基于主观Bayes方法的甲状腺专家系统模型

研究并实现了一个基于主观Bayes方法的甲状腺专家系统模型 ,讨论了主观Bayes方法的数学基础 ,给出了不确定性推理网络的算法描述 ,并且将理论研究的结果运用于甲状腺专家系统的设计和实现 ,举例说明了网络推理过程 ,对不确定性推理的应用进行了有益的探讨 .     

考虑上下文质量的不确定上下文可信融合方法

针对复杂传感器网络环境下对传感器上下文精确定位、智能推理与可信融合的要求,结合上下文感知中间件和普适上下文质量管理技术,提出了一种考虑上下文质量的不确定上下文可信融合方法,该方法扩展了传统的上下文感知中间件模型,通过基于质量的上下文本体模型、上下文质量门阀管理、质量因子分类配置、质量因子筛选与可信度度量矩阵构建、重复与不一致上下文丢弃管理等机制实现多层次、可扩展的融合控制.实验表明,该方法能够有效提高不确定上下文的融合质量.     

基于主观Bayes方法的甲状腺专家系统模型

确定并实现了一个基于主观Bayes方法的甲状腺专家系统模型，讨论了主观Bayes方法的数学基础，给出了不确定性推理网络的算法描述，并且将理论研究的结果运用于甲状腺专家系统的设计和实现，举例说明了网络推理过程，不确定性推理的应用进行了有益的探讨。     

普适环境下上下文感知计算的分析和综述

本文在分析上下文及上下文感知计算定义的基础上,首先讨论了上下文感知计算系统的建模与仿真问题,接着分析了上下文感知计算的系统框架,对现有的框架进行了分类,指出了系统框架所要解决的主要问题。最后介绍了上下文感知应用的研究情况。     

基于觉察上下文计算平台的智能提醒器

已有的提醒系统使用的上下文信息有限,并且缺乏有效的推理,不能满足用户的需要。为此,本文提出了基于觉察上下文计算平台的智能提醒系统,该平台将上层应用和底层传感器分离,同时支持上下文建模、推理等,功能全面,通用性强且具扩展性。最后在智能提醒器的应用中验证了该平台的有效性。     

基于集对分析的上下文感知不确定性的推理方法

在上下文感知计算应用中,需要对传感器获取的原始上下文数据进行推理、融合以获取高层上下文信息.利用集对分析(SPA)的思想,提出一种利用同异反向量夹角余弦来对不确定性上下文进行推理的方法.通过对智能空间场景中不确定上下文状态推理的实例分析、比较,表明该方法概念清晰、计算简明,具有较强的实用价值和较高的可靠性.     

基于规则的交互上下文预测基于规则的交互上下文预测

为了改进当前上下文预测中由于缺乏对交互情况的考虑所导致的不完全预测问题,提出了基于规则对交互上下文进行预测的方法．给出了交互上下文的定义及使用本体对交互上下文进行建模的方法．在基于规则的交互上下文预测架构中,利用交互规则发掘算法和交互预测算法等推理计算得出交互规则,根据得到的交互规则对交互上下文进行预测．该方法的使用合理地改进了传统的上下文模型,从根本上系统地解决了传统的上下文预测的局限性问题,有效地提高了上下文预测的能力．     

一种上下文敏感的信任管理系统

提出并实现了一种基于贝叶斯网络的主观信任管理方案.显式地加入上下文信息.并使用统计学方法推算上下文对实体行为的影响因子,使之比使用特定算法(影响因子固定)的系统更准确地反映出实体行为的不确定性和动态性.仿真对比实验表明,提出的主观信任度映射方法,能够更准确地推算出陌生上下文中的信任度.     

普适计算应用的结构模型

普适计算随着分布式计算和移动计算的发展而出现．分析了普适计算的特征和需求,提出了一个针对普适计算系统应用的包含上下文感知和服务发现机制的框架设计模型,并进行了深入讨论．     

基于觉察上下文计算的降低服务成本方法

针对转移法和睡眠法分别存在增加整体服务成本和资源发现速度较慢的缺点，提出了一个基于觉察上下文计算的降低服务成本的方法．该方法先抽象出资源发现与交互协议运行中的上下文，如系统平稳度、时间段、上下文历史，然后确定上下文的获取方法并分析上下文的获取代价，最后根据推理上下文得到的信息有目的地选择合适的方式来降低服务成本，如停止主动广播、睡眠．基于此思想，构建了包含传感器层、中间层、应用层的系统框架．实验结果表明，在最坏情况下，该方法没有增加整体服务成本，较睡眠法而言，它能让“穷”设备多睡眠37．32％的时间，发现资源的速度快15．68％。     

普适计算环境中的上下文冲突检测与解除

为了能够检测普适计算环境中的上下文冲突并自动进行冲突消解,在对上下文冲突原因深入分析的基础上,提出了上下文冲突检测和消解算法.该算法根据语义对新到达上下文进行分类,定义冲突触发器来检测上下文冲突,并根据上下文的相对优先级主动进行冲突消解.实验结果表明,该算法能够有效地检测和消除上下文冲突,提高应用程序的性能.     

