球隙迁移算法实现全局优化
摘要：给出一种新的优化算法：球隙迁移法．该方法不是已有方法的融合或改进，它利用搜索过程中积累的极小点分布信息形成球隙，以此启发、指导后来的搜索区域，不但逃离了当前局部极小，还能有效地避免重复历史上的多个局部极小．目前的智能算法中，勘探和开采行为相耦合，球隙法实现了勘探与开采的分离，避免了相互干扰，减小了代价，对变量耦合对象的优化效果好．文中证明了球隙法能在有限计算次数内确定地找到连续函数的全局最优．一种新的不平衡数据学习算法PCBoost
摘要：现实世界中广泛存在不平衡数据，其分类问题是机器学习研究中的一个热点．多数传统分类算法假定类分布平衡或误分类代价均衡，在处理不平衡数据时，效果不够理想．文中提出一种不平衡数据分类算法一PCBoost．算法以信息增益率为分裂准则构建决策树，作为弱分类器．在每次迭代初始，利用数据合成方法添加合成的少数类样例，平衡训练信息；在子分类器形成后，修正“扰动”，删除未被正确分类的合成样例．文中讨论了数据合成方法，给出了训练误差界的理论分析，并分析了集成学习参数的选择．实验结果表明，PCBoost算法具有处理不平衡数据分类问题的优势．基于标识变化的时空推理
摘要：空间变化是空间信息处理中的热点问题，标识变化是空间变化的关键问题之一．但是现有工作侧重表达，知识推理能力较弱．为此，研究了基于标识变化的时空推理问题．给出了基于多段图和集合论的标识变化形式化语义，在此基础上定义了二元关系模型．针对基本关系约束满足问题，提出了构造性求解算法，并证明了代数封闭算法可解；针对全关系约束满足问题，提出了一致场景算法．理论分析和实验应用均表明该方法能有效解决信息不完整、不准确情况下的标识变化表示与推理问题，对此类问题其它同类模型尚不能很好解决．基于流映射的负载均衡调度算法研究
摘要：网络管理者需要能够提供可扩展性、吞吐率保证及报文顺序的高性能路由器体系结构．目前基于Crossbar的集中式路由器体系结构难以实现性能和规模的可扩展，基于两级Mesh网络的负载均衡交换结构成为扩展Internet路由器容量的有效的途径．负载均衡路由器存在严重的报文乱序现象，输出端报文重定序复杂度为O（N22）．文中提出一种区域均等的负载均衡交换结构，每k个连续的中间级输入端VI划分为一个区域，输入端采用基于流映射的负载分配算法UFFS—k（UniformFine—grainFrameSpreading，k为聚合粒度，简称UFFS—k），在k个连续的外部时间槽，以细粒度的方式将同一条流的^个信元分派到固定的映射区域，通过理论证明，该调度策略可获得100％吞吐率并能够保证报文的顺序．为避免流量区域集中现象，采用双循环（dual—rotation）方式构建不同输入端口的流到区域的映射关系；为实现负载在中间级输入端口的均衡分布，每个输人端口维护全局统一视图的流量分布矩阵，UFFS—k调度算法根据流量分布矩阵调度单位帧，可以证明，对任意输出端口j，同一区域OQ,队列长度相同且不同区域OQ，队列长度至多差1，从而实现了100％负载均衡度．UFFS—k调度算法分布于每个输入端口独立执行，根据流到区域的映射关系及负载分布状态分派信元，模拟结果显示，当聚合粒度k-2时，UFFS—k算法在同类维序算法中表现出最优延迟性能．一种适用于具有相互依赖基本事件和重复事件的动态故障树独立模块识别方法
摘要：为减小时间开销，动态故障树经常被模块化分解为独立的静态子树和独立的动态子树，然后分别使用二叉决策图和马尔卡夫模型求解；其中的一个关键问题便是识别具有相互依赖基本事件和重复事件的动态故障树中所有的独立模块和最小独立模块．文中提出了一个基于亲戚依赖关系的独立模块识别方法IIMKDR，该方法将故障树按照其事件之间的依赖关系转换为依赖树；基于面向对象思想，为依赖树及其节点构建对象；通过对各节点对象属性的分析，得出独立模块集并进而求出最小独立模块集．最后对IIMKDR方法进行了理论分析和实验验证，分析表明该方法适用于具有相互依赖基本事件和重复事件的动态故障树独立模块识别．与其它方法从多个角度所进行的实验对比显示，当故障树没有相互依赖基本事件和重复事件时，该方法的开销略高于其它方法；当故障树具有相互依赖基本事件和重复事件时，该方法能够正确识别其中所有的独立模块，而其它方法不具备这样的功能．一种提高时序安全属性静态检测实用性的方法
