环绕智能环境中的智能家庭网络结构及实现

研究环绕智能环境中的智能家庭网络结构,提出建立在应用服务层之上的环境感知知识库和基于软件无线电的自适应物理层研究思路。环境感知知识库包含网络以及用户的自身的、社会的以及精神等环境信息,提出基于Agent的主动移动数据库系统模型实现。基础网络层模型,提出结合软件无线电的思想,自适应控制物理层获悉的参数请求,优化物理层性能,对于智能终端设备及时感应自身以及与用户相关的环境信息,该思路突破了传统的0SI网络标准物理层及链路层的思路。     

环绕智能环境多模态数据融合技术研究

针对环绕智能环境中感知数据类型不同、格式多样问题,设计了基于XML的数据表示方法。其次,提出数据级和决策级相结合的数据融合架构,解决了环绕智能环境数据存在的异质、弱关联问题。最后,设计实现了基于加权自适应和模糊逻辑的数据融合算法,并应用于环绕智能环境监测,实验证明本技术可有效抑止传感器精度差异及噪声等因素导致的感知数据漂移问题,提高了系统决策的准确性。     

多智能体协同选择的智能导购模型

基于多智能体协同选择提出了一种导购选择模型,该模型可识别其他可信买方智能体(\"值得信赖的朋友\"),并将它们关于卖方的信息结合自身关于卖方的信息综合起来协同选择质高价低的卖方,从而实现高质量的导购性能。构建了一个存在多种类型的买方和卖方的购物模拟环境,并进行了多组实验。实验结果表明,该模型可以准确地识别可信买方智能体,并可在复杂的购物环境中高效地选择出优质卖方。此外,实验结果还表明,有了该模型,单个买方智能体选择优质卖方的能力要明显高于无多智能体协同选择情况下单个买方智能体的选择能力。     

基于环绕智能的智能家居控制系统研究

绕智能(AmI)的概念体现在技术上是计算系统的高嵌入性、智能性和移动性,具体表现形式为嵌入式计算智能、网络通信和多通道传感等技术的智能环境。智能家居控制系统作为AmI的主要支撑子系统之一,它主要用于实现用户通过手持设备或联网电脑对冰箱、微波炉、电视机、空调、灯具等家用电器的控制和实时获取被控制家电的必要信息。该文重点讨论了基于AmI的智能家居控制系统的实现功能和体系结构以及在设计中解决的关键问题。     

物联网环境下的终端控制智能响应方法

物联网环境下同一命题解决方案众多,如何从众多的方案中选择最佳方案变得非常困难。本文深入分析物联网环境下影响物联网环境下终端控制决策的特点,引入决策科学中的多属性决策,并根据物联网特点选用主客观组合赋值法确定物联网各属性的权值,选用几何加权平均（OWCM）算法对各种解决方案进行排序,即满足了不同用户的个性化需求,也不破坏物联网的整体属性,取得了良好的效果。     

一种混合QoS感知的Web服务选择方法

运行环境的开放性和动态性使得Web服务QoS具有内在的不确定性.为此,首先对QoS不确定性进行了分析,并分别采用实数、区间数和随机数对不同特性的Web服务QoS进行描述.然后,结合用户QoS需求约束,分别利用可能度和半方差理论实现区间数和随机变量的比较,将不确定昆合QoS感知的服务选择问题转化为确定型多属性决策问题,并利用TOPSIS(technique for order preference by similarityto ideal solution)方法进行求解.服务选择考虑了客观权重和主观权重.最后,通过实验验证了服务模型的有效性.     

一种在用户偏好不确定情况下的Web服务选择方法*

首先由用户对各个QoS属性的偏好给出语言描述及其不确定度;然后通过查找对照表将其换算成各个QoS属性的权重系数;最后使用QoS属性值和权重系数进行候选服务的综合评价,得到最接近满足用户不确定偏好的候选服务。模拟实验结果证明了该方法的有效性。     

基于用户策略的Web服务动态选择方法研究

目前的Web服务选择方法主要是服务关键词语义和属性匹配、运行性能最优评估,未能很好考虑用户对服务质量的个性化需求.对用户需求、服务质量进行模型描述,结合用户策略给出了一个服务评估和选择算法,该算法根据服务请求者的满意度对候选服务进行评估和选择.与已有的服务性能选择方法相比,该方法更能满足个性化需求.     

环绕智能研究综述

新一代的计算模式代替PC时代的计算模式是不可逆转的发展趋势,理解AmI的概念、应对AmI提出的技术与非技术挑战非常关键.首先讨论了环绕智能概念的起源,并比较了AmI概念与Ubiquitous Computing等相关概念的异同.然后综合分析了AmI领域的国内外研究现状,提出了一种针对AmI领域的研究内容的层次划分方法,并且讨论了AmI研究面临的技术挑战.随后,分析比较了世界IT强国针对AmI远景制定的工作计划,总结了AmI研究近期研究热点和未来发展趋势.     