智能普适个人流程服务上下文构建方法

上下文感知是提高人机交互智能性的重要途径。为了面向个人用户提供智能流程服务,提出了一种普适环境下个人需求信息的上下文感知策略,并建立了基于上下文感知的智能普适个人流程服务系统结构模型,该模型能够将提取到的分散的用户需求上下文自动融合构建为个人流程服务上下文。通过旅游实例初步证明该策略和模型的合理性和有效性。     

旅游景点个性化导航及服务的研究与应用

将普适计算的概念应用到旅游景点,采用游客模型、景点模型、服务设施模型来获取各种上下文信息,为游客提供个性化导航及服务.给出了Myguide的系统原型实现,说明所提出的系统关键技术的可行性.     

觉察上下文应用的开放式支撑环境的研究

设计和实现了普适计算中觉察上下文应用的开放式支撑环境———OCAenv.提出并探索了一系列的相关关键技术:觉察上下文功能层次模型、主体-类型模型、上下文服务统一模型、动态绑定机制、交易器联邦路由机制;设计了一个基于中间件的觉察上下文支撑环境OCAenv,包括pvcwCORBA、上下文服务、发现服务和动态绑定层.在以上工作的基础上,开发了一个觉察上下文应用WiW2,检验了原型OCAenv的各项特征.通过演示系统WiW2证明了本方案的实用性和开放性.     

Trust Based Pervasive Computing

Pervasive computing environment is a distributed and mobile space. Trust relationship must be established and ensured between devices and the systems in the pervasive computing environment. The trusted computing （TC） technology introduced by trusted computing group is a distributed-system-wide approach to the provisions of integrity protection of resources. The TC＇s notion of trust and security can be described as conformed system behaviors of a platform environment such that the conformation can be attested to a remote challenger. In this paper the trust requirements in a pervasive/ubiquitous environment are analyzed. Then security schemes for the pervasive computing are proposed using primitives offered by TC technology.     

动态贝叶斯网络在战争身份识别中的应用

在战争身份识别中运用贝叶斯网络时,系统参数不能做到及时调整,动态贝叶斯网络可以解决这一问题,通过建立网络模型,引入时间因素,对系统参数进行分析与后验概率推理,利用隐马尔科夫模型对推理进行仿真实验.通过动态贝叶斯网络在战争身份识别中的使用为指挥员在有限的时间内作出有效的评估识别提供了依据,具有重要的实战意义.     

基于信任普适计算环境下的信任模型

从概念上对普适计算的环境进行了概述,并就当前的信任模型不能满足普适计算的要求进行了阐述。对当前的几种分布式安全模型进行了分析和评估。对信任的概念、信任的建立、信任的管理以及信任模型的给出进行了详细的分析,并从理论上对信任模型中信任盒作了详细的数学模型实例分析说明。     

IFS-BN结合的辐射源威胁评估方法

针对辐射源威胁评估实时性、复杂性和信息不确定性的问题,将直觉模糊集与贝叶斯网络相结合,提出一种基于IFS-BN的辐射源威胁评估方法。IFS-BN算法通过直觉模糊集刻画贝叶斯网络的节点信息,充分描述节点信息的确定性,不确定性以及犹豫度。同时,将直觉模糊集求得的各辐射源先验概率代入贝叶斯网络模型之中,得出后验概率进行威胁等级排序,并在此基础上建立了相应的评估指标体系。仿真分析表明,算法具有较好的可行性与有效性。与经典贝叶斯网络评估方法相比,IFS-BN算法的结果更加客观合理。     

普及计算应用模型及关键技术研究

随着计算机技术与网络通信技术的发展,计算模式也在发生变化.作者从普及计算环境出发,在研究传统应用模型的基础上,提出了普及计算模式下的应用模型,并对该模型中的关键部分-服务网关-进行了分析研究,并把这些研究成果应用到了SVA-IBM联合实验室的iHome项目中,在实践中检验了模型的可应用性.普及计算应用模型的提出,体现了以人为本的思想,从服务的角度拓宽了人们解决问题的思路,有助于人们解决普及计算环境中复杂多变的计算问题,为普及计算模式下应用程序的继续开发提供了指导.     

基于多分片贝叶斯网络的多Agent系统模型表示

多Agent系统模型表示是系统实现推理、学习、自组织和Agent间通信的基础。由于多Agent系统结点较多的特性, 一般用单个贝叶斯网络作为模型表示是不现实的。本文提出用多分片的贝叶斯网络作为多Agent系统的表示语言,并详细讨论了将多分片贝叶斯网络转化为具有良好推理计算特性的联合树扩展形式的连接联合森林的具体过程。