摘要：基于本地差分隐私的图聚类工作成为近年来的一个研究热点.已有工作主要针对的是无向图,且大多利用位向量技术通过模块化聚合实现.由于噪声量与向量维度成线性关系,使得聚类质量和隐私性难以很好地兼顾.此外,针对无向图中边的有/无设计的2元扰动机制在面对有向图时,因无法对边的方向性进行处理而无法适用.针对上述问题,提出一种基于本地边差分隐私(edge local differential privacy,Edge-LDP)的有向图聚类算法DGC-LDP(directed graph clustering under LDP).具体来说,为了降低噪音量同时适用于有向图,基于直接编码方式设计了一种适用于有向星型图的动态扰动机制,通过自适应添加噪声来平衡隐私性和统计效用.在此基础上,在终端和收集者之间构建迭代机制.收集者依据终端上传的噪声数据提取节点间的相似性信息,并设计基于轮廓系数测量模型的节点聚合算法,通过迭代机制不断地优化节点聚合形式形成高质量簇.理论分析和实验结果表明,所提算法在满足Edge-LDP的同时能够有效兼顾聚类精度.

摘要：晕动症是制约虚拟现实技术发展的重要因素之一。目前,针对虚拟现实晕动症的研究方法大多相对单一,且很少考虑虚实运动状态一致性对晕动症的影响。为探索虚拟现实体验过程中虚实运动一致与不一致情况下不同晕动症缓解方案的效果,在虚拟现实场景中设计了视觉范围限制、边缘模糊和视觉简化3种晕动症缓解方案。通过收集30名被试的主观评价数据和客观生理数据,评估了不同缓解方案在不同运动状态下的缓解效果。结果表明,在虚实运动一致和不一致情况下,不同缓解方案对虚拟现实晕动症缓解效果存在显著差异,这为缓解虚拟现实技术中的晕动问题提供了解决思路。

摘要：针对如何提高学习力和培养创新力问题,提出一种基于维度拓展的思维应用模式,结合具体案例介绍该模式的实际教学应用,探讨如何通过不断拓展基本思维应用模式的维度,将隐藏于知识谱系中的思维规律和应用显性化,实现知识学习图式建构认知的提升,以培养元认知能力。

摘要：针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令滤波引入到反推控制中,进而分别设计虚拟控制协议与真实控制协议.在此基础上,为估计未知参数设计了参数复合学习律,利用在线记录的数据和即时数据来产生预测误差,并利用跟踪误差和预测误差来更新参数估计.结果表明,在严格弱于持续激励(Persistent excitation,PE)条件的区间激励(Interval excitation,IE)条件下,本文提出的控制方案不仅能够保证编队误差的固定时间收敛性,也能够保证参数估计误差的固定时间收敛性,同时解决了多无人艇系统的固定时间二分编队跟踪控制问题.最后,通过仿真实验验证了本文提出的控制协议的有效性.

摘要：在复杂动态环境下,针对无人机执行协同数据采集任务时,出现的航迹规划问题求解不确定性高、多机协同难度大、机间碰撞严重等挑战,提出了一种面向多无人机辅助数据采集的强化学习协同航迹规划(reinforcement learning-based cooperative trajectory planning for UAV aided data collection,RL-DC)算法.该算法通过集中式训练分布式执行框架,实现多无人机安全高效协同数据采集和航迹优化.通过设计竞争候选节点队列机制,避免多架无人机同时服务一个节点导致的信号干扰和飞行安全问题,并通过奖励重塑优化规划轨迹,提高数据采集效率;同时采用网络结构优化和混合优先经验回放,提高无人机在复杂环境下的学习效率,提升决策能力.实验结果表明,所提出的RL-DC算法在各种任务环境中的成功率均能达到90%以上,节点服务率均大于98%,性能优于其他同类算法.

