摘要：行为仿真在紧急疏散、智能控制等领域占据重要位置,其中,大多数侧重于单一的个体运动或者群体的聚集行为,而对同伴之间的行为交互关注较少.为更真实地模拟同伴之间的交互行为,从同伴的认知心理、社会关系强度和观点一致性出发,研究同伴群体的动态形成以及疏散行为的多样性和高效性.首先,构建一个基于非对称亲密度的同伴关系总体框架,包含亲密度关系建模和环境熟悉度的判定.然后,通过非对称亲密度的计算方法,处理同伴群体动态形成问题.结合环境熟悉度提出改进的领导者-跟随者模型,模拟同伴疏散行为.最后,在Unity3D引擎环境下对篮球场、超市、公园等场景中的同伴交互行为进行模拟,并将提出方法与对称亲密度方法和群集系统方法实现同伴聚集进行效率对比.在分辨率为80×80的场景中对200个同伴个体的交互行为进行仿真,平均帧速率为46.8帧/s,平均同伴群组聚集效率为87.3%,平均同伴交互行为完成时间为4.78 s.实验结果表明,非对称亲密度的领导者-跟随者同伴行为仿真方法能将宏观的群体行为具体化,对动态的同伴群组进行有效模拟,仿真效果具有多样性和高效性.

摘要：目的决策系统是无人驾驶技术的核心研究之一。已有决策系统存在逻辑不合理、计算效率低、应用场景局限等问题,因此提出一种动态环境下无人驾驶路径决策仿真。方法首先,基于规则模型构建适于无人驾驶决策系统的交通有限状态机;其次,针对交通动态特征,提出基于统计模型的动态目标路径算法计算状态迁移风险;最后,将交通状态机和动态目标路径算法有机结合,设计出一种基于有限状态机的无人驾驶动态目标路径模型,适用于交叉口冲突避免和三车道换道行为。将全速度差连续跟驰模型运用到换道规则中,并基于冲突时间提出动态临界跟车距离。结果为验证模型的有效性和高效性,对交通环境进行虚拟现实建模,模拟交叉口通行和三车道换道行为,分析文中模型对车流量和换道率的影响。实验结果显示,在交叉口通行时,自主车辆不仅可以检测冲突还可以根据风险评估结果执行安全合理的决策。三车道换道时,自主车辆既可以实现紧急让道,也可以通过执行换道达成自身驾驶期望。通过将实测数据和其他两种方法对比,当车流密度在0. 2 0. 5时,本文模型的平均速度最高分别提高32 km/h和22 km/h。当车流密度不超过0. 65时,本文模型的换道成功率最高分别提升37%和25%。结论实验结果说明本文方法不仅可以在动态城区环境下提高决策安全性和正确性,还可以提高车流量饱和度,缓解交通堵塞。

摘要：基于现实的基础上,考虑矿区污染治理所面临的不确定性,对污染治理最优投入的政策决策机制进行研究.根据污染治理投入成本的不可逆性及不确定性建立污染治理最优投入决策机制模型,求出了污染治理投入的临界点.结果表明,该模型能够真实、客观、全面地评价矿区污染治理投入决策机制,并可动态指导治理政策实施的最优时机.同时,分析了模型中各参数对污染治理决策的影响,结合案例验证了此模型在污染治理决策问题上的分析结果.结果发现,考虑了不确定性的模型有效避免了传统决策模型的局限性,可以帮助政府和煤矿企业做出科学有效的污染治理投入决策和制度设计,能更有效地推动煤矿企业安全生产的实施.本研究对环境政策的制定和实施具有理论和实践指导意义.

摘要：基于属性加密算法因含有大量耗时的指数运算和双线性对运算,一些方案提出将加密外包给云服务器.然而这些方案并没有给出外包加密在云服务器中的并行计算方法,而且还存在用户保管私钥过多、授权中心生成用户私钥成本过大的问题.针对这些问题,提出一种基于Spark大数据平台的快速加密与共享方案.在该方案中,根据共享访问树的特点设计加密并行化算法,该算法将共享访问树的秘密值分发和叶子节点加密并行化之后交给Spark集群处理,而用户客户端对每个叶子节点仅需要一次指数运算;此外,用户私钥的属性计算也外包给Spark集群,授权中心生成一个用户私钥仅需要4次指数运算,并且用户仅需要保存一个占用空间很小的密钥子项.

