基于拓扑势的网络节点重要性排序及评价方法

基于数据场提出了基于拓扑势的节点重要性评价算法,该算法能更为精细、真实地反映节点的重要性。利用自然语言,建立了一个可以简练描述节点重要性"公理集",基于拓扑势的节点重要性评价比其他重要性评价方式更接近于该"公理集"的描述。最后运用基于数据场的层次聚类算法,对节点的重要性程度进行了定性划分。

基于ARM的嵌入式系统组网设计与实现

随着嵌入式系统的广泛应用,嵌入式设备的组网成为一个热点问题。深入研究了目前广泛应用的ARM单片机,并由其控制以太网芯片,构成一个支持多协议的嵌入式接口转换装置。本设计可以广泛应用于各种嵌入式系统中,作为嵌入式系统、嵌入式局域网互连及连入因特网的转换接口装置。

网络时代的人工智能

五十多年来,人工智能在模式识别、知识工程、机器人等领域已经取得重大成就,但是离真正的人类智能还相差甚远。本文强调在当今的网络时代,作为信息技术的先导,人工智能科学有着非常值得关注的研究方向,要在学科交叉研究中实现人工智能的发展与创新。要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透,尤其是重视认知物理学的研究;自然语言是人类思维活动的载体,是人工智能研究知识表示无法回避的直接对象,要对语言中的概念建立起能够定量表示的不确定性转换模型,发展不确定性人工智能;要利用现实生活中复杂网络的小世界模型和无尺度特性,把网络拓扑作为知识表示的一种新方法,研究网络拓扑的演化与网络动力学行为,研究网络化了的智能,从而适应信息时代数据挖掘的普遍要求,迎接人工智能科学与应用新的辉煌。

面向服务软件的网络拓扑表示方法

主要研究了面向服务软件的网络拓扑知识表示问题。首先通过分析OWL-s中服务轮廓和服务模型的定义,研究了Web服务的属性及Web服务之间的主要逻辑关系;而后,提出了面向服务软件的拓扑知识表示方法,运用属性关系图(ARG)来描述面向服务软件的结构;最后,用一个实例说明了该方法的可行性。通过该实例可以看出,该拓扑表示方法可以准确描述服务间存在的多种关系类型及服务本身的各种属性,为进一步研究面向服务软件的结构特性打下基础。

基于GMM分类的信道占用度计算方法

信道占用度是无线电频谱监测中衡量信道使用情况的重要指标。本文提出一种基于高斯混合模型(Gaussian mixture model,GMM)的信道占用度计算方法 ,利用场强作为特征参数,用数据分类算法处理监测数据集,自动分离背景噪声和强弱信号,实现信道占用度的计算。该方法避免了传统算法中的随机误差和估计误差,能更准确地计算信道占用度。