摘要：依赖关系一直是多议题协商的重点和难点。在基于依赖关系的多议题协商背景下,对依赖关系和依赖度进行了严格的定义和度量。在协商过程中,协商Agent强化了自身的协商策略,并使用多目标遗传协商算法对协商进行优化。实验结果表明,在该协商背景下依赖关系的定义以及依赖强度的度量是合理的,卖方Agent使用多目标遗传协商算法和各种协商策略是可行的,并取得了较好的协商效果,且使协商结果达到了pareto最优。

摘要：为了进一步丰富CP-nets对偏好语言的描述能力,提出了一种名为SDCP-nets的图形工具。该工具利用效用矩阵,刻画议题间的对称依赖关系,在SDCP-nets中,条件偏好关系的刻画使得择优选择和搜索最佳方案更加有效,对称依赖关系的描述又进一步确保了算法结果的准确性。形式化定义了SDCP-nets的结构、语义和一致性,给出了关于SDCP-nets的择优选择算法和最佳方案选择算法。实验结果表明,利用SDCP-nets来描述用户的偏好语言具有较高的准确度。

摘要：上下位关系是中文词汇语义关系的一种,对于文本理解及自动推理等有重要的作用。分别采用基于词典、百科资源和百度相关搜索的方法进行下位词的发现,对不同方法的结果进行数据融合,过滤数据中的噪音。实验结果表明,多资源融合的方法能够有效地对中文词汇下位词进行发现,该方法还可以进一步用于发现上位词等语义关系紧密的其他词类。

摘要：为保证数据的完整性和可靠性,云存储中主要采用多副本和纠删码两种存储策略对数据进行冗余保存。针对单一冗余存储策略的不足,考虑存储开销和访问质量等方面因素,根据用户访问数据的规律,提出一种基于纠删码的动态副本冗余存储方案。采用RC纠删码来存储云中海量数据,使用曲线拟合预测访问热度,适时调整副本的数量。实验结果表明,该方案空间利用率高,能有效减小用户访问的平均延迟,提高用户访问的成功率。

摘要：针对传统的文本分类方法需要大量人工标注好的训练数据,且数据标注的好坏会影响结果等问题,通过对LDA及其相关模型的研究,提出一种基于LDA的弱监督文本分类算法。无需人工标注训练数据,在处理文本时,引入词向量,保持文本中的词序,加入二元语法。实验结果表明,该方法节省了人力、物力,取得了较优效果。

摘要：利用日本夏普公司的TFT-LCD模块LQ080V3DG01,设计并制作了由可编程逻辑门阵列(FPGA)控制驱动的显示系统。根据LQ080V3DG01的接口方式,用FPGA设计了液晶的驱动时序电路。用FPGA设计驱动电路,可以根据实际功能任务需求,定制显示控制功能。增强了系统的可靠性和设计的灵活性,解决了工程实际问题。

摘要：根据面向BDI Agent的软件特点,采用基于模型的软件测试方法。利用树形结构对BDI的运行过程进行分析,确定Agent个体的运行轨迹;对AUML模型中的序列图进行分析,做Agent间的交互测试。将序列图(sequence diagramSD)中的消息进行提取,确定MAS中每个Agent所要处理的消息事件集合,依据消息集合生成目标树,遍历目标规划树确定测试路径;依据测试路径生成测试用例。实验结果验证,该方法可以基于AUML序列图生成完备的测试用例。

摘要：为提高随机森林算法在基因表达数据分类方面的性能,提出基于局部保持映射的随机森林算法。对每棵决策树的所有节点,通过局部保持映射,将节点数据映射到新的属性空间中,选取第一个属性为最佳分裂属性。与传统随机森林算法相比,该算法缩短了决策树的构建时间,增加了决策树之间的差异性,明显提高了分类准确率。在9个标准基因表达数据集的对比实验结果表明,该算法性能优于传统随机森林算法,对基因表达数据中类不平衡导致正类样本准确率低的问题有一定改善。

摘要：针对异构处理器在传统通用计算中利用率低的问题,提出基于开放计算语言OpenCL(open computing language)的新的通用计算技术,它提供了统一的编程模型。介绍了OpenCL的特点、架构及实现原理等,并提出OpenCL性能优化策略。将OpenCL与计算统一设备架构CUDA(compute unified device architecture)及其它通用计算技术进行对比。对比结果表明,OpenCL能够充分发挥异构处理平台上各种处理器的性能潜力,充分合理地分配任务,为进行大规模并行计算提供了新的强有力的工具。

摘要：为解决Ad Hoc网络分簇过程中恶意节点被选为簇首带来的安全隐患,保障Ad Hoc网络的正确分簇和稳定运行,提出基于节点相关度、相对移动性、剩余能量值、安全评估度量值多方面因素的自适应安全加权分簇算法。安全评估度量参数由外部入侵检测系统和内部节点信任度共同计算得到,确保安全因素在分簇过程中的准确性;基于该算法给出相应分簇管理过程。仿真结果表明,该算法能够改善分簇性能,提高Ad Hoc网络的安全性。