摘要：在信息检索和机器学习领域,大部分排序学习方法假设查询中的各个对象均满足独立同分布.虽然该假设简化了排序问题,却未能利用目标对象之间隐藏的相关性信息.在全监督排序和直推式排序2个问题中分别提出了新的方法,充分地利用了对象间的关系.在全监督排序问题中,将对象相关性映射为RBF Kernel,作为约束项加入优化目标,使得优化过程中越相似的对象打分越接近,即全局一致性思想.在直推式排序问题中,利用对象相关性将每个查询映射为图结构,设计了新的基于图结构的查询相似度度量,使得优化过程中越相似的查询,该查询内的对象对预测查询的影响越大.实验结果表明,加入对象之间的相关性提升了全监督排序算法和直推式排序算法的性能.

摘要：一维(有效)时间区间(VT)和二维最小限定矩形(MBR)是移动数据基本的时空单元,两者性质不同,应用中也有差异.现有移动数据查询通常是将相关数据转换为高出原空间情形"一维"的空间数据,其优势在于可充分使用现有空间数据索引技术.文中主要贡献在于研究基于过去和当前时间查询的移动数据索引模式,该索引模式能够表征时空各自特性并实现时空模块的整合配置.首先,文中将有效时间期间VT和空间MBR统一描述为广义区间,并通过区间数将其转化为平面上相点,实现了数学上的整合表述与刻画;同时,根据VT和MBR各自反映的时空特征,引入了基于时态拟序的时间相点线序划分和基于扩展KD-tree的空间相点MBR分类,建立时空相点分析基本框架;然后,在相点分析框架内实现时间和空间索引模块组建和整合配置,实现了移动数据索引模式Modim;另外,研究了基于当前与现在时间Modim数据查询以及索引增量式更新算法,并建立相点编码方案以实现最终查询结果的重构;最后,设计相关仿真以实现对Modim性能评估,与现有相关工作进行基本比较的结果表明文中工作是可行的和有效的.

摘要：分布式智能系统基本研究领域之一就是多Agent系统.在MAS协作过程中冲突难以避免,在实际应用的许多情况下,冲突都是在群体层面展开,同时冲突双方都需要特别关注持中立态度Agent的未来发展导向,这在双方势均力敌情况下尤为重要.因此,根据已有信息,建立基于中立Agent群体的智能分析与计算模型,对中立群体可能的趋向进行必要评估和预测,在冲突研究与应用当中具有基本意义.通过对MAS中Agent相互关系的形式描述,引入中立Agent群体模型,建立了对中立Agent未来状态进行智能分析和预测的计算模式,并设计了相应算法和实验.理论分析和实验结果表明了所建立模型的合理性与有效性.