技术标准联盟发展演化的关键路径研究——以TD联盟为例

技术标准占据着产业链的制高点,在产业发展中起着重要的作用,在国际上我国技术标准的制定和拥有数与发达国家比还有较大差距。为了在技术标准竞争中抢占先机。分析和探讨技术标准联盟的形成与演化路径是很有意义的。通过分析联盟发展过程中三种模式,特别是通过分析TD联盟发展过程中政府的作用、关键时间点和事件,阐明了TD联盟发展过程中成员数量和性质的变化。从而分析得出TD联盟发展的关键路径,并启示和指导其他技术标准联盟的发展。

基于主体网格的本体驱动自主学习系统

网上学习系统大多只是教材的一种电子化,没有实现用户的个性化教学。该文提出建立基于本体驱动的智能知识导航图。在学习过程中,用户可定制个性化学习内容,主体网格平台可通过Agent动态搜集个性化信息,在参考已建立的知识点本体后,基于用户行为观察的方式创建个性化学习档案,并利用主体网格智能平台AGrIP的多Agent协作提供个性化的、智能自主学习系统,为用户提供更好的知识服务。

应用服务器的安全性研究

良好的软件部署大多采用N层体系结构,将软件逻辑分成多个层面。应用服务器为商务逻辑层组件提供了运行的容器环境和数据库访问的底层环境,并提供了核心的中间件服务和基础架构,同时要求提供足够的安全性服务。结合分析比较了现有主流应用服务器平台,探讨了实施应用服务器安全性的方案。

神经网络和模糊逻辑在基于Agent的Web搜索系统中的应用研究

文章提出了一种利用神经网络和模糊理论技术的多Agent信息查找方法。它利用神经网络的方法自动地处理基于Agent的信息搜索和选择,利用模糊逻辑的理论处理Agent间通信和协作过程的不确定性和灵活性。该方法有效地增强了Web中信息搜索的精确性。

一种基于AP-Entropy选择集成的风控模型和算法

近年来互联网金融网贷领域涌现出了众多的风控问题,对此采用多种特征选择方法预处理风控领域的数据指标,构建了全面的针对企业信用的风控指标体系,采用stacking集成策略研究了基于AP-Entropy的信用风险模型。信用风险模型有两层学习器,引入选择集成思想,从种类和数量上筛选基学习器。首先,在Logistic回归、反向传播神经网络、AdaBoost等经典机器学习算法中,采用AP聚类算法选出适合企业信用风险的异质学习器作为基学习器;其次,在每次学习器迭代中,利用熵对学习器择优,自动选出F1值最高的基学习器,其中改进基于熵的学习器选择算法,提升了基学习器选择过程的效率,降低了模型的计算成本,模型选取XGBoost作为次级基学习器。实验结果表明,文中提出的模型和其他模型相比具有更好的学习效果和更强的泛化能力。

一种基于层次聚类和模拟退火的选择性集成算法的风控模型研究

集成学习模型可有效解决单一模型出现的模型结构单一、稳定性和预测能力弱的问题。但是由于结构复杂,其常出现运行效率低下、存储代价过大等问题,一般使用选择性集成算法优化集成学习模型来解决这些问题。目前提出的选择性集成算法仍存在运行效果和效率提升不够明显的现象。为解决这些问题,提出一种基于Stacking集成框架的选择性集成算法,算法主要使用了凝聚型层次聚类(AHC)算法和模拟退火的Metropolis准则对基学习器的种类和个数进行筛选。在实证分析方面,分别使用了国内外网贷对模型进行搭建。实验结果证明,AHC-Metropolis选择性集成模型可有效提升计算效率、预测能力、稳定性和泛化能力,有助于规范互联网金融行业秩序,协助开展金融监管任务,为建立我国金融风控管理体系和保障国家金融安全提供有效依据。

分布式构件技术EJB与CORBA CCM的集成研究

分析了EJB和CORBA CCM的构件规范,分析了在RMI-IIOP底层通信协议、IDL与Java语言映射基础上的CORBA CCM与EJB构件的互联模型.研究了将多主体系统理论与Web服务理论相结合,利用Web Services与多Agent技术对于集成方案的改进,给出了在多主体环境MAGE上实现的分布式构件集成环境.

基于WAP的手机铃声下载方案研究

随着Internet和移动网络技术的发展,移动计算日益向着个性化、交互式和智能化方向发展,手机铃声的下载是这个技术的一个缩影。无线应用协议WAP是基于Internet标准的无线协议规范,它充分利用了诸如TCP／IP、XML等Internet技术标准,并在优化的基础上,克服了无线环境下低带宽、高延迟和连接稳定性差的缺点。通过分析WAP的协议和网络结构,探讨了多层结构下基于WAP的手机铃声下载实施方案。

基于神经网络模型的网络借贷高危企业信用风险的识别研究

网络借贷的飞速发展在一定程度上缓解了小微型企业融资难的问题,但也暴露出网络借贷平台信用风险的识别问题。为充分识别高危网贷企业的特征,以中小型网贷企业为样本,通过指标筛选,挑选出与风险识别相关度较高的指标作为指标变量。并利用BP神经网络算法模型得出高危网贷企业在不同条件下的信用风险识别率和信用风险分类正确率。实验结果表明,高危网贷企业的信用风险具有高度识别性,高召回率、高正确率的特点。

