基于活动理论的协同感知通用模型

针对当前协同感知模型考虑的感知机制存在的局限性难以适应感知信息多样化和感知结构动态变化等问题,提出一种基于活动理论的协同感知模型(ATCAM).首先重点阐述ATCAM模型的形式化定义,利用活动目标的静态性以层次性方式分解目标任务结构树,刻画协同活动的感知机制;在此基础上,综合考虑活动之间的时间依赖约束、资源依赖约束以及活动操作对象语义关系等三大约束因素,实现活动之间感知强度的计算优化;通过活动的核心要素对象-时间-用户组成的三维画像空间刻画群组成员的活动轨迹,提出表达协同感知空间的精准计算方法.设计协同设计实验对模型的正确性进行验证.实验结果表明,群组成员在协同工作过程中可以获得100%的协同感知效果.     

基于任务的群体感知模型

计算机支持的协同工作为产品开发提供了强有力的环境和技术支持。而群体感知理论和实现技术是计算机支持的协同工作中必不可少的组成部分。本文分析研究了目前存在的几种群体感知模型的优缺点,从"任务"的角度提出一种基于任务的群体感知模型。该模型通过构造任务分解树,把收集来的感知信息按"任务"这个基本要素进行分解、处理(加权)、再组合,完成对实际生活中的任务、角色和活动的动态变化过程及规律的描述。     

产品协同创新设计任务分解及资源分配

针对产品协同创新设计任务分解及分配的复杂性问题,考虑设计任务间的依赖关系及创新主体的设计能力约束,提出了基于层次功能结构任务映射及协同伙伴模糊搜索匹配相结合的任务分解模型;在研究设计资源分类属性的基础上,为弥补设计任务优先级资源分配策略的不足,建立了考虑资源使用阈值的设计资源分配模型,并基于时间有色Petri网进行任务资源分配仿真建模;导入某品牌手机产品协同创新研发实例,验证了所提模型的有效性。     

支持信息过滤的一种新的群体感知模型

通过分析群体感知所依赖的CSCW的体系结构,以及建立在这些结构上群体感知系统,指出了传统的群体感知体系所存在的局限和问题,给出了一种新的群体感知模型.这种新的群体感知模型,提供信息过滤机制,有效解决群体感知中的秘密泄露和用户干扰问题;纳入并发和排序机制,对复制式结构下多用户并发操作进行有效的串行化处理,既避免冲突,又尽可能提高CSCW系统的吞吐率;建立历史记录机制,把各用户在合作过程中对共享对象的所作所为加以跟踪记载,在必要时能以适当方式进行重放,以实现半同步感知.     

任务驱动的在线教学方式对大学生体育活动量影响的实证研究

聚焦疫情期间任务设置驱动大学生体育锻炼这一教学方式中,大学生活动量与相关因素之间的关系,采用问卷调查法、数理统计法对淮南师范学院大学生目标定向、活动量、任务感知和考核感知等变量在不同类属群体之间的差异进行分析,对变量之间的关系进行检验.研究发现:在线体育教学增加了大学生体育活动量,改善了大学生身心健康;任务设置驱动大学...     

出行者感知误差下目标导向型双属性用户均衡

提出了目标导向型双属性路径效用模型,用于分析随机交通网络中出行时间和出行时间可靠度两属性影响下出行者的路径选择行为,其中能够达到的目标决定了路径效用的大小。所提出的模型具有3个特点:一是考虑出行者感知误差,从而得到出行时间和出行时间可靠度的感知值;二是基于感知值的边际分布,采用Copula函数刻画感知值间的随机相关性;三是出行者为每个属性赋予特定目标,并且提出了目标间的相互作用,即互补关系。基于所提出的路径效用模型,进一步提出了考虑出行者感知误差的目标导向型双属性用户均衡模型,将其表示为变分不等式问题,采用连续平均算法对其进行求解。最后通过数值实验验证了出行者不同出行行为下的表现和算法的有效性,并对相关参数进行了敏感性分析。提出的模型拓展了出行者路径选择的研究范围。     

