摘要:可满足性表示和推理方法是面向目标需求工程领域的重要研究内容.根据从连续定量论域抽取定性概念过程中的主观认知的不确定性特点,提出了一种基于云模型的目标可满足性表示模型.作为定性概念与其定量论域间的不确定性转换模型,云模型能够把主观认知的模糊性和随机性集成在一起,兼顾可满足性定性表示的语义明确性和定量表示的精确性,较好地实现可满足性定性、定量统一表示.在此基础上,设计了一种基于OWA(ordered weighted aggregation)算子核心思想的目标可满足性推理方法,该方法避免了纯逻辑推理过于“偏执”的推理结果.同时,父目标满足程度介于子目标可满足性的最小和最大值之间,较好地反映出了人类一般思维的特点.采用定理证明和对比实验的方式,对推理方法的特点进行分析.最后进行总结,并指出进一步的研究方向.

摘要:自适应系统具有环境开放性、变化敏感性、系统动态性等复杂性特点,如何支持这类复杂系统的开发和维护是目前软件工程关注的焦点.将自适应系统中的自主运行单元抽象为软件Agent,借助组织学思想提出了支持自适应系统运行的动态绑定机制,设计了表述Agent 如何适应环境变化的自适应策略描述语言SADL(self-adaptive strategy description language),开发了SADL 的编译器和运行支撑环境.该方法将复杂自适应系统的自适应逻辑和业务逻辑相分离,通过SADL 语言显式地描述系统的自适应特征,从而简化了复杂自适应系统的开发和维护.通过案例分析,阐述了如何基于上述方法来进行复杂自适应系统的开发,验证了方法的有效性.

摘要:多Agent 协作过程中的许多挑战都可以建模为分布式约束优化问题.针对低约束密度的分布式约束优化问题,提出了一种基于贪婪和回跳思想的求解算法.在该算法中,各Agent 基于贪婪原则进行决策,能够利用低约束密度问题中大量赋值组合代价为0 这一特点来加快求解速度.同时,Agent 间的回跳机制可以在贪婪原则陷入局部最优时保证算法的完全性.相对于已有主流算法,该算法可以在保持多项式级别的消息长度/空间复杂度的前提下,以较少的消息数目求解低约束密度的分布式约束优化问题.给出了算法关键机制的正确性证明,并通过实验验证了算法的上述性能优势.

摘要:混成自动机的模型检验问题非常困难,即使是其中相对简单的一个子类——线性混成自动机,它的可达性问题仍然是不可判定的.现有的相关工具大都使用多面体计算来判定线性混成自动机状态空间的可达集,复杂度高、效率低,无法解决实际应用规模的问题.描述了一个面向线性混成系统有界可达性模型检验工具——BACH(bounded reachability checker),该工具能够沿指定路径(组)对单个线性混成自动机、多个线性混成自动机的组合进行可达性检验,并且在此基础上结合路径遍历技术完成对所有路径的有界可达性检验.实验数据显示,BACH 不仅在面向路径可达性检验方面性能优异,可以适用于足够长度的路径,而且在针对所有路径的有界可达性检验时,BACH 可以解决的问题规模也远远超过同类工具,已接近工业界应用的要求.

摘要:UML 2.0 顺序图已广泛应用于业界,但其语义模糊,以至于不能有效地加以使用.模态顺序图(modal sequence diagram,简称MSD)是对UML 2.0 顺序图的模态扩展,区分了强制场景(用universal MSD 表示,简称uMSD)和可能场景(用existential MSD 表示,简称eMSD).其中,uMSD 具有较强的表达能力,能够用于表示并发系统的时态性质,故主要工作围绕uMSD 展开.为了使uMSD 用于形式化分析、验证和监控,给出基于自动机的uMSD 语义解释,并给出各种操作符的算法,用性质规约模式度量uMSD 的表达能力.最后进行了实例研究,并讨论了其应用前景.

摘要:知识不仅是构成人类认知能力的重要基石,也是智能科学研究的基础问题之一.随着智能科学技术研究的发展,知识的不确定性研究受到人们的普遍关注.知识的不确定性来源于知识本身的不确定性以及受外界(客观世界)影响而导致的不确定性.从粒计算模型的角度分析了模糊集理论模型、粗糙集理论模型、商空间理论模型以及其他扩展粒计算模型中知识的不确定性问题,并对知识不确定性问题的研究工作进行了讨论和总结,对有待研究的重要问题进行了展望.