基于AHP的移动互联网产业联盟成员选择研究——以移动互联教育联盟为例

联盟成员选择是联盟发展过程中的一个关键问题,由于在联盟成员的选择过程中没有统一的标准,导致联盟发展遇到很大困难,使联盟并不能按照预期的方向发展,甚至降低了行业的发展效率。以移动互联教育产业联盟为例,提出了联盟成员选择的准则和方法。基于3C原则,并运用AHP层次分析法对待选联盟成员企业进行评估,将许多定性指标进行量化处理,分层次分析了联盟成员选择过程中的要素组成,通过纵向和横向要素两两比较的方法,计算出各要素对选择目标标准的权重大小。从而为联盟成员的选择提供了依据。

基于Agent的自主构件模型设计与评估

为适应复杂环境和业务需求的变化,自适应软件开发要求为系统及其构成成分提供新的抽象和建模手段。自主构件能够感知并依据环境的变化自动地做出决策。采用自主构件开发复杂软件系统的主要目的是有效降低软件开发和维护的复杂性。在分析自适应软件实体功能和特征的基础上,提出一种基于智能体(Agent)的自主构件模型,该自主构件模型能动态感知环境的变化,合理封装自适应逻辑,依据策略规则进行决策,并根据目标导向,自动规划执行行为的序列。评估结果表明,该模型为建模与开发复杂自适应化软件提供了有效的底层支持。

一种让步多赢策略驱动的多智能体协商研究

多Agent系统在处理实际复杂问题时,智能体与智能体之间通常需要多轮协商才能最终达成一致目标,多轮协商本质上是一种参与方在保证自身利益前提下,不断让步妥协的过程,但在此动态协商的过程中通常需要考虑很多复杂因素.本文针对多Agent系统中的动态协商过程,根据协商环境的动态变化,基于效用评价机制,提出了一种让步多赢策略.该策略充分考虑到协商过程中影响Agent自身利益的理性因素,如时间、协商次数、参与方的动态变化等,据此策略智能体能够在提议-反提议的动态协商过程中做出适当、理性的让步,从而既确保了自身利益,又能兼顾对方利益,保证了参与各方的协商多赢.该方法提高了协商的成功率和效用,在实际应用中具有更大的灵活性和适用性.

基于场景自动机的网构软件演化

网构软件是网络开放、动态和多变环境下软件系统基本形态的一种抽象,其演化性要求软件能根据应用需求和运行环境变化而动态演化。引入了软件需求工程中场景的概念,但不同的是不把场景作为一种静态的记录来使用,而是把场景作为一种动态记录来描述软件的动态演化特征。给出了场景的形式化定义及其互补、等价、子集等关系描述,提出了基于场景自动机的网构软件演化方法。软件的性质和行为可以由一系列应用场景来展现,系统的演化通过场景自动机来体现,这为系统自适应演化提供了一种新的解决方法,并支持系统更大粒度的复用。

基于一种阶梯型培养体系的计算思维教学实践和评估（英文）

如何培养计算思维已成为高等教育的一个热门课题。文章提出一种阶梯型的培养体系,该培养体系从低到高大致划分为知识、能力和思维三个递进层次;基于该阶梯型培养体系,以计算机专业计算机导论课程为例,分析计算思维的组成和在课程每章节的体现,据此设计和改进课程教学、实验内容和课程结束后的测试环节了;根据测试结果我们评估了大学本科计算机专业学生计算思维培养的效果,统计结果表明一门好的课程内容设计和时间能够提升学生理解、体会和应用计算思维的水平。

多Agent系统的安全性研究

引言安全性是决定一个分布式计算系统是否有效的主要标准。由于用户与应用程序不同,安全性的要求是动态变化的,因此在多Agent系统中,安全性的要求往往更高。在分布式处理中,基于移动Agent的编程是一个新的发展。

Agent技术在病毒处理中的应用

引言最近几年,计算机病毒到处泛滥,造成了全球范围的巨大损失。调查表明安全问题日益引起人们的高度重视。人们越来越希望计算机能自动、高效地对病毒做出反应。当前病毒的检测技术飞速发展。

基于动态描述逻辑的多主体协作模型

基于动态描述逻辑的主体模型和协作过程就是既考虑了智能主体的知识表示与推理问题,又紧密地结合主体的设计与编程问题,把表示与推理应用到主体的具体设计中·它充分利用了动态描述逻辑的统一的形式化框架,同时从静态的知识表示与推理和动态的运行与变化两个方面来刻画主体的心智状态和协作过程,探讨了主体信念、行为能力、目标和规划等心智要素的表示、推理与修改以及联合目标的形成、多目标的规划问题·多主体协作模型将理论和实践有机地结合起来,能够充分体现智能主体的本质特征与运行机制,为多主体系统的设计与编程奠定了很好的基础·

情感智能主体模型

为使智能主体能有效处理情感,具有更高的智能性,论文在传统BDI智能主体模型的基础上,首次提出了一种情感智能主体模型结构,该模型通过建立情感知识库实现情感表示,利用情感推理算法实现情感推理,从而完成简单情感的处理。模型已初步实现,应用结果表明该模型能有效实现简单情感处理。

基于路径匹配的在线分层强化学习方法

如何在线找到正确的子目标是基于option的分层强化学习的关键问题.通过分析学习主体在子目标处的动作,发现了子目标的有效动作受限的特性,进而将寻找子目标的问题转化为寻找路径中最匹配的动作受限状态.针对网格学习环境,提出了单向值方法表示子目标的有效动作受限特性和基于此方法的option自动发现算法.实验表明,基于单向值方法产生的option能够显著加快Q学习算法,也进一步分析了option产生的时机和大小对Q学习算法性能的影响.