摘要：为了用有限的广告预算选择合适的初始种子节点以达到尽可能好的广告效应,首先根据节点的粉丝数量对节点成本进行建模,并利用节点对信息的偏好程度和节点间的关注度对影响概率建模,然后根据影响概率和节点成本提出节点平均概率的概念,设计种子节点选择算法AvePA.该算法根据平均概率选择种子节点,其中平均概率综合考虑了节点的成本、出度大小、节点对其粉丝的影响力以及节点与所投放广告之间的相似度多个因素.据此实现社交网络中基于成本的广告投放原型系统,并在6个数据集上进行了对比实验.结果表明:引入覆盖距离可以有效避免影响范围的重叠,扩大影响范围;随着广告预算的增加,综合考虑影响效果和时间效率,AvePA算法的整体性能优于其他算法.

摘要：完全图KN上某个顶点连接到图G将破坏其对称性.为加速定位这类结构异常,基于散射量子行走模型设计搜索算法,首先给出了算法酉算子的定义,在此基础上利用完全图的对称性,将算法的搜索空间限定为一个低维的坍缩图空间.以G为一个顶点的情况为例,利用硬币量子行走模型上的研究结论简化了坍缩图空间中酉算子的计算,并借助矩阵扰动理论分析算法演化过程.针对星图SN上结构异常的研究表明,以星图中心节点为界将整个图分为左右两个部分,当且仅当两部分在N→∞时具有相同的特征值,搜索算法可以获得量子加速.本文说明星图上的分析方法和结论可以推广至完全图的坍缩图上.基于此,本文证明无论完全图连接的图G结构如何,搜索算法均可在O(√N)时间内定位到目标顶点,成功概率为1-O(1/√N),即量子行走搜索该类异常与经典搜索相比有二次加速.

摘要：互联网体系架构正面临着严峻的安全和管理挑战,迫切需要具备可信性和可控性特征的新架构.已有的网络体系结构要么是基于边缘论和面向非连接的设计思想,导致分组传输路径不可控,要么是重新设计现有网络的体系架构,代价巨大.文中提出了一种可信可控的网络体系结构,其特征是在现有网络体系架构的基础上增加一个可信可控4层逻辑结构,从而实现网络组元及用户行为的可预期、可管理,它包括决策层、观测层、资源层和可信接口层4个层次;在明确新网络体系结构中网络控制对象为逻辑流的前提下,给出了一种包含感知与监测、理解与检测、判断与决策和控制及可达4个功能环节的闭环自反馈控制方法,确保网络系统可自诊断、自恢复地回归稳定态.同时指出具备跨层交互能力的可信接口层是新体系实现可信可控的关键,继而给出了位于该层的可信可控协议模型,并定义了确保协议执行可预期的协议基本功能;指出了逻辑流中信任流是协议的主要控制对象,并基于新体系结构下网络控制方法,通过融合信任管理和不可否认服务的方式给出了协议可信的控制方法.为验证协议模型和控制方法的有效性,给出了协议的具体实施方案,包括协议基本要素和协议两阶段执行过程.最后,给出了新体系与现有技术相比较所具备的优势,并对下一步工作进行了展望.

摘要：随着网络教育逐步得到人们认可,各种满足不同教学需求的教学软件、工具以及网络教育平台不断出现·针对网络教育系统集成所面临的异构性、互操作性、可扩展性等问题,提出了一种松耦合、易集成的网络教育系统集成框架IFESJ·该集成框架将各种网络教育应用系统的通用服务剥离出来,分别从界面、业务和数据3方面将它们有机地集成起来,支持全过程的网络教学活动·实际应用和性能测试结果均表明:IFESJ集成框架设计合理,基于该集成框架的网络教育系统的性能能够满足正常使用的并发性要求·

摘要：为了提高缓存单元的可靠性,在软错误防护代价和缓存可靠性之间进行均衡,提出一种基于马尔科夫链的缓存可靠性模型.首先,改进了现有缓存架构脆弱性因子AVF和生命周期分析方法;然后,将单粒子时空单比特和多比特翻转的非等概率特性进行综合分析,在缓存可靠性设计中加入诸如奇偶校验、单位纠错双位检错和交错布局等防护措施;最后,基于单粒子翻转时空累积效应和检错纠错防护策略,使用SPEC2000标准测试程序在Sim-Alpha仿真处理器上对该评估方法进行实验验证.结果表明:所提方法可较好地预测特定应用程序下的缓存可靠性;相比于传统的基于蒙特卡洛错误注入的方法,该方法时间开销更小,应用针对性更强.