摘要:在粒子群优化算法中,粒子如何合理地利用自身经验信息和群体共享信息的问题一直未能有效解决.针对这一问题,基于认知论的观点,对速度更新公式中的随机因子进行了分析,建立了粒子对自身经验信息和群体共享信息认知的内在联系,提出了相关性粒子群优化模型.该模型采用Copula 函数去刻画随机因子间的相关结构,而不同的相关结构和相关性程度反映了粒子对自身经验信息和群体共享信息的利用策略的差异,同时给出了基于Gaussian Copula 的相关性粒子群优化模型的实现方法.理论上给出了随机因子间相关程度与群体多样性的关系式,表明了当随机因子间正线性相关时有利于维持群体的多样性.证明了随机因子间相关程度与算法收敛性的关系,同时给出了相关性粒子群优化模型的收敛条件.仿真实验结果表明,随机因子间相关程度的水平设置对模型的优化性能有非常显著的影响,当粒子的自身经验信息和群体共享信息被同等利用时,模型表现出优良的整体性能.

摘要:选择性集成通过选择部分基分类器参与集成,从而提高集成分类器的泛化能力,降低预测开销.但已有的选择性集成算法普遍耗时较长,将数据挖掘的技术应用于选择性集成,提出一种基于FP-Tree(frequent pattern tree)的快速选择性集成算法:CPM-EP(coverage based pattern mining for ensemble pruning).该算法将基分类器对校验样本集的分类结果组织成一个事务数据库,从而使选择性集成问题可转化为对事务数据集的处理问题.针对所有可能的集成分类器大小,CPM-EP 算法首先得到一个精简的事务数据库,并创建一棵FP-Tree 树保存其内容;然后,基于该FP-Tree 获得相应大小的集成分类器.在获得的所有集成分类器中,对校验样本集预测精度最高的集成分类器即为算法的输出.实验结果表明,CPM-EP 算法以很低的计算开销获得优越的泛化能力,其分类器选择时间约为GASEN 的1/19 以及Forward-Selection 的1/8,其泛化能力显著优于参与比较的其他方法,而且产生的集成分类器具有较少的基分类器.

摘要:覆盖网是各种数据分发应用的基础架构.在节点波动的网络环境中实现快速而准确的数据分发,对覆盖网提出了两个要求:高效的数据路由;较强的系统鲁棒性.已有的覆盖网构建方法多侧重于某个方面的优化,因而未能充分权衡数据路由效率与系统鲁棒性.提出了一种混合式数据分发覆盖网——Laurel.Laurel 通过簇间多重结构化拓扑与簇内非结构化拓扑的结合,实现了路由效率与鲁棒性的高效折衷,并通过簇动态创建、退出以及负载平衡机制增强了对动态变化环境的适应能力.实验结果表明,相对于已有方法,Laurel 即使在节点频繁波动的网络环境中也能快速而准确地分发数据,并且具有较好的负载平衡效果.

摘要:由于无线频谱是极为有限的资源,呼叫接纳控制(call admission control,简称CAC)成为移动通信系统中无线资源管理的一个重要部分.针对流媒体对接入资源的过度占用问题,提出了一种基于合作博弈理论的CAC 策略,博弈方是处于服务状态的业务和申请接入的新业务,基站是保证协议强制执行的外在力量,基站选择效用和最大的策略组作为博弈过程的最终结果.仿真结果表明,所提策略有效缓解了流媒体业务对资源的捕获效应,保证了用户接入的公平性,对于实际系统性能的改善具有重要的意义.

摘要:P2P 网络中的节点很可能从另外的节点那里收到质量很差的服务和信息,名誉评价是解决该问题的常见方法.基于评分反馈的P2P 名誉计算机制存在下述缺点:无法区分恶意评价和诚实节点给出错误评价间的差别;需要对评分可信度进行二次评价,使名誉计算速度减慢;用数字来表示节点名誉的方式不够自然.实际上,名誉评价的用途是确定节点可信度的相对顺序.因此,提出了一种基于排名反馈的P2P 名誉评价机制RbRf(reputation based ranking feedback).针对RbRf 和其上的恶意攻击进行了数学建模和理论分析,结果表明,RbRf 中非恶意错误的影响随排名反馈的数量指数而衰减;一般恶意攻击对RbRf 的影响随排名反馈数量的多项式而减小;对于有意设计的共谋攻击,由于必须给RbRf 引入正确信息而导致了恶意攻击被有效中和.因此,RbRf 不仅由于不再反馈打分信息而不存在评分反馈引起的名誉评价问题(如不需要对反馈信息的可信度进行二次评价),而且具有更好的抵抗恶意攻击的能力.仿真实验验证了理论分析的结果.

摘要:为了检测针对3G 核心网中IP 多媒体子系统的SIP(session initiation protocol)洪泛攻击,提出了一种双抽样多点检测方法.该方法在使用计数式布鲁姆过滤器统计检测特征信息的基础上,将检测空间划分为5 个范围,即正常范围、关注范围、检测范围、精检测范围和攻击范围,然后对落在不同范围内的统计信息给予相应的检测.仿真实验结果表明,该方法具有较好的检测性能.

