面向检测监控系统的一种多Agent系统研究

先进制造系统中的检测监控系统是一个复杂的分布式系统，通过应用分布式人工智能（ ＤＡＩ） 技术，对该系统进行研究，提出了一种基于ＭＡＳ环境下的多Ａｇｅｎｔ系统模型，同时给出系统组成中２ 种Ａｇｅｎｔ 的逻辑结构模型及该多Ａｇｅｎｔ 系统的工作原理，最后以ＢＱＦＭＳ柔性制造系统为实例建立了一个实验系统，该多Ａｇｅｎｔ 系统的合理性在这一实验环境中得到了证实     

组织环境下的决策支持系统研究

从组织的发展趋势以及与多Ａｇｅｎｔ系统的比较出发，指出组织理论与ＭＡＳ可以相互借鉴；对组织决策的分析指出组织决策的重要性；在此基础上，提出在组织环境下基于多Ａｇｅｎｔ系统的ＯＤＳＳ的结构模型。     

多Agent系统开发方法AMT及其应用

良好的软件体系结构有利于系统的开发，可有效地提高软件的质量；多Ａｇｅｎｔ系统是解决传统智能系统脆弱性的有效方法。据此，本文提出了基于软件体系结构的多Ａｇｅｎｔ系统开发方法ＡＭＴ，其核心是在开发过程中建立、精化和改进系统的静态和动态模型以有效地保证多Ａｇｅｎｔ系统的开发效率和质量。采用ＡＭＴ方法，设计并实现了动态环境下物资运输调配系统ＭＡＤＴＳ。     

多Agent系统的形式化开放混合体系结构模型研究

为了有效建立并统一多Ａｇｅｎｔ系统（ＭＡＳ）的理论与方法体系,提供ＭＡＳ的有效设计与实现途径,重点讨论并建立了基于开放环境的ＭＡＳ形式化开放混合体系结构模型,首先,采用面向Ａｇｅｎｔ的程序设计（ＡＯＰ）风范并基于开放环境与组合技术,对Ａｇｅｎｔ的ＢＤＩ模型进行形式细化处理,引入开放混合结构模式的自治、交互Ａｇｅｎｔ形式定义,在此基础上给出开放环境下的自治、交互ＭＡＳ的形式化开放混合体系结构模型,并     

车间管理控制系统信息模型研究

对背景车间的活动过程进行了研究，并用面向对象技术进行了建模，在对应车间管理控制系统中引入了Ｍｕｌｔｉ－Ａｇｅｎｔ Ｓｙｓｔｅｍ技术，并建立了各个Ａｇｅｎｔ间的协调模型，以表达各个Ａｇｅｎｔ相互作用的机制，系统整体功能正是通过该机制而实现的。     

一个基于Agent的并行工程环境体系结构设计(英文)

基于一个多维面向对象模型,提出一种Ｍｕｌｔｉ－Ａｇｅｎｔ系统结构。这一系统机构包含管理、技术和辅助支持三层。管理和技术层是由许多所谓实例Ａｇｅｎｔ组成。这些实例Ａｇｅｎｔ具有组成部分、内部机构、状态。历史及多种功能。此外还从这些实例Ａｇｅｎｔ中抽象出一种功能Ａｇｅｎｔ。它可以服务于多个实例Ａｇｅｎｔ。在这一系统机构上,总体问题可以通过分布和协调许多子问题求解而得已高效可靠地解决。在这里,系统协调与数据共享是通过分布领域知识完成的。     

网上导购系统的一个解决方案--基于软件Agent的网上导购

利用软件Ａｇｅｎｔ技术并结合ＶＤＢ、ＸＭＬ技术,提出了一个基于软件Ａｇｅｎｔ的网上导购系统的解决方案,建立了系统模型,并且论述了系统中各类软件Ａｇｅｎｔ的具体结构模型,软件Ａｇｅｎｔ技术是目前人工智能的一个重要研究分支,也是检索领域的一个重要课题。该文着重于软件Ａｇｅｎｔ技术在Ｉｎｔｅｒｎｅｔ上的一个重要应用;实现Ｉｎｔｅｒｎｅｔ智能信息服务。     

多媒体远程教育网中基于Mobile Agent的网络管理

介绍了ＭｂＭＡ的系统组成及ＭｂＭＡ中Ａｇｅｎｔ的分类和各自的功能，提出了基于Ｍｏｂｉｌｅ Ａｇｅｎｔ的多媒体远程教育网的网管体系，由于引入了能够集成ＳＮＭＰ设备的ＭｂＭＡ代理服务器，增强了该体系的实用性。     

组织环境下的决策支持系统研究

从组织的发展趋势以及与多Ａｇｅｎｔ系统的比较出发,指出组织理论与ＭＡＳ可以相互借鉴;对组织决策的分析指出组织智能对组织决策的重要性;在此基础上,提出在组织环境下基于多Ａｇｅｎｔ系统的ＯＤＳＳ的结构模型     

