针对现有的工业大型设备远程监测系统中Web客户端存在的实时性差和代码复用率低的问题,提出基于Ajax的Observer模式Web客户端构建方案。利用Ajax技术解决监测系统中客户端图形显示的实时性问题,并与Observer设计模式相结合,提高了代码复用率,降低了模块之间的耦合性。通过演示系统程序完整地验证了该方法的可行性。
工艺参数间的非线性耦合关系,给生产过程的状态识别带来了很大的困难。为此,引入新的核映射准则,利用梯度优化方法选取核参数,并采用核Fisher方法进行降维处理,实现对生产状态在可视平面上的逐层多故障分类,完成对当前生产过程的状态诊断。利用TE数据进行实验验证,结果表明,与核主成分分析方法相比,该方法可以得到更加准确的诊断结果。
在研究基于Web服务架构的动态虚拟企业理论基础上,提出一种支持企业扩展QoS约束和大规模的动态虚拟企业合作伙伴选择模型,对传统QoS进行扩展,利用QoS监控系统对企业扩展QoS进行实时监控和处理,给出该模型下的伙伴选择流程,并分析伙伴选择实现中的关键问题。对模型性能进行评价,实验结果表明了模型的合理性和可行性。
针对无线视频传输中如何对多个场景实现实时监控的问题,提出一种无线多路视频流传输调度的协议模型。该协议模型主要包括视频传输起始阶段通信双方的确立方式、基于连接状态的多路视频传输调度以及通信数据流的加密控制方法。该模型适用于任何面向IP网络的无线多路视频传输,已在基于窄带CDMA1x网络的无线视频传输系统中取得了良好的应用效果。
Pre-FUFP算法基于次频繁项的概念有效处理了频繁模式树的更新,但当有次频繁项变成频繁项时,需要判定原数据库中哪些事务包含该数据项。为此,通过引入次频繁项对应原事务标识符的索引确定需要处理原数据库的事务,减少这一过程所消耗的时间,并用基于压缩FP-tree和矩阵技术代替原始FP-growth挖掘出频繁模式。实验证明该算法在时间效率上较Pre-FUFP有大幅度提高。
构件演化前后的交互行为执行序列不一致,会导致系统行为偏离系统的功能目标。针对该问题,基于进程代数描述构件间的交互行为,归纳交互行为一致性的定义,给出交互行为一致性所需满足的约束条件,提出一种保证交互行为一致性的方法。实例分析结果证明了该方法的可行性和正确性。
构件组合的一致性验证和冗余行为的去除是基于构件的软件开发领域的重要问题。基于此,通过把组合接口自动机看作从初始状态出发,经过由2个构件的交替动作重新回到初始状态的过程,用更直观的方法表示构件组合中的非法状态。以场景规范的形式化方法为基础,利用接口自动机的过程性质给出构件组合的一致性检查的算法及去除冗余行为的方法。
哈萨克语作为新疆少数民族语言之一,其词频统计作为自然语言处理的基础性课题,成为需要迫切解决的问题。基于此,介绍Zapf 定律及哈萨克语词频统计之间的联系。对连续输入哈萨克语字符串进行切分,再输入切分后的哈萨克语词串,由此得到哈萨克语词典。在词典中存储词形不同的哈语词组,以及这些词组出现的频率,并进行哈萨克语的统计实验,结果说明哈萨克语词频之间存在内在联系,同时验证哈萨克词频符合Zapf 的幂率定律。
在不含决策属性的区间序信息系统中,区间偏序关系的不完备性造成信息流失。针对该问题,提出一种新的基于区间模糊数的区间序全序关系,以此建立区间序信息系统,并分析其相关上、下近似的单调性和包含性。采用不可区分函数的方法,给出区间序信息系统的属性约简算法,并通过算例验证了该算法的有效性。
固态硬盘的高性能在现有数据库系统中未能获得提升,针对该问题,提出一种连接算法,基于列存储模式,对闪存数据库连接查询进行优化。算法充分利用列存储的存储粒度小和固态硬盘高速随机读的优点,有效克服与闪存的不匹配问题。实验结果表明,与原算法相比,该算法在不同选择率和不同内存条件下的查询时间较少。
为解决网络拥塞问题,提出一种基于禁忌遗传优化的网络拥塞控制算法TSGA。该算法将禁忌搜索和遗传算法相结合,以网络资源消耗最小化和网络负载均衡分布为目标,建立多约束QoS路由优化数学模型。仿真实验结果证明,该算法可实现网络拥塞控制,有效提高网络性能。
在研究接收信号强度指示(RSSI)定位和支持向量机分类(SVC)的基础上,提出无线传感器网络(WSN)节点定位算法。将WSN室内定位问题看作以节点RSSI值为特征量的多分类问题,将节点RSSI值转化为节点位置,利用SVC良好的泛化能力,实现符号定位和物理定位,达到较高的定位精度。实验结果表明,该算法的符号定位效果较好,当锚节点密度为20%时,可使98.19%的节点正确定位。
动态集群配置中的调节方式大多基于特定的物理实验模型而非数学模型描述。针对上述问题,提出基于预测的动态集群配置策略,根据网络中服务请求的历史信息,采用最小均方误差预测未来时刻服务请求情况,根据负载请求与集群处理能力决定服务器规模的增减,动态调节服务器集群中计算机的开启与关断。实验结果证明了该调度策略的可行性和优越性。
设计具有带宽约束的网络控制器,采用带时倚强度的泊松过程形成随机通信逻辑调度策略,实现系统状态的有限次更新,根据其马尔科夫跳变本质,基于更新时刻特性,协同设计控制器。仿真结果表明,引入随机通信逻辑能减少状态更新的次数,降低网络带宽对控制性能的影响,提高系统的动态性能。
