需求工程——对复杂系统的软件工程的基础研究

国家重点基础研究发展计划（973计划）项目＂需求工程——对复杂系统的软件工程的基础研究＂针对软件在网络计算环境下成为服务的趋势,开展服务于大众的网络化软件需求元描述的关键科学问题研究,为网络时代的软件工程提供基础理论和关键技术支撑。本文介绍了该项目启动两年来取得的一些重要研究进展。     

云计算支撑信息服务社会化、集约化和专业化

从图灵计算机到网格计算的发展，云计算要求云计算中心支持社会化、集约化和专业化的信息服务，从而达到“网络丰富，边缘简单、交互智能”。系统阐述了云计算的核心技术，提出了“虚拟集群”的概念，计算资源的虚拟化组织、分配和使用有利于资源合理配置并提高利用率，促进节能减排，实现绿色计算。指出高端服务器和虚拟集群将是云计算发展的重要方向，形成新的高端服务器产业链将成为计算中心、数据中心发展的趋势。     

数字水印技术及进展

阐述了数字水印技术产生的必然性，分析了数字水印技术的研究现状，并简要叙述了云数字水印技术，探讨了数字水印技术的特点及其各种攻击方式，举例说明了目前数字水印在商业上的应用。数字水印技术的研究对数字内容的版权保护有重大实用价值和实践意义。     

C^3I系统仿真

为了迎接高技术战争的挑战，人们正在加强Ｃ￣３Ｉ即指挥自动化的研究与建设，在这过程中遇到的许多问题，都迫切地、并且几乎是不约而同地把Ｃ￣３Ｉ系统仿真推到了主要的地位。在这种形势下，作者分析了Ｃ￣３Ｉ系统仿真区别于运动体仿真在四个方面的特殊性和难点；建议采用半实物仿真而不是纯数学仿真的技术路线；提出了Ｃ￣３Ｉ系统仿真的主要内容；讨论了在当前如何选择仿真的突破口以及Ｃ￣３Ｉ系统仿真中一些长期的、带基础性的研究课题。     

基于核密度估计的层次聚类算法

聚类分析是统计、模式识别和数据挖掘等领域中一个非常基础且非常重要的研究课题，具有广泛的应用前景。在众多的聚类方法中，基于密度的方法是一种相当有效的聚类方法，能够发现任意形状的聚类，对噪声数据不敏感，但是聚类结果严重依赖于用户参数的合理选择。以DENCLUE算法为基础，一种基于核密度估计的层次聚类算法被提出，该算法首先优选窗宽σ产生较好的核密度估计结果，然后以密度函数的局部极大值点为聚类中心形成数据的初始划分，最后根据密度函数的鞍点递归合并初始聚类产生不同层次的划分模式。理论分析和仿真实验结果显示，该算法能够发现任意形状、大小和密度的聚类，能够有效处理噪声数据，而且聚类结果不依赖于用户参数的仔细选择。     

水印关系数据库

数据库应用的快速发展需要水印数据库，这是数据所有权保护问题。首先介绍了云模型知识，然后提出了一种基于云模型的水印关系数据库技术，给出了关系数据库云水印嵌入和检测提取方法，并对实验结果进行了讨论分析。最后展望了水印关系数据库的前景和研究发展方向。     

物联网的基石——云计算

云计算中的"云",无处不在,飘忽不定,或卷或舒。任何一台个人电脑上的资源和处理能力都无法同网络相比,每一朵"云"都植根在成千上万台服务器组成的集群或虚拟集群上,只要有网络,就能随时随地连接"云"。     

正态云模型的重尾性质证明

正态分布和重尾分布在概率研究中具有非常重要的地位,二者具有完全不同的数学形式和物理意义。正态分布的密度函数以指数函数衰减至0,服从正态分布的随机变量,其绝大多数取值在其期望附近,偏离期望很大的取值很少。而服从重尾分布的随机变量,其尾分布函数具有重尾特性,密度函数以幂指数衰减至0。笔者证明了正态云模型是具有均值的重尾分布,是介于正态分布与重尾分布之间的中间状态,正态云模型的参数超熵He是可以实现正态分布向重尾分布转换的桥梁。     

脑认知的形式化——从研发机器驾驶脑谈开去

 脑科学是人工智能和生命科学的交叉,要使脑认知形式化而为人们所理解,有两条途径:神经学方法和物理学方法。一名从事脑科学研究的学者,本身需要横跨不同学科,成为几个领域的专家。     

数据场在信息表征中的应用

思维、想象和知识发现过程,实际上是在不同粒度上认识数据、概念和图像,是发现状态空间在不同抽象层次上的知识表现,是从高维数据和图像空间降维的过程,也就是丢舍不太重要的特征数据,留下主成分后的发现状态空间的知识表现．并认为数域空间中的每个数据点通过某种作用力而相互影响形成数据场．此外,阐述了数据场的主要思想并从数据场在图像数据挖掘中的应用出发,试着对形象思维的信息表征作了一些有益的尝试．