传统的面向服务计算模式通常是包含中央控制结点的集中控制结构,多Agent理论和技术提供了另一种角度看待服务计算.本文将Web看成一种主动服务实体,即服务Agent,服务计算模式演变为一种非集中式的、分布式结构.服务Agent主动发现需求并在需求吸引下聚集,通过功能本体和自动机制设计,得到需求解决方案.形成需求解决方案后,协作方案选择可以被归结为二部图上的0-1整数规划,这是一个NP完全问题.本文给出一种多Agent协商框架,服务请求方和各服务Agent通过有限次协商交互最终达成协议,该协议选定服务Agent解决需求的一种协作方案.通过模拟对协商框架进行验证.
在分析现有的藏文字丁特征提取方法——图像投影法和方向线素法的基础上,运用分形矩理论,提出一种基于分形矩的藏文字符特征提取方法.用该方法提取的特征有效反映藏文字丁的局部和全局特征,减少图像中像素位置变化给识别部分带来的负面影响.该方法在一定程度上克服藏文字丁极多而造成的误识率高的缺点,并且解决由于特征向量维数较多造成的运算速度慢的问题.针对592个类别的印刷体藏文字丁样本的对比实验表明,本文方法的识别率较现有的特征提取方法平均增加了2.48%,证明此方法具有较好的特征提取性能.
提出一种基于多区域侧影面积的步态识别方法.该方法将视频序列中检测出的步态侧影划分为5个子区域,提取每个子区域中的侧影面积并计算步态序列中面积的变化特征,从而构成描述步态序列的特征向量.实验表明该方法具有较好的识别性能,是一种有效的步态识别方法.
提出一种基于偏微分方程构造、具有良好分水岭结构梯度幅值图像来改进分割性能的方法.首先,对原始图像进行边界检测,得到梯度幅值图像.利用1维梯度向量流偏微分方程对梯度幅值图像作用、扩散边界信息和去除噪音,使其具有良好的分水岭结构.然后检测梯度图像的局部最小值点,通过形态学膨胀运算自动合并相近的局部最小值点,使图像更有利于分水岭算法的分割.最后用分水岭算法分割处理后的图像.实验结果表明,该方法降低分水岭算法的过分割现象,为后续处理提供较为可靠的基础.
时间复杂性是基于EM框架的贝叶斯网络学习算法应用的一个瓶颈问题.本文首先提出一种并行的参数EM算法来学习具有缺省数据的贝叶斯网络参数, 实验表明该算法可有效降低参数学习的时间复杂性.进而将该算法应用到结构EM算法中,提出一种并行的结构EM算法(PL-SEM), PL-SEM算法并行地计算各个样本的期望充分因子和贝叶斯网络的参数,降低结构学习的时间复杂性.
受自然界种子传播方式的启发,提出一种进化算法——种子优化算法.该算法通过模拟植物生存的自适应现象,逐代进化,寻找最优结果,解决复杂的优化计算问题.对该算法的全局寻优性能进行分析证明.通过典型优化问题的实例仿真实验,表明该算法具有较好的寻优性能.
集体差异性被认为是集成学习中的一个关键因素.在聚类集成的研究中,生成聚类集体的方法有许多种,但就专门致力于生成高差异性聚类集体的方法研究较少.基于此,本文提出生成高差异性聚类集体的方法CEAN和ICEAN,在算法中通过引入人工数据来增加聚类集体的差异性.用实验比较了CEAN和ICEAN与文献中出现的常用聚类集体生成方法,实验表明CEAN和ICEAN确实能增加生成集体的差异性,从而在相似平均集体成员准确度情况下使得聚类集成的效果更好.
提出一种基于改进优势集聚类的无监督学习图像检索方法.使用有记忆的SVM相关反馈将底层视觉特征和高层语义相结合,并充分发掘图像之间的相似性以得到更接近用户检索要求的结果.实验结果表明,该方法能快速收敛于用户的查询概念,在图像检索系统的准确率和反馈次数方面表现出一定的优越性.
系统分析现存多目标进化算法中分布度评价方法的特点和不足,提出一种基于最小生成树的可变邻域分布度评价方法,通过评价解集在“邻域”内的相对均匀程度,准确给出解集的分布结果,并部分解决现有方法不能对Pareto最优面为非均匀分布的测试函数评价的问题.另外,给出一种解集映射方法,使其在少考虑一维信息同时,保持分布情况不变.实验结果证明该方法的可行性和有效性.
由于计算机用户对键盘的熟悉程度、击键习惯等不尽相同,每个用户都具有自己独特的击键生物特征.对于某个用户来说,其击键特征为正常类,其他所有用户为异常类,这可以利用模式识别中的单类分类器来解决.本文设计基于支持向量数据描述(SVDD)的击键生物特征身份认证系统模型.将该方法与BP、RBF和SOM方法进行对比,证实SVDD具有较好的识别效果,它可将非法用户误接受率从28.9%降低到0.28%.最后给出一个嵌入Windows用户登录中的口令+击键特征身份认证的实现技术.
受子空间学习和正则化技术的启发,提出正则化最小二乘的局部判别投影.为了获得投影子空间,首先构建类内和类间图,然后推导出计算公式,再使用正则化最小二乘法解出子空间.与普通算法相比,该算法既保持了流形的局部几何结构,又保持了判别结构.在标准人脸数据库上的实验表明该算法有效.