随着宽带技术、IPV6,3G等技术的发展,流媒体已成为Internet承载的重要业务.在现实网络中,节点动态行为导致的抖动对P2P大规模可信流媒体网络的健壮性、可用性、服务响应速度和生命周期等产生了重要的影响.抖动对网络的影响分析和设计合理且有效的抑制策略已成为P2P大规模可信流媒体研究的一个重要方向.在全面分析节点动态行为导致抖动对网络性能影响的基础上,对描述抖动的时间、频度和连接3个重要指标进行了量化分析和建模,给出了应对抖动的规则和策略.仿真实验表明,该模型具有很好的抗抖动能力,提高了P2P可信流媒体网络的性能和服务质量,使P2P可信流媒体网络系统实现相对稳定和服务持续.

自私的移动节点不仅不会无偿为其他节点转发分组,而且有多占系统资源的动机.为此,提出了一种移动节点与无线接入点之间的接入服务博弈控制方案.方案基于已有移动节点的行为信任等级、请求服务所需的资源要求,预测其未来一定属性组合条件下各个信任和请求服务等级的概率,并结合博弈分析给出了无线接入点接纳移动节点的概率和接纳控制的决策条件.一旦收到某移动节点的接入服务请求,并根据接纳概率,若无线接入点决定处理它,则基于贝叶斯网络模型预测其信任和请求服务等级的未来值.基于预测值、接纳概率、移动节点的欺骗概率,无线接入点判断是否响应其接入服务请求.应用示例与仿真分析表明,方案对移动节点具有良好的激励作用和较强的服务响应能力,而且博弈消息代价比现有相关方案小.

目前基于WiFi射频指纹定位技术有望成为大规模城区室内外全空间定位的首选.针对 RSS 信号时变特性严重影响WiFi定位精度和鲁棒性的问题，提出了一种基于公共信标集的高精度射频指纹定位算法.该算法把目标定位看成贝叶斯估计问题，通过采用高斯混合模型更加准确地表征复杂训练指纹的信号特征，以及使用基于Markov链的状态转移模型和基于后验概率的自适应网格集选择机制，充分利用目标的历史状态信息和环境布局信息，不仅减少了定位搜索网格空间，而且还抑制了移动过程中不可能发生的位置跳变，提高了定位精度和鲁棒性.实验结果表明，所提定位算法以90%的概率可获得3 m以内的定位误差，其定位性能明显优于传统单一高斯模型.

针对无线Mesh网络中多信道分配问题，提出了一种适用于多射频网络的MAC机制MRMC-MAC.整个机制包含节点默认接收信道分配、可切换主信道集分配、节点通信以及可切换主信道集更新4部分.采用一种基于接收负载的分配算法，将接收负载作为信道分配的优先级参数，保证了接收负载重的节点优先分配到负载较小的信道，而接收负载较轻的节点间可以共享同一个默认接收信道，从而平衡了各个信道间的负载.分析了多射频网络中的多信道的隐终端问题并提出了解决方案.仿真结果表明，使用MRMC-MAC协议能够明显地改进MAC层吞吐量、碰撞次数等性能参数.

随着有线网络中多路径路由的部署和异构无线网络的发展,通信对等双方存在多条IP路径的场景越来越普遍.由于传统的单径传输协议无法充分发挥多路径带来的好处,如何设计有效的端到端多径可靠传输协议来提高端到端性能并保证网络资源分配的公平性成为研究的热点.多条路径的差异性给多径传输协议的设计带来诸多的问题:分组乱序造成接收缓存阻塞,不合理的多径分组调度造成吞吐率的抑制,缺乏多径协同造成带宽未充分利用和多径异构性造成网络资源分配不公平.就如何应对这些问题对现有协议多路径协议进行综述,并指出协议发展的趋势以及开放的研究问题.

P2P网络中广泛存在的“free riding”现象使其在任务协作领域的应用受到了极大制约.为了实现P2P网络环境下的有效任务协作,提出了一种具有激励机制的任务协作逻辑模型.基于Agent理论,首先给出了对等体、半对等体、P2P社区等概念;然后在合同网的框架下提出了面向P2P网络社区的任务协作逻辑模型TCLM-P2P（task collaborative logic model oriented to P2P community）.相对于传统的任务协作模型,在合理的前提假设条件下,模型给出了模型公理和协作规则.该模型通过基于虚拟积分的协作算法实现了具有激励机制的P2P网络中的任务分配与协作.原型系统的实现及仿真实验结果表明TCLM-P2P模型具有可行性和有效性:不仅能够激励自利节点主动参与到任务分配与协作中;同时也能在一定程度上抑制节点的free riding行为,从而保障了P2P系统的有序工作.