网络编码对注入网络的污染数据攻击具有固有的脆弱性,针对该问题,讨论2种分别基于同态哈希函数和线性空间签名来检测随机线性网络编码中污染数据的方案,推导同态哈希函数的一般形式并证明方案的正确性。对比分析2种方案在不同数据分块大小情况下的计算开销和荷载效率,并给出一种新的组合检测方案。
针对GIF图像的编码特点,提出退化和保密2种模式下的图像选择加密算法。对于退化模式,采用子集内置乱索引的方法实现对图像退化的可视度控制,对于保密模式,通过加密较少数据实现对整个图像的保护。分析结果表明,该算法在满足GIF图像安全性和格式兼容性要求的同时,使其压缩率保持不变。
根据常用隐写算法Outguess、F5、Steghide对JPEG图像量化DCT系数首位数字直方图和独立直方图的改变,提出一种JPEG图像隐秘检测算法。该算法提取JPEG图像量化DCT系数首位数字直方图和独立直方图作为图像特征,共144维,并采用Fisher分类器进行识别。实验结果证明,该算法检测率高、适用性好。
在Ad hoc网络中,组密钥管理是安全核心问题。针对Ad hoc网络的特点,提出一种适用于大型群组的分级组密钥管理方案。把STR分级树状结构运用在分布式子组管理模式中,将分层型与周期型密钥管理相结合,降低密钥管理所产生的通信量与计算量。实验结果表明,该方案具有良好的可扩展性,可在大型的Ad hoc网络中成功应用。
分析周敏等人提出的一种无证书可验证加密签名方案(计算机科学, 2009年第8期),指出该方案不能抵抗公钥替换攻击,不满足可验证加密签名的2个基本安全属性:不可伪造性和可提取性。此外,该方案还存在密钥托管问题,不具备无证书公钥密码系统的优点。
在基于双线性对的代理签名方案中,对运算最为耗时,应尽量减少对运算的次数。为此,提出一种新的基于双线性对的代理签名方案,其安全性基于离散对数问题的难解性和计算Diffie-Hellman问题的困难性。安全性分析结果表明,该方案安全有效,能抵抗强伪造攻击,满足强代理签名的性质。与其他类似方案相比,具有更高的计算效率。
基于社会规则和非结构化P2P网络的拓扑特性,提出一个用于非结构化P2P网络的信任管理方案,给出评价信息的分布式存储方案和信任度的计算、更新、搜索方法。该方法的计算复杂度和报文通信量较低。仿真实验结果表明,该信任机制能有效抵制非结构化网络中恶意节点的攻击。
提出一种基于同构径向基函数(RBF)网络的视差图像分治重建方法,通过可调域值和边缘检测完成视差图像的区域分割,在每个区域内采用RBF神经网络进行重建,将各个区域进行拼接,得到最终的重建结果。在不同区域运用RBF进行重建时根据各区域结构特征的繁简用不同分辨率的数据进行训练。实验结果表明,该方法可以获得高质量的重建结果。
提出一种基于行为能量图像(AEI)和双向二维主成分分析((2D)2PCA)的行为分类算法解决行为分类问题。该算法利用AEI作为识别特征,无需运动周期的分割,运用(2D)2PCA对特征空间降维,用最近邻方法分类。实验结果表明,该算法能以较少的运行时间获得较高的分类准确率。
普通遗传进化算法在解决模型拟合问题中,建模与优化顺序结构时优化效果有限、拟合速度慢、稳定性低。针对上述问题,提出基于协同进化遗传算法的模型拟合算法。该算法将建模与优化问题抽象成多种群间协同进化,通过种群间整体的适应度值交换,将种群关联起来,扩大智能算法建模过程中参数优化的时空作用范围。各种群间含有不同基因表达,在解决局部问题时具有自包含性,有利于更好地发挥各智能算法(遗传算法、遗传规划)的优势。实验结果表明,该算法的稳定性和收敛速度优于传统遗传进化算法。
针对动态环境问题,提出一种具有自学习功能的对称粒子群算法(SymPSO)。该算法提出利用静态粒子群检测环境的变化,并基于对称粒子思想,在不增加运算量的前提下生成多个对称虚拟粒子群,扩大了种群搜索能力。为保证算法尽快逃离局部最优,给出广域学习策略,用以提高粒子的自学习能力。基于DF1环境下的仿真对比试验表明,SymPSO算法能快速跟踪最优值变化及迅速跳出局部最优,证实了其有效性。
为辅助运动员训练,建立一个基于双目立体视觉的人体运动仿真系统。使用无标记的动作捕获算法,获取人体关节点在图像上的像素坐标。根据双目立体视觉的原理,计算出人体关节点的世界坐标,建立三维人体模型。通过求解能量函数的最优问题,优化人体模型,并仿真人体运动。实验结果表明,该系统能够较精确地完成动作捕获及运动仿真。
针对不平衡数据学习问题,提出一种采用渐进学习方式的分类算法。根据属性值域分布,逐步添加合成少数类样例,并在阶段分类器出现误分时,及时删除被误分的合成样例。当数据达到预期的平衡程度时,用原始数据和合成数据训练学习算法,得到最终分类器。实验结果表明,该算法优于C4.5算法,并在多数数据集上优于SMOTEBoost和DataBoost-IM。
属性的选择和评价是知识基系统设计中的重要任务和影响系统性能优劣的关键因素。为此,利用遗传算法的遗传算子搜索机制和相关性分析的启发式作为评价机制,提出一种新颖的属性选择策略,用于从属性集中选择给定案例最优的属性子集。实验结果表明,该方法可以确定与分类和预测最相关的属性子集,同时在几乎不降低分类准确性的情况下,极大地减小属性的表示空间。