摘要：程序时序安全属性可以用有限状态自动机（FSM）来描述，对该属性的静态检测是当前研究的热点之一．该文提出了FSM切片技术，以需求驱动的模式抽取出关于时序安全属性等价的程序切片．该切片使检测规模减小、程序结构简化，因而减小厂检测中组合爆炸情形出现的机会，最终使时序安全属性的静态检测在准确性和可伸缩性上都得到了提高．实验表明，FSM切片可以使Saturn的可伸缩性平均提高到原来的6．34倍，使Fastcheck的准确性平均提高到原来的1．20倍．参数配对及n-way组合覆盖算法研究
摘要：组合测试是软件测试数据生成研究的一个重要领域，其中参数配对组合测试的应用最为广泛．对常用的参数配对组合覆盖方法进行了综述分析．目前主流的配对覆盖算法AETG和IPO所存在的主要问题是在确定水平取值时，具有盲目性和随机性，从而难以控制测试用例的规模．为此提出了改进的AETG算法和1PO算法，改进算法通过对参数进行预处理以及综合考虑各因素的水平组合等手段，对测试用例的规模进行控制，采用更加完备的方法尽早确定水平取值．为验证新算法的有效性，进行了仿真实验和实际测试，结果表明，改进算法所生成的测试用例数量要少于原算法，测试用例约减效果更为明显；测试用例数与配对数之间、测试用例数与因素水平数之间存在着某些规律性的联系，分析得出了一系列相关的结论．在配对覆盖的基础上，提出了遗传算法与AETG算法相结合的n—way组合覆盖算法，证明了其时间复杂性较已有算法得到了改善．基于改进蚁群算法的服务组合优化
摘要：为进行服务组合优化及适应服务组合优化过程中Web服务的动态性、不稳定性以及多种QoS属性限制等问题，提出一种多信息素动态更新的蚁群算法MPDAcO，包括MPDAC0局部优化算法和MPDACO全局优化算法，该算法基于建立的服务组合模型，在基本蚁群算法基础上进行研究和改进，可以适应服务组合优化过程中发生的服务无效以及服务中Qos变化等情况．另外，为使算法能较快地收敛于最优解，在实验基础上对蚁群算法策略进行了改进．为验证以上算法的有效性，在一个旅游领域的服务推荐系统中对算法进行了仿真实验，实验结果表明文中提出的算法较基本蚁群算法及一种应用于服务选择的遗传算法有更好的性能．一种基于执行力模型的服务平台自主控制方法
摘要：开放的分布式服务平台倾向于涵盖更丰富的管理功能，支持更强的分散交互性，从而导致软件管理和维护的难度和成本问题日益突出．为此，引入一种自管理的服务平台体系结构参考模型，以构件作为功能实现载体，服务作为功能组织手段，交互作为功能扩展方式．提出了一种基于分层反馈的自主控制架构，以服务构件及相互之间的交互关系为控制对象，执行力模型为决策基础．在管理服务的可用性和性能建模中运用了马尔可夫过程、随机Petri网和排队网模型理论，并考虑了链路和节点的失效修复机制．仿真结果表明，基于排队Petri网的执行力模型能够反映失效率和修复时间对服务平台性能和可用性的影响，并验证了自主控制方法对提高服务平台有效性的积极作用．一种基于信任推理与演化的Web服务组合策略
摘要：为解决动态复杂互联网中恶意、欺诈、不诚信服务实体造成的服务组合质量不高的难题，文中基于开放网格服务体系架构（OGSA），建立了以公共信任演化系统和实体信任演化系统为主体构成的信任推理与演化系统；提出了受限于可信实体的信任演化、实体集合的信任演化、逐步逼近评价实体的信任演化等信任演化方法，以改变信任推理中的信任缺失与信任泛化的不足；通过服务实体问信任关系的推导、反演与递推，极大程度地丰富了实体的信任关系，以识别共谋欺骗并克服信任演化中直接信任关系稀小、前期信任匮乏的问题．文中以新的信任推理与演化为基础，提出了一种Web服务组合策略．应用实例及测试结果表明该服务组合策略能够有效地识别实体行为中潜在的风险，克服实体经验差异，较大幅度地提高了服务组合的成功率．超级局部扭立方体互连网络及其性质
摘要：局部扭立方体是近年来提出的超立方体的一个变型，由于它的许多优越性质（如低直径），在并行处理领域越来越受到人们的重视．然而，像超立方体一样，它也有一个缺点，即要使局部扭立方体升级，就必须成倍地增加其顶点个数．为了解决这一问题，文中将顶点个数为2的次幂的局部扭立方体推广到具有任意个顶点的互连网络，提出了超级局部扭立方体（SLTC）的定义，并证明它保持了局部扭立方体的最高连通度、对数级的直径和顶点度数、Hamilton性质等方面的优良性质，从而证明了超级局部扭立方体是既保持了局部扭立方体的多种优越性质又易于升级的互连网络．针对AES的Cache计时模板攻击研究
