁移学习进行改进的诊断新方法：即两步迁移学习法,使用DCGAN来制作辅助数据集,在辅助数据集上进行迁移学习,再将网络放在目标数据集上再次进行迁移学习训练,根据与普通迁移学习和不使用迁移学习的对比实验,新方法相较于目前已有的方法具有更快的速度与更高的准确率。     

视频监控中人体行为识别的研究

提出一种人体行为识别模型和前景提取方法.针对人体运动过程中产生新的行为问题,该模型用分层Dirichlet过程聚类人体特征数据来判断人体运动过程中是否有未知的人体行为模式:用无限隐Markov模型对含有未知行为模式的特征向量进行行为模式的有监督的学习,由管理者将其添加到规则与知识库中.当知识库的行为模式达到一定规模时,系统便可以无监督地对人体行为进行分析,其分析采用Markov模型中高效的Viterbi解码算法来完成.对于前景的提取,提出了基于背景边缘模型与背景模型相结合的前景检测方法,此方法能够有效避免光照、阴影等外部因素的影响.仿真实验证明,本文提出的方法在实时视频监控中的人体行为识别方面有独特的优势.     

产生证明责任验证Object—Z规格说明的行为子类型继承

Object-Z是形式规格说明语言Z的面向对象扩充,具有面向对象特点,适合描述大型面向对象软件规格说明.行为子类型继承是一种子类型继承,子类型对象拥有其超类对象的行为与属性,如果行为子类型对象替代其超类型对象时,运行时不会出错,经过验证过的形式规格说明不必再验证.本文对Object-Z定义了行为子类型继承,尤其我们系统地提出一个实现行为子类型继承和对规格说明产生相关证明责任的方法,其中这些证明责任可以判定形式规格说明是否按照其行为子类型方法进行开发的.最后,充分利用定理证明器Z/EVES来分析与验证所产生的证明责任.     

一种新的SDN架构下端到端网络主动测量机制

SDN是近年来网络界的研究热点之一,自斯坦福大学首次提出SDN概念以来已引起国内外研究人员的极大关注和研究。SDN是一种新的网络体系结构,其核心原则是分离控制平面和数据平面。随着SDN网络的快速发展,对SDN网络进行有效的网络测量变得越来越重要。SDN网络的构架与传统的TCP / IP网络完全不同。这使得传统的端到端网络测量工具对于SDN网络都不再适用。为了在SDN构架下实现端到端的网络测量,本文提出一种新的SDN网络主动测量机制。这种机制以主动测量为目的,依据SDN网络的新型构架,对SDN协议和交换机进行了扩展完成相应测试功能。仿真结果表明,该机制可以获得准确的网络测量结果,并且具有良好的可扩展性。     

引入隐式反馈的多维度推荐算法

针对显式反馈信息作出的推荐在准确率和数据稀疏性处理上还存在缺陷的问题,因此引入隐式反馈信息,设计和实现了一种引入隐式反馈的多维度推荐算法（iMCF）。该算法涵盖用户、项目和隐式反馈三个维度的信息。对于前两个维度的信息,通过云模型相似度建模;而隐式反馈维度的信息,主要是结合概率矩阵分解模型进行处理。之后再把这三个维度得出的预测评分根据权值进行平衡,得出最终预测评分并作出推荐。实验数据表明,该算法在召回率和准确率上的表现相对于其他算法有了较为明显的提升,且适合大数据环境。     

空巢老人智能监护系统中异常情况检测的研究

对空巢家庭的老人和设备的异常检测与即时预警是智能家居系统的重点和难点问题。利用多模态联合传感技术获取时空上下文信息,由各类感知组件进行处理而获取居住者的动作,用改进的多层隐马尔科夫模型对离散的动作进行抽象而获得人的高层行为——事件。居住者常态的表示模型被构建并作为行为正常与否的分类器来检测异常行为。为了表达上下文信息,采用语义分级、逐层抽象的方法设计了一套多媒体本体,用于智能家居系统中对媒体信息的语义化标注和推理。改进了针对室内多活动设备的多交叉事件的悲观情感模型,用以解决视频组件难以检测的活动设备状态变化的问题。实验证实该方案在异常检测和预警方面有很好的性能。     

约束驱动的语义Web服务相似性问题研究

目前,在Web服务处理过程中,服务需求者和服务提供者间还是以语法的形式去理解对方,Web服务发现的目的只是能够查找到满足需求者基本要求的服务,很难按照需求者的具体要求细致地描述服务,这样查找到的服务很难达到优化的目的。我们主张通过对Web服务添加丰富的语义描述,将需求者的要求按约束的形式形成服务模板,然后将服务模板与从服务注册库中的服务进行基于语义的相似性评价,从而形成候选服务集合,最后从该集中找到能全面满足需求者要求的最佳服务。这在很大程度上提高了Web服务处理的精准度和效能,同时将以往能否找到合适Web服务的问题提升为怎样选择最佳Web服务的问题。     

基于贝叶斯网的分布式软件行为运行时可信性分析

在开放、动态和复杂的网络环境中,监测与分析软件行为可信对现代分布式软件是至关重要的.针对分布式软件运行时的外在表现特征,系统地收集相关数据,根据具体交互场景建立贝叶斯网模型.利用此模型,在上下文环境中通过监测相关的数据来对软件行为运行时可信性进行分析.建网过程中,文中提出了使用“3σ原则”来离散化连续型随机变量,其在判断样本标注异常及先验参数确定等方面具有独特优势,操作方便又符合实际情况,且提高了参数学习效率;同时,文中提出了分层方法构造先验贝叶斯网思想,通过计算节点间的相关系数来逐步修正贝叶斯网结构,降低了建网的复杂性和误差.通过仿真实验,证实了本文所提出的方法在软件行为可信性分析方面较其他方法有着独特的优势.