面向上下文感知计算的贝叶斯网络结构自学习算法的研究

通过对上下文感知计算中上下文特点的详细分析,提出一种面向上下文感知计算的通用贝叶斯网络结构自学习方法。该方法能在足够实例数据的支撑下自动对上下文感知计算中上下文之间的关系进行学习,进而形成贝叶斯网络结构,用于从低层上下文向高层上下文的演化。通过对上下文感知计算中上下文的层次化特点的有效利用,该方法对贝叶斯网络自学习方法进行了有效优化。研究分析表明,该方法能显著降低贝叶斯网络学习过程中的时间复杂度。

基于上下文感知计算的协同感知数据模型

协同工作环境日益复杂和多样化,丰富的协同感知信息的有效获取与用户注意力资源的有限性之间的冲突更加凸显,需要解决协同感知数据的组织和语义表达以协助用户获取有效、全面的信息。针对这一问题,提出通用的基于上下文感知计算的协同感知数据模型(CADM)。基于活动理论建立协同交互模型,定义协同交互模型内的协同感知计算范畴;引入上下文感知分类方法,对协同感知信息进行概念分层,同时采用本体建模法建立CADM的本体。在服装协同设计平台内,验证了CADM的有效性。

普适环境下上下文感知计算的分析和综述

本文在分析上下文及上下文感知计算定义的基础上,首先讨论了上下文感知计算系统的建模与仿真问题,接着分析了上下文感知计算的系统框架,对现有的框架进行了分类,指出了系统框架所要解决的主要问题。最后介绍了上下文感知应用的研究情况。

基于上下文感知计算的移动中间件自适应模式的构建

随着科技的发展，各种智能移动终端已普及到人们生活中，基于上下文感知计算的移动应用已越来越得到人们的关注。然而受现实环境中地理条件的多样性、网络的不稳定性以及用户数量的突变性等因素的影响，现有移动中间件技术已无法满足现实的多样性需要。为此，提出了一种基于上下文感知计算的移动中间件自适应模式，实现移动终端自适应感知上下文、自主存储、推理与分析，降低用户参与度，提高系统自主交互的能力。

浅谈智能导游中上下文感知计算的应用与研究

随着人们越来越热衷于旅游,该文发现一些不可忽视的问题也凸现出来,传统的人工导游已不能满足游客的需求,而以上下文感知计算为基础的智能导游系统的运用将使得我们所面临的问题迎刃而解。该文以此为依托,研究实践一种基于上下文感知计算的智能导游系统。

基于领域本体与上下文感知计算的智能图书

随着信息化时代的发展,Web已成为各类网络信息的主要平台.但是,呈指数增长的海量信息使有价值知识淹没在信息海洋里,用户对专业领域知识的查找、访问、学习以及维护变得越来越困难.针对这种情况,提出了基于领域本体与上下文感知计算的智能图书系统模型,并以颜色科学为例,根据领域知识特性和共享需求构建颜色科学领域本体,然后通过上下文系统获取实现用户需求的相关上下文信息,在上下文感知计算推理模型中为用户提供特定服务,实现了智能图书系统的相关流程.

面向工业应用的车间上下文感知计算模型研究

针对可穿戴计算技术在制造业设备装配和维护应用领域辅助用户作业的应用中,车间内设备、人员和环境等上下文感知的需求,设计了车间上下文感知计算模型。运用无线传感网络、可穿戴计算机等构建上下文采集基础设施,利用OWL表示上下文和描述上下文服务,通过基于语义的上下文服务提供请求和应答、发布和订阅两种统一的上下文访问接口,以便快速开发上下文感知应用;最后给出了应用实例及分析。

上下文感知计算的支撑环境及其参考实现

以网构软件为背景,给出了一个支持上下文情境感知的支撑环境设计框架,重点描述了该框架的一种基于OSGi的参考实现方法;通过一个案例描述了该系统的应用过程,以说明其有效性。

融合上下文感知计算的协同过滤算法

将上下文感知信息融合到项目的相似度计算中,提出了一种结合上下文感知计算的协同过滤算法.以个性化音乐推荐为例,对用户及音乐的上下文信息进行分析,为用户进行个性化推荐,在公开的音乐数据集上进行实验,结果显示该算法提升了推荐精度,验证了算法的有效性.

基于上下文感知计算的网络攻击组织追踪方法

对大部分网络监管单位和企业来说,网络安全运营很大程度上已经变为一个大数据分析和处理问题。如何从海量多模态的告警数据中快速发现高危安全事件是目前监管单位和企业的一个重要课题。文章针对这一问题提出了一种基于上下文感知计算框架的攻击组织追踪方法。首先结合上下文感知计算框架从多源威胁情报和本地沙箱告警日志中采集攻击组织相关威胁语义知识构建攻击组织知识库;然后基于大数据流式计算对实时、海量和多模态告警数据进行范式化理解和攻击链关联;结合构建的攻击组织知识库进行事件威胁语义富化和攻击组织特征关联计算,最终发现海量告警背后值得关注的攻击组织相关高危事件。经过在实际生产环境中部署系统,验证了文章提出方法的有效性。

上下文感知驱动的自适应个性化学习及交互

根据不同的学习上下文环境提供合适的学习内容、方式和交互,并在上下文发生变化时进行适应性的调整,是智能教学系统近年来的研究难点之一。为此,提出一种上下文感知驱动的具有适应性的个性化学习及交互方法。首先讨论上下文及其对学习与交互过程的作用和影响机制。然后提出一种以知识图为中心的个性化学习,介绍了学习图的生成算法和操作算子、基于知识图的自适应学习导航及符合用户个性特点和需要的学习序列生成方法。最后对交互行为进行分类,讨论交互行为的实现。原型系统的应用结果验证了所提方法的可行性和有效性,在适应性和个性化学习方面能够较好地满足用户的学习需求。