摘要："计算思维(Computational Thinking)"是当前国际计算机界广为关注的一个重要概念,也是当前计算机教育需要重点研究的重要课题,它的研究对我国转型期的科学和教育具有重要的意义。"轻游戏(Light Game)"是具有主流游戏内在动机并同时辅助教学开发学习者思维能力的教育软件,用"轻游戏"的方式可培养学习者的计算思维能力。综合二者的特点,采用理论与实践相结合的方式,在分析"轻游戏"和"计算思维"的基础之上,探索并构建了程序设计课程教学中"轻游戏"对"计算思维"能力培养的教学模型和学习模型,通过实例论证,该模型不仅可以提高教学和学习效率,而且可以提升学习者的计算思维能力,同时也为广大教学者从思维层面上培养学习者提供了参考。

摘要：E-learning的RO(IReturn On Investment)是E-learning的重要研究内容之一。本文提出了高校教育中e-learning教学方式投资回报率的DKM模型,该模型能通过对传统教学方式的成本分析以及对e-learning教学方式的成本分析,计算出投资e-learning学习方式后节约的成本,从而计算出高校投资e-learning后在成本层面上的投资回报率,因此能为高校管理层提供e-learning系统选择和建立的决策依据。在应用该模型时,需要仔细考虑传统教学模式和e-learning教学模式的成本因素,包括设计和开发成本、知识传递成本、管理和维护成本等。最后,我们将这一模型应用于长江师范学院的公共外语教学网络平台决策中,实验结果表明,该e-learning教学方式与传统教学方式相比,仅仅在成本层面上就已经收益50%。

摘要：针对移动设备访问三维虚拟场景受到网络带宽和终端计算能力的制约,使得在线利用虚拟现实进行移动学习效率不高,基于此提出了基于普适计算的自适应优化选择技术。对三维实体进行本体语义描述,建立相应的优化模型。在此基础上通过WURFL对手持移动设备进行采样获取设备参数,对参数进行分析从而建立普适规则,利用普适计算进行自适应优化选择。测试结果表明,经过自适应选择后手持移动设备获取三维虚拟场景资源的速度和效率得到明显提高。

摘要：针对协同训练算法对无标记数据挑选效率较低,导致噪声数据引入问题,提出了基于图的置信度估计半监督协同训练算法(CESL)。利用样本数据自身的结构信息,显式计算无标记样本所属类别概率。同时,采用了多分类器隐式对无标记数据进行置信度估计,以提高无标记数据挑选标准。将显示计算和隐式估计结合对无标记数据进行选择,减低噪音数据的引入,更新分类器。在UCI数据集上的对比实验表明了该算法的有效性。

摘要：为决定数据库在复杂负载下运行时,数据缓冲区自适应优化所要求的大小与方向,提出了基于模拟仿真的自适应优化算法,通过建立模拟数据缓冲区(simulated buffer pool,SBP)来决定调整的方向。应用缓冲错失公式(buffer miss equation,BME)结合基于模拟仿真自适应优化算法监测数据库运行状态时所获得的一系列关键数据,来确定优化调整的具体方案。实验结果表明,该算法提升了数据库整体性能,并在长时间内保持性能高效稳定。

摘要：针对领域概念术语提取过程中特征项来源于人工获取领域文本集以及特征项抽取的准确性不高的问题,提出一种特征项自动抽取方法。首先利用第三方接口从文献资源库中获取大量领域文本集,并对其进行段落分析,在文本预处理阶段提出一种改进的无词典分词方法进行二次分词,结合TFIDF,开方检验,信息增益及词汇位置权重方法进行特征项抽取。实验结果表明,该方法能实现特征项自动化抽取。