类簇级测试任务并行化研究

为了提高传统串行类簇级测试速度, 对类簇测试任务并行化方法进行研究。使用类间依赖关系和类测试依赖关系分析方法将类簇级测试任务并行化问题转化为求解对象关系图中节点的并行性。复杂的类簇关系会形成有向环路, 为确定环路中测试的起始位置需要将环路打破, 提出了综合考虑节点度数、环路数和测试桩复杂度3 种因素的破环方法; 对消除环路的对象关系图进行并行性分析, 并设计了一种分层并行算法。通过实验对串行方案和分层并行方案进行对比, 证明了分层并行方案的有效性。     

基于多头注意力胶囊网络的文本分类模型

文本序列中各单词的重要程度及其之间的依赖关系对于识别文本类别有重要影响。胶囊网络不能选择性关注文本中重要单词,并且由于不能编码远距离依赖关系,在识别具有语义转折的文本时有很大局限性。为解决上述问题,该文提出了一种基于多头注意力的胶囊网络模型,该模型能编码单词间的依赖关系、捕获文本中重要单词,并对文本语义编码,从而有效提高了文本分类任务的效果。结果表明:该文模型在文本分类任务中效果明显优于卷积神经网络和胶囊网络,在多标签文本分类任务上效果更优,能更好地从注意力中获益。     

WFAR模型在时间序列预测中的应用

随着模糊集合理论应用的不断广泛深入,为深刻研究时间序列数据状态波动的依赖关系,提出了模糊自回归时间序列预测模型,更适合解决复杂依赖关系且带有缺失、含糊、不准确等现象的时间序列预测问题。模型采用模糊聚类的方法对论域进行划分建立模糊集,并根据历史数据抽取模糊规则。利用自相关性确定数据状态间的依赖关系,通过马尔科夫转移概率抽取状态转移信息。模型既考虑了数据状态间的相互作用关系,又兼顾了状态转移频率的影响,进而达到提高预测质量的目的。实验部分将Alabama大学入学人数作为实验数据,以均方误差作为衡量标准,经过比较提出模型的预测质量明显优于传统模糊时间序列预测模型,说明了模型的可行性和有效性。     

考虑工序间两类依赖关系的网络计划方法

在不确定的环境下，工序间由于施工干扰和利益冲突，存在着间接的相关和依赖关系，这些关系在一定条件下从侧面决定了工序被执行的效率、进度和经济性，经典的CPM／PERT网络计划方法只考虑工序间的逻辑组织关系和资源制约关系，没有描述和处理这些间接关系。为此，分析了工程实践中非常有代表性的并行依赖关系和时间窗口式依赖关系，考察了它们产生的原因和作用机理，用数学公式定量地描述这些关系，建立了考虑这两类依赖关系的改进网络计划模型，并用VC 语言开发了相应软件。最后通过一个工程实例演示了模型的应用过程，并将计算结果与传统的CPM法计算结果作了对比。     

主动授权管理中的关联继承机制

为解决主动授权管理模型中普遍和长期存在的任务间重复授权问题,提高工作流授权的伸缩性,提出一种基于职能关联的权限继承机制.通过对传统的角色任务指派关系进行深入挖掘,定义了职能关联概念及其特化与管理关系;根据职能关联的分量和属性给出了2种关系的推导规则,并按2种关系上的继承性区分业务性和管理性授权,从而建立了可自动配置的授权继承结构.论文评审工作流上的验证结果表明,较之现有各类模型,文中提出的模型以10％以下的额外手工操作减少了53％以上的授权操作,较好地克服了任务间重复授权这一缺陷,取得了明显的授权伸缩性优势.同时,该模型还提供对任务内多角色协作的支持.     

基于Petri网的多机器人协作任务分配与导航研究

研究了基于Petri网理论的多移动机器人任务分配和导航策略问题.针对有限空间环境下的物科收集协作任务,提出了一种机器人路径选择方法,并建立了基本路口单元和工作空间的Petri网模型.通过任务分配模型实时规划物科仓库内的机器人,并对具有拐角特征的多机器人路径冲突给出了消解方法,建立了机器人冲突协调模型.通过分析任务冲突协调模型,避免了多机器人运动路径冲突.最后仿真实验验证了提出的多机器人任务规划方法的有效性.     