上下文感知在Smart Home系统中的应用

针对Smart Home环境的复杂性问题,提出了利用上下文技术来提高其智能化的方法。阐述了在普适环境下的上下文在智能家居环境中的重要性,介绍了上下文和上下文感知计算的定义,采用了基元组的形式定义了不同的上下文信息;提出了基于上下文感知的Smart Home系统模型,并对其功能进行了详细的描述;在Smart Home系统中,应用该模型对具体的上下文实例进行了描述和推理。

普适计算中的位置感知综述

位置感知计算是普适计算中的重要研究内容之一。根据国外已有的各种位置感知系统及其优缺点,总结了在普适计算环境中位置感知的特点。分析了现有位置感知技术在普适计算环境中的特性。最后指出普适计算中位置感知研究的方向。

新鲜度敏感的上下文推理实时调度算法

由于普适计算中上下文具有时效性,上下文推理器必须支持推理任务的实时调度。针对上下文推理结果在一段时间内仍然保持"新鲜"的特点,本文提出推理结果重复利用效率及其计算公式。在此基础上提出一种新鲜度敏感的上下文推理实时调度算法FRSA,以推理结果重复利用效率作为判断依据结合任务的deadline进行调度,其目标是在推理器负载较重时达到较高吞吐量。实验表明,在推理器负载重时,FRSA的系统吞吐量比经典调度算法(SJF,EDF,LSF和FCFS)高出10%-30%。

位置感知计算的概论、关键问题和技术探讨

自从MarkWeiser在1991年提出普适计算的思想以来,计算模式经历主机计算、桌面计算的阶段后正朝普适计算方向蓬勃发展。上下文感知是普适计算的最重要的特征,同时也是主要的研究领域。自从二十世纪70年代美国军方推出军民两用的室外定位系统GPS,以及1989年RoyWant等开发出支持大规模使用、价格低廉的室内位置传感系统ActiveBadge以来,位置感知由于其高鲁棒性和确定性、技术的可获得性而成为当前上下文感知计算的一个真正的研究热点。本文从普适计算和智能空间的特征和要求出发,阐述了位置感知计算的主要概念、思想,并根据当前最新的研究状况,解释了位置感知计算面临的主要问题和相应的技术方法,最后叙述了作为本课题组研究的试验系统——智能教室的技术路线。

普适计算体系结构的研究

普适计算使人在信息空间与物理空间相融合的环境下,利用任意设备,通过任意网络,在任意时间透明地获得一定质量的网络服务.根据目前国际上普适计算研究的现状和发展趋势,提出了一个普适计算体系结构的参考模型,并简要讨论了该参考模型的四个关键研究内容—移动计算、互操作计算、情感计算和上下文感知计算.

上下文感知的智慧城市空间信息服务组合

智慧城市的功能之一是构建可智能感知的、泛在化的空间信息服务,并将这些服务按需求进行组合提供灵活的服务,这就要求空间信息服务能更好地适应不断变化的地理上下文环境。设计了上下文感知的空间信息服务的语义模型,该模型扩展了OWL-S本体,增加了地理上下文类、上下文前提条件类、上下文效果类和上下文绑定类以支持地理上下文和地理上下文适应性,并使用智能规划技术和语义增强技术,将上下文感知的空间信息服务组合转化为智能规划的求解过程,提高了服务组合精度。最后通过智慧旅游验证了上下文感知的空间信息服务组合方法的可行性和有效性。

基于自适应多阶Markov模型的位置预测

准确预测用户的地理位置可以有效地改善基于位置服务的质量.针对标准Markov模型预测能力不足,以及多阶Markov模型阶数难以确定的问题,提出了一种基于自适应多阶Markov模型的位置预测方法.该方法采用一种基于规则图形的方式对原始位置信息进行抽象化处理,并使用一种基于训练数据的启发式方式自动确定用于预测的模型阶数.最后,基于真实的位置数据,对自适应多阶Markov模型的预测性能进行了评测.结果表明自适应多阶Markov模型的预测精度和预测长度始终高于多阶Markov模型,平均预测精度提高将近20%,平均预测长度提高将近10个单位区域,且不易受训练数据质量影响.

移动社交网络环境下的真实社会关系估计

移动设备的普及促进了移动社会网络的形成。移动社会网络基于用户的物理特征为其提供虚拟交互,而用户在真实世界中的社会关系知识可有效地用于改善移动社会网络服务质量。提出一种基于用户物理特征(包括由GPS坐标代表的位置特征和由蓝牙检测代表的邻近特征)估计其真实社会关系的方法。该方法首先基于用户的GPS轨迹挖掘语义化访问地点(如家、工作地点等),然后结合语义化访问地点和邻近特征估计用户间的社会关系类型。实验结果表明该方法可准确估计三种类型的真实社会关系(包括家人、同事和朋友)。

基于用户隐私保护的区域多对象聚集问题

针对基于位置服务中的多个查询者聚集的场景,提出一种兼顾用户隐私的基于区域的空间Skyline查询算法——VRSSA,利用Voronoi图等计算几何学方法,解决了基于区域与点之间距离的控制关系的判定,并有效减少了计算的复杂度。同时,针对查询条件的动态改变,提出了两种动态更新算法:被查询对象动态新增算法(DPJA)和被查询对象动态减少算法(DPDA),可有效地减少重复计算的消耗。实验结果证明,提出的算法总体效率较好,具有一定的灵活性。