基于神经网络的场景调度策略

虚拟场景的实时显示是虚拟现实技术的重要研究课题,优化场景的调度策略是解决实时显示的主要方法之一.根据虚拟装配的特点,建立视点状态变化的马尔可夫模型,并且使用径向基函数神经网络挖掘装配过程中视点变化的规律,提出基于神经网络的场景调度策略,利用该策略预测并提前调入装配过程中将要出现的场景.该策略可以使调度更加智能化,提高场景调度的效率,达到实时显示场景的目的.同时该调度策略也可以应用于虚拟现实的其他领域中,如虚拟场景漫游等.     

行为驱动的仿真模型组合方法研究

针对目前海洋智能航行器仿真系统在开发过程中模型的动态行为很难验证的问题,给出了一个通用的基于行为的仿真系统开发框架,并提出了行为驱动的模型组合方法。首先在研究了仿真模型的行为特性的基础上,采用演算的进程表达式表示组合交互过程,描述状态转换和消息传递序列,利用其转换函数和进程推演验证组合过程的行为兼容性,然后通过水动力组合的应用实例具体描述了行为驱动的组合验证过程。最后给出了该方法在水下水下机器人和水面无人艇仿真试验中的应用情况,进一步证明了方法的可行性。     

主动式反病毒软件的设计

在研究病毒原理的基础上,提出了一种主动式反毒软件的设计方法.为防治未知病毒开辟了新的途径.     

P2P网络中基于非确定有限自动机的XML数据流过滤

将自动机方法对XML数据的过滤延伸到P2P网络中,依据在本地XML系统YFilter中构造非确定有限自动机(NFA)的思想,采用Chord环建立起分布式的NFA对于peer节点中的XML数据的查询过滤系统,并基于递归法执行查询过滤,在不同的peer节点上得到满足查询条件的数据集合。通过实验验证了当查询的数量和网络大小发生变化时分布式NFA的方法的执行性能。结果表明:本文方法可在不同的过滤场景中处理百万数量级的XPath查询,具有良好的网络流量和过滤延迟。     

快速高效的碰撞检测算法 

为了提高碰撞检测算法的效率,提出了一种快速高效的碰撞检测方法.利用Morton码存储物体信息,给出一种改进的图层级结构,可快速分割物体空间,减少物体对相交检测;利用图形处理器(GPU)的并行处理特性进行物体包围盒层级树构建、树遍历,不仅可以快速处理碰撞检测中的事务,还可节省存储空间.实验表明,该方法能够快速构建物体层级结构,并能进行高效的碰撞检测计算.     

基于技术组合的软件需求优化

当前,软件需求优化的研究多集在提高需求的完整性、设定需求的优先级以及消除需求的歧义性等方面。该文从需求优先级设定入手,来进行需求优化,首先从系统的整体性和需求的层次性出发,提出以解释结构模型（Interpretative Structural Model,ISM）和层次分析法（Analytical Hierarchy Process,AHP）相结合的需求优先级排序方法,其中用SM 对需求进行结构优化和分层处理,然后对最上层的需求使用AHP 进行需求优先级排序,并将该方法命名为结构层次分析（Structural Analytical Hierarchy Process,SAHP）,接着通过与AHP 的比较,说明性能总体上好于后者,最后通过进度和成本约束,表明该方法能够判断项目进度和成本的合理性,降低因需求导致项目失败的风险。     

基于多Agent的HLA联合作战可视化仿真系统研究

该文在高层体系结构(HLA)框架的基础上完成了基于多Agent的仿真系统设计,提出了Agent的结构和基于想定的自主行为模型,研究了作战任务规划算法,改进了HLA的管理模式,从结构和工作流程方面实现了一套大规模联合作战可视化仿真系统,并给出了试验结果。该系统兼容以往开发的各种作战仿真系统,提高了仿真系统的复用性,试验表明该系统效果良好。     

面向事件活动流的舰艇作战任务效能评估模型

考虑作战过程性因素对作战效能的影响,将作战任务表示为作用在作战资源上的活动、状态、事件及其关系组成的事件活动流模型。在此基础上,提出了基于信息熵、面向事件活动流的作战任务效能评估模型,针对评估模型中的权重评价,给出了基于微粒群的权重向量优化算法,从而通过对作战任务的事件活动流模型进行效能评估,实现对作战任务效能的评估。最后给出了作战任务效能评估的实例。     

匿名区域层级扩张的位置隐私保护方法

针对传统中心点匿名区域扩张方法中用户位置可预测的问题,提出一种匿名区域按照匿名用户离散距离层级扩张的位置隐私保护方法。首先，将位置区域按照匿名用户离散间距进行划分,并利用希尔伯特曲线按照间距递进的原则建立具有不同离散间距层级的N-阶位置区域四叉树。其次，基于该四叉树用户可选择不同离散程度的匿名区域,防止由于匿名用户密度导致的隐私泄露。同时，由于用户并不位于匿名中心,又可有效应对诸如用户距离差分攻击、中心区域选择攻击等攻击方法。最后,通过安全性分析给出了该算法的理论依据。实验验证与同类算法的比较,进一步展示了所提算法相比于同类算法的优越性。     

基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN 网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。