使用证据累积的文本聚类谱算法

针对谱聚类算法相似度函数设置困难问题,提出了一种使用证据累积的文本聚类谱算法.该算法使用超球K均值算法对文本集进行多次聚类,并将每次得到的划分结果作为判断2个文本是否应该放在一个簇中的证据,由此构建文本的相似度矩阵和正则化拉普拉斯矩阵.在TREC和Reuters文本集上进行了实验,验证了本文算法的有效性,它比层次聚类算法和CLUTO提供的K均值算法更加优越.     

利用多尺度频域分析的图像显著区域检测

针对显著区域检测中的视觉显著性度量问题,提出了一种通过对图像的频域特征进行多尺度分析来计算显著性的方法.在多个尺度上提取图像底层特征,在频域分析各种特征图的幅度谱和相位谱,在空间域上构造相应的显著图.根据显著图,检测出图像中的显著区域.在多种自然图像和人工图像上进行实验.实验结果表明,该方法能迅速检测出与人类视觉注意结果一致的显著区域,并且在高强度噪声图像中也能取得很好的检测效果.     

动态环境中的分层强化学习

现有的强化学习方法都不能很好地处理动态环境中的学习问题,当环境变化时需要重新学习最优策略,若环境变化的时间间隔小于策略收敛时间,学习算法则不能收敛.本文在Option分层强化学习方法的基础上提出一种适应动态环境的分层强化学习方法,该方法利用学习的分层特性,仅关注分层任务子目标状态及当前Option内部环境状态的变化,将策略更新过程限制在规模较小的局部空间或维数较低的高层空间上,从而加快学习速度.以二维动态栅格空间内两点间最短路径规划为背景进行了仿真实验,实验结果表明,该方法策略学习速度明显高于以往的方法,且学习算法收敛性对环境变化频率的依赖性有所降低.     

无线Ad hoc网络MAC层吞吐量分析

MAC层吞吐量分析是无线Ad hoc网络容量分析的基础。对CSMA协议特别是IEEE802.11DCF协议建立了一个Markov链分析模型。分析得出状态间的转移概率,通过建立状态方程得出稳态概率的线性方程。通过数值方法得出稳态解,从而得到无线Ad hoc网络MAC层吞吐量,并与公认的网络容量分析结果做了比较。通过吞吐量与节点数及分组大小的关系曲线,为网络性能的优化提供了理论基础。     

基于矩阵谱分析的文本聚类集成算法

聚类集成技术可有效提高单聚类算法的精度和稳定性,其中的关键问题是如何根据不同的聚类成员组合为更好的聚类结果.文中引入谱聚类算法解决文本聚类集成问题,设计基于正则化拉普拉斯矩阵的谱算法(NLM-SA).该算法基于代数变换,通过求解小规模矩阵的特征值和特征向量间接获得正则化拉普拉斯矩阵的特征向量,并用于后续聚类.进一步研究谱聚类算法的关键思想,设计基于超边转移概率矩阵的谱算法(HTMSA).该算法通过求解超边的低维嵌入间接获得文本的低维嵌入,并用于后续K均值算法.在TREC和Reuters文本集上的实验结果验证NLMSA和HTMSA的有效性,它们都获得比其它基于图划分的集成算法更为优越的结果.HTMSA获得的结果比NLMSA略差,而时间和空间需求则比NLMSA低得多.     

一种基于堆栈存储的RFID防冲突算法

针对现有几种基于二进制搜索法的RFID防冲突算法没有同时考虑识别次数和传输位数这两方面性能,通过改进读写器识别电子标签过程中的步骤和减少读写器发送指令的位数,提出了基于堆栈的RFID动态减位防冲突算法。该算法利用堆栈记忆存储功能避免每次从树型根部识别,从而减少识别次数;并采用适当协议进一步缩减必需的指令信息位。仿真结果表明该算法在识别次数和传输位数方面相比其它几种二进制搜索法都有很大降低,在次数效率和位数效率性能上亦有较大提高,故该算法在识别完成时间和能量消耗方面相应得到较大改善。     

一种面向部分可重构系统的实时调度算法

针对当前可重构资源模型难以实现或资源利用率低等不足,提出一种新的资源模型。基于此模型,设计一种能够调度周期和非周期任务的混合实时任务调度算法。把周期任务分成若干组,在FPGA上为每组任务预留一个槽。当有非周期任务到达时,预先调度当前忙碌期内的所有周期任务,在保证当前忙碌期内周期任务满足截止期限且不影响下一个忙碌期内周期任务执行的情况下,把非周期任务调度到某个槽内执行。实验结果表明,该算法能够充分利用可重构资源,满足所有接收任务的截止期限。     

AUV心智逻辑*

为了表示和处理AUV（Autonomous Underwater Vehicle,自治水下机器人）的心智状态及心智活动,对Rao和Georgeff的BDI逻辑进行了拓展,定义了一种含模态词（信念、目标、能力、意图、上一次、下一次、曾经、将会、总有、总会）的一阶模态时态混合逻辑系统——AML（AUV心智逻辑）;基于Kripke可能世界语义模型给出了AML语义,构造了AML公理系统及演绎规则,并证明了AML的可靠性与完备性。AML为建造AUV心智模型提供了有力的表示和处理工具,弥补了Agent理论在机器人应用     

一种新的分层强化学习方法

提出一种集成Option和MAXQ的分层强化学习新方法——OMQ，该方法以MAXQ为基本框架利用先验知识对任务进行人工分层和在线学习，集成Option方法对难以预先细分的子任务进行自动分层。以出租车问题为背景对OMQ学习算法进行了仿真与对比分析，实验结果表明，在任务环境不完全可知条件下，OMQ比Option和MAXQ更适用。     

周期终止探测算法研究

在分布式环境中，周期性通信是安全节点间进行信息交换的主要方式。〖BP）〗针对以管理域为单元的集中式通信方案，提出了利用通信子树进行周期终止探测的算法。通过向各安全节点分配连续的、唯一的节点标识，并将标识嵌入到消息中，该算法可以利用求和公式实现通信终止判定。该算法简单而有效，算法复杂度达到最优。