提出一种基于惩罚培育的拓扑构造算法，针对P2P系统中普遍存在的搭便车、sybil攻击、whitewashing等不合作行为，在移动P2P拓扑构造过程中采用节点自监督、自惩罚机制，构造自适应的拓扑，使不合作节点受到惩罚，以培育节点合作性，并保障合作节点能够更有效地获得服务.根据移动P2P网络的固有特性，构造了一个结合有限状态维护、局部连通和信息交互的，具有全局视图的移动P2P覆盖网拓扑.实验结果分析显示，该算法构造的拓扑结构具有较好的可扩展性、稳定性和较强的容错性，且提高了搜索效率.

近年来,云计算技术的蓬勃发展为整个IT行业带来了巨大变革.传统数据中心网络拓扑构建方式及网络层控制平面的运行机制存在固化性,已经难以满足新形势下日益增长的高性能及高性价比需求,并且无法支持云环境下更加灵活的按带宽租赁数据中心网络的运营方式.因此,提出了一种通过低造价的可编程交换机来构建具有高连通性的非树状数据中心网络的方式,并设计了可编程交换机与服务器2.5层代理协同工作的基于凸优化的虚拟网络带宽控制管理机制,从而提供足够的灵活性以对资源虚拟化技术提供更好的支持.实验表明,新型体系结构在降低构建成本的同时大幅提高了数据中心网络的吞吐量并提供了更加灵活的网络带宽分配机制.

提出了一种反向Hash链遍历的时间、空间复杂度优化算法.采用堆栈操作实现了高效的反向Hash链遍历,并将Hash链遍历过程映射到了二叉树的后序遍历过程,利用二叉树性质对存储和计算性能进行了理论化分析和证明.分析证明结果表明,遍历对长为n的反向Hash链时,算法只需要存储「lb n+1个节点值,并且进行不多于(「lb n/2 + 1)n次Hash计算次数.相比同类其他算法,该算法并不要求链长为2的整数次方.通过对算法进行基于k叉树(k≥3)的扩展,进一步将存储空间降低到「log\-k［(k-1)n+1］,但总计算次数提高到［(「log\-k［(k-1)n+1］-1)k/2+1］n;通过在算法执行前先把Hash链平分为p段(p≥2),将总计算次数降低到(「lb(n/p)/2 + 1)n,但是所需的存储空间提高到(「lb(n/p)+1)p.

自认证公钥密码不需要证书管理,不存在密钥托管问题,非常适用于资源受限的无线传感器网络.但现有的自认证公钥传感网密钥协商协议存在安全性低和能量消耗大的缺点.首先分析并指出Yoon等人提出的协议不能抵抗密钥泄漏伪装攻击;然后采用MTI协议族的“隐式认证”的思想,基于椭圆曲线Diffie-Hellman假设,设计了一个新的基于自认证公钥体制的认证密钥协商协议WSN-AKA.该协议是第1个可证明安全的传感器网络自认证公钥体制密钥协商协议.与现有协议相比,该协议不仅安全性更高,而且因其密钥协商只需两次消息传递,其通信效率也最高而能耗最少.

通过定义反映个体之间邻近程度的指标(个体的树邻域包含关系),在考虑个体间支配关系的基础上,利用个体与其周边个体的树邻域密度进行适应度赋值;提出了一种2,3维情况下个体独立支配区域的Hypervolume指标的计算方法,该方法用于评价个体对群体的贡献时只需要1次计算(同类方法需要2次计算);当外部种群中非支配个体数目超过规定规模时,根据个体独立支配区域的Hypervolume指标的大小对其进行修剪;在此基础上,提出了一种基于Hypervolume指标的自适应邻域多目标进化算法ANMOEA/HI.对比实验结果表明，ANMOEA/HI在保证了解集收敛性的同时亦拥有良好的分布性.

