智能规划中互斥动作延迟算法

为解决扩张规划图时某一时间步出现的互斥动作的延迟问题，引进了无序要求互斥动作和有序要求互斥动作的概念，并且在此基础上，给出互斥动作延迟算法．利用这一算法生成的规划图，在进行有效规划的搜索时是非常方便的．     

基于U规划图与动作效果相关的规划识别研究

针对支持动作效果是多个的情况, 智能体如何根据现有的信息为该效果确定最终的支持动作的问题进行了研究, 并给出了相应的FSas算法。FSas算法分别从命题层和动作层出发, 利用被观察到的动作效果或动作以及互斥计算减小了支持动作的空间, 从而求得最终支持效果的动作, 实现了规划识别。研究结果表明, 该算法不仅解决了支持动作效果的动作是唯一的情况, 而且进一步解决了支持动作是多个的情况。同时以实例说明了该算法的执行过程, 表明该算法是合理可行的。     

处理条件效果的互斥延迟算法的研究

通过将带有条件效果的动作分解成元件,然后利用互斥延迟算法进行规划图的扩张,得到规划图.规划图生成后,从初始条件出发,利用一个前向的搜索过程进行搜索以求规划解.在搜索中,选择的不是单个的动作,而是独立集,这样可以明显地减小搜索空间,而且在搜索过程中,还利用了独立集之间的执行次序作为独立集选择的启发式,加快搜索过程.该算法大大地简化了搜索过程,提高了搜索效率.     

基于事件条件动作规则的智能主体结构

为了增强智能主体能力及方便地实现一个智能主体系统,在抽象语言AgentSpeak(L)基础上,引入事件条件动作规则,并从功能和实现的角度对心智模型进行必要扩充和完善.定义了E-Agent的心智模型,设计了E-Agent的Agent描述语言,给出了E-Agent的解释执行过程.实现了一个包括可视化建模工具和运行环境的智能主体系统.该系统具有可视化建模、易于使用等优点.     

分布式系统中互斥算法的研究

公平、健壮和易于实现的分布式互斥算法对分布式系统保证数据一致性、逻辑一致性及时序一致性至关重要，互斥问题是分布式系统中一个非常重要的内容。互斥算法是用来解决共享资源访问冲突问题，阐述了分布式系统中进程的互斥问题。对几种算法进行了讨论，分析了其特点，最后给出了一个后一互斥问题的算法，并介绍了该算法应满足的条件和实现过程。     

Linux下的多线程编程方法研究

研究了在LINUX操作系统下多线程的编程方法,主要包括多线程的基本创建方法、如何修改多线程的属性以及线程之间的数据处理．重点论述了多线程数据处理方法中的互斥锁和条件变量．     

基于Kinect的双臂机器人动作模拟与轨迹规划

提出了一种基于Kinect的双臂机器人动作模拟与轨迹规划的方法。运用空间向量法计算出人体关节转动角度,通过建立人体关节与机器人关节的映射关系,将体感设备采集到的人体骨骼信息通过无线方式将控制命令传输给机器人,实现机器人的动作模拟。机器人的轨迹规划通过使用体感设备采集手臂末端位姿及运动轨迹,通过逆运动学求解,实现机器人手臂沿相同位姿运动。最后,通过仿真和实验验证了所提出方法的有效性。     

基于角色的访问控制中的安全三原则

定义了RBAC中的主要概念并对主要的关系给出了必要的形式化描述.与典型的RBAC的定义不同,将RBAC的核心概念角色定义为包括任务在内的一个四元组,进而提出任务是分析实现RBAC系统的基础.提出角色中任务的行为闭集和数据闭集的概念,它们分别被定义为角色内完成某任务所需的最小行为集和最小数据集.由于权限被定义为从行为集到数据集上的两元关系,因此将角色的行为闭集和数据闭集组成的两元组与系统所给的权限集取交集便得到角色的最小权限集.提出互斥的权限来自于互斥的任务,定义了互斥任务的概念,而完成互斥任务的行为和数据所形成的权限便是互斥的权限,同时正是基于角色中任务的行为闭集和数据闭集,给出了互斥权限的界定及其传递的性质.这样也尽可能地避免了因互斥权限的传递性而造成的互斥权限被扩大的情况.     

论体育技术和动作

在客观世界中有着许许多多千差万别的事物。人们在认识客观世界的过程中,逐渐认识到不同的事物具有不同的属性。在体育世界中,将具有不同属性的动作进行分类,形成了各种体育项目。通过对其技术的分析、比较、综合、概括之后,借助于语言的抽象作用,逐渐形成了各种动作学习、动作控制、动作发展的方法体系。因此,明确动作、技术的概念及两者的关系是学习、掌握、展现某一体育项目的重要因素。     

一种基于静态分析的宏动作提取方法

提出一种通过静态分析提取宏动作的方法, 不是直接 分析问题域的描述, 而是选择性的生成一些基动作, 静态分析的重点是基动作之间的关系. 通过静态分析对基动作之间的关系进行分类, 根据分类生成模式图, 并最终根据模式图提取具有应用价值的宏动作. 同时还编写了实验系统对所提出的方法进行检验.     