摘要:非结构化P2P 网络资源定位过程中的查询延迟、查准率和查询成本难以同时被优化,为此,提出一种基于副本复制和Bloom Filter 技术的P2P 概率路由算法DCBF(data copying and Bloom Filter).DCBF 基于有向随机网络,对资源对象进行少量的复制,并将各个副本随机路由给网络中的节点;接收副本的节点,以分布式衰减Bloom Filter 向邻近节点传递副本的成员资格信息.理论分析和实验结果均表明,DCBF 仅需复制少量的副本,通过以分布式衰减Bloom Filter 传递副本的成员资格信息,使得网络中的绝大多数节点能够感知到副本的成员资格信息,从而使得各个节点能够以极低的查询代价,在较低的路由延迟范围内,高概率地将查询路由到目标节点.

摘要:标量乘和多标量乘是实现椭圆曲线密码体制的核心运算,其运算速度从整体上决定了椭圆曲线密码体制的实现效率.提出了一种多标量乘算法,该算法的基本思想是,将标量用带符号的整数阶乘展开式表示,并结合固定基窗口标量乘算法,使得实现多标量乘算法只需做点加运算即可.这不仅突破了传统求多标量乘算法的模式,而且提高了多标量乘的计算速度.同时,还对算法正确性和复杂度进行了分析.由实验结果可知,在m=2 的情况下,该算法在计算效率上比已有的多标量乘算法提高了约47.8%~56.5%.

摘要:图像收缩是缩小高分辨率图像以适应不同纵横比小尺寸显示屏幕的过程,关键是收缩后能够凸显图像重要区域,保持连续,避免扭曲.提出一种新的图像收缩方法,该方法首先基于能量失真约束,迭代收缩覆盖图像的四边形网格至目标大小,然后映射,插值目标网格实现图像收缩.能量失真反映了对重要区域的凸显程度、结构的保持效果以及扭曲避免情况,失真越小,目标图像越理想.在该约束下,构成网格的子四边形非均匀收缩,重要度大的收缩小.为准确计算子四边形的重要度,根据图像显著度和边缘构建反映图像重要度的Hot-Target 图.最后,通过保持图像直线边,称为特征边缘,避免非均匀收缩引起的边缘扭曲.为提高效率,降低复杂度,该方法由迭代求解线性方程实现.实验结果验证了方法的有效性.

摘要:由于语义鸿沟的存在,图像自动标注已成为一个重要课题.在概率潜语义分析的基础上,提出了一种融合语义主题的方法以进行图像的标注和检索.首先,为了更准确地建模训练数据,将每幅图像的视觉特征表示为一个视觉“词袋”;然后设计一个概率模型分别从视觉模态和文本模态中捕获潜在语义主题,并提出一种自适应的不对称学习方法融合两种语义主题.对于每个图像文档,它在各个模态上的主题分布通过加权进行融合,而权值由该文档的视觉词分布的熵值来确定.于是,融合之后的概率模型适当地关联了视觉模态和文本模态的信息,因此能够很好地预测未知图像的语义标注.在一个通用的Corel 图像数据集上,将提出的方法与几种前沿的图像标注方法进行了比较.实验结果表明,该方法具有更好的标注和检索性能.

摘要:提出了一种直接从同一场景多次不同曝光值下成像的LDR(low dynamic range)图像序列中提取每个像素位置最佳成像信息的图像融合方法,可以在无需任何拍摄相机参数及场景先验信息的情况下,快速合成适合在常规设备上显示的HDR(high dynamic range)图像.该方法利用特殊设计的鲁棒性曲线拟合算法建立LDR 图像序列中每个像素位置像素值曲线的数学模型,并由此给出评价单个像素成像时曝光合适程度的标准和融合最佳成像像素信息的方法.对不同场景的大量实验结果显示,该方法的计算结果与传统HDR 成像技术经过复杂的HDR 重建和色调映射计算后得到的结果相当,但具有更高的计算效率,并同时对图像噪声、相机微小移动和运动目标的影响具有较好的鲁棒性.

摘要:传统的二维DCT(discrete cosine transform)无法稀疏表示除水平或垂直方向以外的边缘,而具有强方向表示能力的方向预测离散余弦变换(directional prediction DCT,简称DPDCT)计算复杂度又过高.针对这些问题,提出了一种快速方向离散余弦变换(fast directional discrete cosine transform,简称FDDCT).该算法沿给定的方向模式进行变换,避免了DPDCT 中的插值运算,可以快速、稀疏地表示图像中各向异性边缘信息.此外,FDDCT 通过设计块边界提升,在进一步集中边缘能量的同时保证了算法的完全重构.实验结果表明,FDDCT 计算复杂度不超过DCT 的1.4 倍;采用同样的编码方法,基于FDDCT 的压缩图像与基于DCT 以及DPDCT 的压缩图像相比,峰值信噪比可提高0.4dB ~1.6dB,而且边缘细节更加清晰、完整.