基于混合QoS的大群用户服务选择

群体活动在日常生活中非常广泛,面向群体的信息服务提供是必需解决的问题。群体规模较大和混合数据类型QoS模型给Web服务选择带来巨大困难。基于混合QoS模型,借鉴多属性群决策理论,提出面向大群体用户的服务选择算法。包括5个步骤:群体偏好确定、族加权权重确定、构造族加权规格化决策矩阵、确定理想方案、计算贴进度。另外,还介绍了一种Web服务QoS模型,能够描述实数、区间数、直觉模糊数表示的QoS信息。实验数据表明,该算法能够很好地解决混合QoS模型的大规模群体用户的服务选择问题。     

基于声誉的多时段多属性供应链伙伴选择模型

为解决供应链合作过程中伙伴选择信任度低的问题,针对属性权重与时间权重未知的决策情况, 提出了一种基于声誉的多时段多属性供应链伙伴选择模型。模型引入三角模糊数来描述语言类评价信息,分别根据声誉属性间的关联和改进的时间衰减函数确定各时段的属性权重和各时段的时间常权,并将惩罚型变权方法引入模型时间权重设定中,使各时段的时间权重随各时段声誉状态值的变化而变化。算例分析结果表明,该模型有助于优选出声誉在各时段间较为均衡的供应链伙伴,同时具有较强的灵活性,可以适应不同的伙伴选择要求。     

结合信任机制和用户偏好的协同过滤推荐算法

仅凭相似度来定位邻居用户对传统协同过滤算法的性能有严重的负面影响。引入社会网络中的信任机制,从个体在社交圈中的主观信任和全局声誉角度出发建模。分别考虑用户交互、评分差和用户偏好调节生成直接信任度。利用声誉及专家信任优先模型聚合生成间接信任度,将两者动态加权形成用户之间的信任关系。用参数[η]协调信任和相似双属性,使用户关系更加紧密,有效地解决新用户和稀疏性问题。经实证,改良后的模型颇有成效。     

基于用户使用历史与信誉评价的Web API推荐

随着网络上发布的Web API服务越来越多,如何推荐给开发者用户感兴趣、信誉度高的Web API服务,以构建高质量高可信的软件服务系统,成为一个具有挑战性的研究问题。为此,提出一种基于用户使用历史与信誉评价的Web API服务推荐方法。计算用户使用历史记录与Web API之间的相似度,获得Web API的用户兴趣值。综合用户的Web API评分,调用Web API的Mashup服务的评价贡献和Alexa统计的Web API访问流量,获得Web API的信誉评价值。根据Web API的用户兴趣值以及信誉评价值,实现Web API的排名与推荐。实验结果表明,该方法推荐的Web API用户兴趣度DCG值高于SR-Based方法,服务信誉度DCG值高于UI-Based方法。     

基于信息熵的模糊多属性决策供应商选择方法

提出了一种针对供应商选择最优决策问题的基于信息熵的模糊多属性决策方法。针对供应商的多属性决策问题,确定属性集,利用信息熵求出各属性权重,运用模糊数排序方法对方案的模糊效用值进行排序,以确定最优方案。最后以某企业为例做了实例分析,将此方法应用于对这五个供应商进行评分排序,并从中选择出最为合适的供应商,表明此方法行之有效。     

声望模型中一种动态选择遗忘因子的方法

针对目前声望模型中单一的遗忘因子无法准确地跟踪动态变化的声望值的问题,提出了一种以降低总误差为目标的动态选择遗忘因子的方法。该方法首先分析了不同的遗忘因子对总误差的影响,然后以声望值的变化程度为依据,在变化较为剧烈时选择较大的遗忘因子以快速体现变化,在变化较小时选择较小的遗忘因子以减小随机误差。仿真结果表明：该方法是行之有效的。     

面向可信服务选取的基于声誉的推荐者发现方法

为了满足开放系统的高度动态性,特别是系统在线演化对服务评估高效性提出的要求,提出了一种基于声誉的推荐者发现方法,首先引入一个相关因子量化不同上下文中的推荐信任关系,得到信任可传递空间,然后应用信任子网分割算法得到评估发起者的可信推荐者群,最后通过主体群内的信任传递与迭代计算,确定具有高声誉值的推荐信息源.初步实验结果表明,该方法有助于在保证推荐信息准确性基础上减少信息收集中的网络资源消耗,从而有效提高可信服务评估的效率.     

Constructing and Utilizing a Model of User Preferences in Collaborative Consultation Dialogues

A natural language collaborative consultation system must take user preferences into account. A model of user preferences allows a system to appropriately evaluate alternatives using criteria of importance to the user. Additionally, decision research suggests both that an accurate model of user preferences could enable the system to improve a user's decision-making by ensuring that all important alternatives are considered, and that such a model of user preferences must be built dynamically by observing the user's actions during the decision-making process. This paper presents two strategies: one for dynamically recognizing user preferences during the course of a collaborative planning dialogue and the other for exploiting the model of user preferences to detect suboptimal solutions and suggest better alternatives. Our recognition strategy utilizes not only the utterances themselves but also characteristics of the dialogue in developing a model of user preferences. Our generation strategy takes into account both the strength of a preference and the closeness of a potential match in evaluating actions in the user's plan and suggesting better alternatives. By modeling and utilizing user preferences, our system is able to fulfill its role as a collaborative agent.