基于条件互信息下聚类的朴素贝叶斯分类算法

 采用条件互信息来度量任意2个条件属性之间的关联程度,采用互信息度量各条件属性与类属性间的关联程度,以此作为将各条件属性进行聚类的准则,提出一种新的将条件属性进行聚类的分组技术.同时,结合朴素贝叶斯分类算法,构造了改进的朴素贝叶斯分类模型.通过仿真实验表明该文提出的算法具有较好的分类性能.     

关于正则条件概率的几点注记

本文证明了关于正则条件概率与正则条件期望的几个恒等式,并将所得结果应用到未必起始于固定点的Brown运动上,同时证明:一个Brown运动如果不起始于固定点而是起始于一个随机变量,则在关于初值的正则条件概率下,对于几乎所有的初值,该运动仍是Brown运动。     

关于最佳条件信任算子的存在性问题

讨论了理想化的条件信任算子应满足的7个条件,同时对目前人们已经提出的几种条件信任算子的优缺点进行了分析。依据所建立的理想化条件信任算子准则,证明了在一定条件下,理想化条件信任算子应该满足的7个准则存在着某种必然的内在矛盾,在一定意义下,试图寻找的理想化条件信任算子是不存在的。     

Information flow among neural networks with Bayesian estimation

Estimating the interaction among neural networks is an interesting issue in neuroscience. Some methods have been proposed to estimate the coupling strength among neural networks; however, few estimations of the coupling direction (information flow) among neural networks have been attempted. It is known that Bayesian estimator is based on a priori knowledge and a probability of event occurrence. In this paper, a new method is proposed to estimate coupling directions among neural networks with conditional mutual information that is estimated by Bayesian estimation. First, this method is applied to analyze the simulated EEG series generated by a nonlinear lumped-parameter model. In comparison with the conditional mutual information with Shannon entropy, it is found that this method is more successful in estimating the coupling direction, and is insensitive to the length of EEG series. Therefore, this method is suitable to analyze a short time series in practice. Second, we demonstrate how this method can be applied to the analysis of human intracranial epileptic electroencephalogram (EEG) recordings, and to indicate the coupling directions among neural networks. Therefore, this method helps to elucidate the epileptic focus localization.     

一种基于条件相对平均熵的个性化推荐算法

为了提高现有推荐算法的准确性,提出一种基于条件相对平均熵的个性化推荐算法.首先,采用加权的CNM算法构建复杂网络,挖掘该网络的社团结构,作为商品待推荐域;其次,利用条件互信息和条件相对平均熵生成有效的节点次序,以提升贝叶斯网络构建的准确性;然后采用K2算法学习贝叶斯网络,分析出用户的消费性格,并判断待推荐域中商品与消费性格的联系,向用户提供感兴趣和合理的推荐;最后,基于电信运营商的实际数据进行实证分析,验证了该算法的有效性.     

Worst-case conditional value-at-risk and conditional expected shortfall based on covariance information

In this paper, we study the worst-case conditional value-at-risk (CoVaR) and conditional expected shortfall (CoES) in a situation where only partial information on the underlying probability distribution is available. In the case of the first two marginal moments are known, the closed-form solution and the value of the worst-case CoVaR and CoES are derived. The worst-case CoVaR and CoES under mean and covariance information are also investigated.     

模糊命题逻辑L*中公式的条件随机真度

在赋值格为[0,1]的模糊逻辑系统L*中,基于条件概率的思想和赋值集的随机化方法提出了公式的条件随机真度,证明了条件随机真度的MP规则和HS规则。引入公式间的条件随机相似度和条件伪距离,建立了条件随机逻辑度量空间,推导出条件伪距离的若干性质,证明了条件随机逻辑度量空间中逻辑运算的连续性,并初步研究了给定条件下的近似推理理论。     

基于隐条件随机场的人体行为识别方法

提出了一种基于隐条件随机场的人体行为识别方法。首先,通过目标检测和目标跟踪提取图像序列中人体所在时空区域;其次,提取人体区域的 Gist 特征作为人体行为视觉描述子;最后,利用隐条件随机场模型对人体行为进行建模和识别。通过大规模试验证明了该方法的有效性,与其他方法的对比实验验证了该方法的优越性。     

条件独立性的三种形式及其相互关系

给出了随机变量的随机条件独立性、回归条件独立性及其强随机条件独立性的概念,并且证明了这几种条件独立性的相互关系。主要结论是在一定条件下,强随机条件独立必有回归条件独立;随机条件独立性与回归条件独立性是等价的。它们对概率论及其数理统计的应用是有意义的。