摘要：受微处理器硬件架构和操作系统的影响，分组密码查找S盒不同索引执行时间存在差异，构成了S盒索引的天然泄漏源．该文采用“面向字节、分而治之”的旁路攻击思想，对AES抗Cache计时模板攻击能力进行了研究．首先分析了分组密码访问Cache时间差异泄漏机理，直观地给出了基于碰撞和模板的两种Cache计时攻击方法；其次给出了Cache计时外部模板攻击模型，提出了基于Pearson相关性的模板匹配算法，对128位AES加密第一轮和最后一轮分别进行了攻击应用；为克服外部模板攻击需要一个模板密码服务器的限制，提出了Cache计时内部模板攻击模型，并对AES进行了攻击应用；最后，在不同环境、操作系统、加密Cache初始状态、密码库中，分别进行攻击实验，同前人工作进行了比较分析，并给出了攻击的有效防御措施．基于冲突域的高效属性约简算法
摘要：引入冲突域的概念，研究冲突域的性质．以冲突域中冲突对象数目的变化为度量标准，给出核属性和属性重要性的计算方法，并设计了快速求解核属性和属性重要性的算法．在此基础上，给出高效属性约简算法，该算法以核属性为初始约简集，以属性重要性为启发式信息．在最坏情况下，算法的时间复杂度为0（｜C｜2｜u｜），空间复杂度为O（｜U｜）；实验结果表明，该算法是正确的、高效的．粒计算的集合论描述
摘要：粒计算的形式化研究一直没有被仔细讨论．文中在集合论框架下，对粒计算做了系统研究，给出了粒度空间的三层模型（论域，基，粒结构）．借用逻辑语言L判定粒的可定义性，将经典粗糙集通过此模型重新解释．根据模型中从基到粒结构不同的构造规则，引出并可约和交可约粒度空间的定义，分别讨论了不同粒度空间下覆盖、基和粒结构的关系，从而给出从覆盖求基的方法；进一步，利用子系统表示方法对扩展粗糙集以及一般的交可约与并可约空间的上下近似进行了研究，分析了现有的4种基于覆盖的粗糙集模型的合理性；研究了形式概念分析以及知识空间的粒度空间模型，给出这两种理论中上下近似的概念．基于条件对数似然函数导数的贝叶斯网络分类器优化算法
摘要：通常基于鉴别式学习策略训练的贝叶斯网络分类器有较高的精度，仉在具有冗余边的网络结构之上鉴别式参数学习算法的性能受到一定的限制．为了在实际应用中进一步提高贝叶斯网络分类器的分类精度，该文定量描述了网络结构与真实数据变量分布之间的关系，提出了一种不存在冗余边的森林型贝叶斯网络分类器及其相应的FAN学习算法（Forest—AugmentedNaiveBayesAlgorithm），FAN算法能够利用对数条件似然函数的偏导数来优化网络结构学习．实验结果表明常用的限制性贝叶斯网络分类器通常存在一些冗余边，其往往会降低鉴别式参数学习算法的性能；森林型贝叶斯网络分类器减少了结构中的冗余边，更加适合于采用鉴别式学习策略训练参数；应用条件对数似然函数偏导数的FAN算法在大多数实验数据集合上提高了分类精度．基于相变和似然性的多相图像分割方法
摘要：Sine—Sinc模型是一种基于材料科学中Modica—Mortola物理相变原理的多相图像分割方法．针对该模型分割结果不完全、易受噪声和亮度不均匀性影响的问题，提出了一个改进的Sine—Exp—Gauss多相图像分割模型．基于Sine—Sinc模型，Sine—Exp—Gauss模型用指数函数代替Sine—Sinc模型的Sinc函数，并从分段常数图像假设推广到高斯分布函数图像假设；模型偏微分方程的数值解采用凸函数分裂方法迭代，获得每个相的局部最优解，同时给出一种标准初始化方法使迭代过程易于收敛到理想局部极小值．与Sine—Sinc模型和偏差矫正模型相比，实验结果证明Sine—Exp—Gauss模型在噪声消除和自偏差矫正方面都更加鲁棒．基于Bayes规则与HMM相结合的步态识别方法研究
摘要：提出一种将Bayes规则与HMM相结合的步态识别方法．检测环节通过采用重心变化作为特征序列来削弱时间差分算法中运动实体目标存在中空的负面影响，通过对检测出的目标特征序列采用直线拟合提取对称轴，并等效转化为具有方向性的点线距序列，来简化运算，降低失真度．步态训练中，通过初始化的修正使训练出的HMM接近全局最优，并给出Bayes相关先验学习方法．步态识别中，应用HMM的前一后向算法，并融合Bayes规则，客观性增强，最终结果经中国科学院CASIA的原始步态视频测试，达到比较高的识别率，且对衣着具有一定鲁棒性．该文方法主要针对视角在0°～180°间的室内监控直道行走场景．高斯混合概率假设密度滤波器在多目标跟踪中的应用
摘要：实现了基于随机集和点过程理论在目标数未知或随时间变化的多目标跟踪滤波算法．研究成果包括；（1）分析了基于随机有限集的多目标跟踪模型；（2）分析推导了基于随机集和点过程理论的概率假设密度滤波递推表达式；（3）实现了在线性高斯条件下的概率假设密度滤波的一种解析滤波算法；（4）仿真实验验证了算法的性能，比较了在杂波强度和检测概率变化的情况下和联合概率数据互联算法相关性能；（5）指出了算法的一些不足以及改进的研究方向．