基于agent的模式表示模型AIM

针对模式表示研究存在的语义缺失问题,基于agent技术和人的记忆原理,提出一个新的模式表示模型agent影响图(agent influence map,AIM)。AIM反映了模式的整体特征,提供一个有效的软计算工具来支持基于先验知识的自适应行为。AIM通过特征的多阶段整合呈现记忆模式的层次性;把模式信息存储在整个网络中,通过协作涌现出高层次特征体现记忆的语义特性。     

网络敏感信息自适应多重过滤模型研究

敏感信息过滤是既重要又复杂的任务.针对当前一些敏感信息过滤模型所存在的时间滞后、准确性低、自适应性差等问题,提出了一个敏感信息自适应多重过滤模型.该模型以互联网中文文本媒体为研究对象,采用意见挖据、机器学习、高性能计算和自然语言处理等技术,从整体和语义角度自适应识别敏感信息.对敏感信息自适应多重过滤模型的研究将为舆情监控、商业智能、辅助决策等应用系统开发提供技术支持.     

基于知识图的观点句识别算法研究

针对观点句的特点提出了适合观点句识别的特征抽取规则.在此基础上,融合图论中最小割原理和机器学习分类方法,引入知识图的概念,并提出了基于知识图的观点句识别算法.以公开评测语料、自建语料和开放语料进行了相关实验,结果表明:基于知识图的观点句识别算法的分类性能和稳定性有明显优势.     

基于Agent图的三级多Agent系统组织模型

多Agent系统的组织结构是Agent个体之间交互的框架。对分布式多Agent系统的组织方式、协作机制进行了简要讨论,提出了Agent域及Agent图的概念。根据不同Agent之间的地理位置和通信代价,由Agent个体、Agent组及Agent域三级组织结构形成一个Agent图,并借鉴计算机网络的分布式自适应路由选择策略进行多Agent系统的协作组织。分析表明,该模型具有高效、健壮、通信开销较小等优点。     

基于权值的骨架修剪算法

针对传统骨架提取算法中出现影响骨架识别的毛刺问题,特别是其中对物体形状的描述会产生很大影响的绷带骨架,在骨架的权值的基础上提出了一种新的骨架修剪算法.算法的核心是通过距离变换获取骨架权值并在骨架修剪过程中把表征骨架重要性的权值作为骨架分支是否被去除的依据.实验结果表明,作为目标骨架表示和识别的预处理手段,基于权值的骨架修剪算法能使骨架更能准确的反应目标物体的稳定结构.     

基于多兴趣Agent的信息检索模型的研究

基于agent的信息检索系统在海量网络信息检索中已经得到广泛的应用.提出了一个基于多兴趣agent新的信息检索模型,该模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量.实验表明,模型在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的单兴趣Agent检索系统IRHOIA有一定的改善.     

Agent是系统从无序到有序的序参量

Event,object,entity,agent sound just like computer,in particle,agent is the loundation of AI and basic unit of MAS,MAS has been applying in many fields,it shows broad promise,what is an a gent?how is relation amount agent,Event,object,entity?they haven’t conunon recognition,we think that agent is order-parameter which made system become order from no-order state.     

面向Agent编程—编程技术的一次飞跃

一、引言冯·诺依曼的“存储程序,程序控制”思想,使人们看到了用计算机模拟人的智能行为成为可能,1958年H.A.Simon和A.Newell对AI的一些乐观的十年估计,除了计算机下棋的目标比较接近外,其它的一些预测,直到今天还是预言,为了AI的目标,编程技术已经走过了两个阶段,面向规则的编程和面向对象编程。     

基于Agent的模式识别框架APRF的研究

模式识别过程就是对输入模式的分类过程,类是模式的本质,一般认为特征向量是模式的概括,基于这一认识,使得计算机准确地识别模式为某一类是困难的,问题在于人类的识别活动从不基于什么概括的特征向量,而是基于对输入模式的某一侧面的认识,然后利用相似、融合、协同进行识别.这一机制与Agent的工作原理极其相似,通过分析概括模式对模式识别所带来的困难,基于协同学中序参量的概念,给出了基于Agent的模式识别框架APRF（agent orientation patten recognition frame）.