基于狼群角色匹配C-劳动分工机制的无人机集群空战策略

针对无人机集群在空战任务中的角色动态切换问题，提出了受狼群启发的无人机集群空战角色匹配C-任务分工方法，提高了应对复杂空战环境的动态任务执行能力。首先，通过分析狼群围捕行为特性，得到三种狼群个体特性，进而给出狼群角色匹配C-劳动分工模型。然后，基于无人机集群和狼群在行为机制上的相似性，将狼群的分工机制映射到无人机集群中，提出了无人机集群角色匹配C-任务分工模型。最后，针对不同任务分工下的目标分配问题，分别建立了攻击和制导任务的目标分配模型。仿真表明所提出的角色匹配C-任务分工方法能够有效解决空战角色动态切换问题，提高了整体空战能力。     

产品开发过程管理中协调组件研究

针对目前产品开发过程中时间上相互关联任务之间缺乏有效调度和管理的现状,介绍了时间上相互关联的任务之间的关系;以广义模糊时间Petri网为理论基础,根据关联任务之间不同的关系,建立了相应的协调机制,并引入组件理论,在工作流的系统中构建了协调组件,减少了并行和串行环节的等待时间,提高了工作效率,而且从一定程度上降低了系统的死锁概率,为实际系统进行模拟、性能评价和优化提供了强有力的支持.     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

基于HTN的卫星应用任务分解

HTN(Hierarchical Task Network ,层次任务网络)具有任务描述和分解、任务分派、任务完成的能力以及约束机制和冲突解决机制,可以有效地对复杂问题进行规划.通过对卫星应用的复杂任务和基本任务的定义,分析了应用任务及其要素间的层次关系,就HTN在卫星应用任务的分解进行了初步探讨,指出了卫星应用任务分解的基本步骤和方法,得到卫星应用的基本任务.最后以海上移动目标的侦察监视应用任务为例,给出了应用任务分解过程和结果.     

支持资源协同分配的网格任务调度研究

提出通用的网格和任务执行模型,并以此为基础,给出一种支持资源协同分配的任务调度算法。算法通过定义临界资源的概念,改进了传统的列表调度算法。模拟实验结果表明该调度策略更符合网格计算的复杂环境,能得到较短的任务执行时间,并更好的支持不同类型资源的协同分配。     

6～12岁儿童脑波功率涨落特点与信息加工速度的关系

以201名6－12岁小学生为研究对象,采用脑电眼慢涨落分析技术（ET）,对其脑波活动者了记录和分析,结果表明：（1）6－12岁儿童在其发展成熟的过程中,脑波各基频功率的发展趋势存在一定的差别,其中6岁组各基频的功率普遍大于其他年龄组,并在S1,S2,S4,S5等几条谱线上差异显著;（2）男孩和女孩的各基频功率的发展趋势存在着一定程度的差别,女孩的功率峰值大部分出现以在6,7岁,在9岁时处于最低水平,而男孩的功率峰值大部分出现在9岁;（3）在不同信息加工任务中表现较好的儿童的脑波基频功率的前后脑关系具有不同的特点,前脑优势的儿童在字母匹配任务上表现比较好,后脑优势的儿童则在心理旋转任务上获得了好成绩;（4）在不同信息加工任务中表现较好的儿童的脑波基频功率的左右脑关系具有不同的特点,左右脑比较平衡的儿童在简单反应、选择反应和图形匹配任务上表现较好,左右脑差异较大的儿童则在句图匹配任务中取得了好成绩。     

基于群体智慧的排序任务多聚合方法比较研究

为解决排序任务聚合方法效果不明确的问题, 在群体智慧概念下, 对排序任务问题群体智慧效应发生的条件即集中化机制进行聚合方法的比较研究, 试图找到已知基本事实排序任务问题中使群体智慧效应最显著的排序聚合方法。 创新性提出评估群体智慧的概念即群体智慧效度。 运用实证研究方法对群体进行排序任务重建实验, 以实验测试的排序数据为基础, 使用 7 种不同的排序聚合方法对排序任务问题的所有个体排序进行聚合, 得到相应的群体排序。 测量7 种群体排序和真实排序之间的偏差, 并根据群体智慧效度大小判断不同聚合方法的表现。 实验结果显示, 在基于群体智慧效度的重建排序任务聚合方法中, 众数法的表现最好, 中位数法和 K-Y 方法表现次之。