基于Mobile Agent的信息服务模型

提出了一个基于Ｍｏｂｉｌｅ Ａｇｅｎｔ技术的信息服务模型,并分析了其信息服务体系所具有的优势和应解决的关键技术问题,最后简单介绍基于此模型的信息检索实验和当前Ｍｏｂｉｌｅ Ａｇｅｎｔ技术的发展现状和发展趋势。     

基于嵌入分层决策树的电网完整性保护

为了提升系统抗攻击能力以及泛化能力,提出了一种基于支持向量机嵌入分层决策树的多智能体电网抗攻击系统完整性保护方案。首先利用多智能体来增强系统完整性保护的网络弹性,重点是系统的态势感知和自适应能力。进一步将分布式系统完整性保护设置中的数据驱动异常检测问题转化为多分类问题。然后提出了一种支持向量机嵌入分层决策树的有监督学习算法和一种自适应的负荷卸载策略,以提升检测能力,减少时间成本。实验结果表明,所提出的系统完整性保护方案能够检测出电网的异常运行状态,并能够调整其补救措施,以适应各种网络攻击。     

基于监督学习的HSK阅读文本自动分级模型研究

针对HSK（汉语水平考试）各类阅读材料难度判定与等级对应中缺乏有效参照标准和分析工具的问题,以历年HSK真题阅读文本为研究对象,提取文本可读性特征,采用支持向量机、随机森林、极端梯度增强等9种监督学习算法,建立可将自选文本自动归类于相应HSK等级的模型,采用准确率、AUC等多项指标评价各模型的分级效果,并选择最佳模型制成在线工具。结果表明,监督学习在HSK阅读材料文本分析及分级方面具有较高性能,9种模型中极端梯度增强的分级效果最好,准确率为0.913,AUC为0.994。建立的分级模型和在线工具能够以较高的准确率对HSK自选文本进行分级,帮助用户有针对性地遴选文本,提高学习效率。     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.     

一种用于模式分类有监督的模糊ART神经网络

探讨了一种将有监督学习机制融合到模糊ＡＲＴ网络构成一个有监督的模糊ＡＲＴ神经网络模型,这种网络能同时处理有监督和无监督学习问题,并具有积累和增加网络学习的能力,对该网络进行了滚动轴承检测数据模式分类实验,并与ＢＰ网络进行了比较性实验,结果表明：该网络具有良好模式分类能力和较好的可塑性。     

有监督的噪音流形学习算法

流形学习算法是维度约简与数据可视化领域的重要工具,提高算法的效率与健壮性对其实际应用有积极意义.经典的流形学习算法普遍的对噪音点较为敏感,现有的改进算法尚存在不足.本文提出一种基于监督学习与核函数的健壮流形学习算法,把核方法与监督学习引入降维过程,利用已知标签数据信息与核函数特性,使得同类样本变得紧密,不同类样本变成分...     

视觉引导下协作机器人抓取技术研究

针对在多物体复杂抓取场景下,协作机器人如何实现能在人机共融的环境中精确抓取特定目标工件及自主避障的问题,提出了一种基于监督学习的视觉引导下的协作机器人抓取方法;首先利用监督学习算法训练和处理待抓取物图像信息,完成对抓取目标特征的快速识别与定位;然后将抓取物的定位信息通过串口通信协议传输给ROS系统控制机器人完成运动规划...     

基于半监督的模糊C-均值聚类算法

通过将半监督学习的思想引入到模糊C-均值聚类方法中,提出一种基于半监督的模糊C-均值聚类算法,有效解决了模糊C-均值聚类算法随机选取初始聚类中心导致聚类结果局部收敛的问题,能客观获取最佳聚类数目和初始聚类中心.实验结果表明,与传统模糊C-均值聚类算法相比,基于半监督的模糊C-均值算法在一定程度上减少了迭代次数,降低了对初始聚类中心的依赖性.     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

一种基于Seeds集和成对约束的主动半监督聚类算法

针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类过程,设计出一种基于Seeds集和成对约束的半监督聚类算法SC-Kmeans;其次将主动学习算法引入到SC-Kmeans中,以尽量小的代价选取信息含有量更高的监督信息,提高SC-Kmeans算法的聚类精度;最后在UCI标准数据集上进行仿真实验.实验结果表明,该算法取得了较好的聚类效果,有效提高了聚类准确率.     

Modular—tree：一个自构筑的神经网络结构

提出了一种新颖的具有自构筑能力的神经网络结构，称之为Ｍｏｄｕｌａｒ－ｔｒｅｅ和两个相应的自构筑算法。在此结构中，任何现存的前馈神经网络均可以作为子网。对于一个给定的学习任务，利用提出的生成算法通过对输入空间递归地划分，自动生成一树状的模块神经网络，从而避免了网络结构预置问题。由于使用了“分治”原理，Ｍｏｄｕｌａｒ－ｔｒｅｅ具有良好的性能及快速训练的能力。此结构已用于多个监督学习问题（包括：标准测试