在粗糙集理论中存在一对近似算子：下近似算子和上近似算子.而在Dempser-Shafer证据理论中有一对对偶的不确定性测度：信任函数与似然函数.集合的下近似和上近似可以看成是对该集合所表示信息的定性描述，而同一集合的信任测度和似然测度可以看成是对该集合的不确定性的定量刻画.针对各种复杂系统中不确定性知识的表示问题，介绍了无限论域中经典和模糊环境下信任结构及其导出的信任函数与似然函数的概念，建立了Dempser-Shafer证据理论中信任函数与似然函数和粗糙集理论中下近似与上近似之间的关系.阐述了由近似空间导出的下近似和上近似的概率生成一对对偶的信任函数和似然函数；反之，对于任何一个信任结构及其生成的信任函数与似然函数，必可以找到一个概率近似空间,使得由近似空间导出的下近似和上近似的概率分别恰好就是所给的信任函数和似然函数.最后，指出了主要理论成果在智能信息系统的知识表示和知识获取方面的潜在应用.

社会网络的社区发现存在划分效果较好的算法时间复杂度过高、现有快速划分算法划分质量不佳、缺乏表达和充分利用个体和链接属性信息的模型和机制等问题.针对这些问题,提出了一种边稳定系数模型和一种能表达个体间关系紧密度的完全信息图模型,在此基础上设计和实现了一种有效的社区发现算法.提出的完全信息图模型具有较高通用性,适用于需要融合个体和链接属性的社区发现算法.通过系列实验表明,所提出的以边稳定系数模型和完全信息图为基础的算法,对社会网络中的社区发现问题是有效的.算法不仅具有较快的速度,也能适用于带权与不带权的网络,得到的社区划分结果也具有较高的划分质量.

分类是数据挖掘的重要任务之一.训练分类器的训练集可能是偏斜数据.传统分类算法处理偏斜训练集,通常会使少数类别样例的分类精度很低.已有的偏斜训练集平衡算法都是针对只有两种目标类的情况.为平衡拥有多种目标类的偏斜训练集,基于同类样例差异较小的思想给出SSGP算法,在同类样例附近增加少数类别样例,且使多种少数类别样例同速增加.并证明SSGP算法不会向数据集中添加噪声样例.为提高效率,用样例取模取代大量相异度计算.实验表明,只需执行一遍SSGP算法就能同时提高多种少数类别样例的分类精度.

文本分类的特点是高维的特征空间和高度的特征冗余.针对这两个特点,采用χ\+2统计量处理高维的特征空间,利用信息新颖度的思想处理高度的特征冗余,根据最大边缘相关的定义,将二者有机结合,提出一种基于最大边缘相关的特征选择方法.该方法可以在特征选择过程中减少大量的冗余特征.最后,在Reuters-21578 Top10和OHSCAL两个文本数据集上进行实验.实验结果表明,基于最大边缘相关的特征选择方法比χ\+2统计量和信息增益两种特征选择方法更高效,并且能够提高nave Bayes,Rocchio和kNN 3种不同分类器的性能.

Web数据语义标注是Web信息抽取中的关键步骤.条件随机场是利用序列特征处理序列标注问题的经典方法.然而现有条件随机场模型无法综合利用已有的Web数据库信息和Web数据元素之间的逻辑关系,导致Web数据语义标注准确率不高.因此,提出一种约束条件随机场模型(CCRF).该模型通过引入可信约束和逻辑约束,有效利用了已有的Web数据库信息和Web数据元素之间的逻辑关系.为了克服现有条件随机场模型Viterbi推理方法无法综合利用这2类约束的不足,该模型采用整数线性规划推理方法,将两类约束同时引入推理过程.通过在多个领域的真实数据集上的实验结果表明,所提出的模型能够显著提高Web数据语义标注的性能,并且为Web信息抽取奠定了良好的基础.

在数据分析中，特征选择可以用来降低特征的冗余，提高分析结果的可理解性和发现高维数据中隐藏的结构.提出了一种基于互信息的无监督的特征选择方法(UFS-MI)，在UFS-MI中，使用了一种综合考虑了相关度和冗余度的特征选择标准UmRMR(无监督最小冗余最大相关)来评价特征的重要性.相关度和冗余度分别使用互信息来度量特征与潜在类别变量之间的依赖和特征与特征之间的依赖.UFS-MI同时适用于数值型和非数值型特征.在理论上证明了UFS-MI的有效性，实验结果也表明UFS-MI可以达到与传统的特征选择方法相当甚至更好的性能.

由于光照变化、视角差异、相机抖动和部分遮挡等因素的影响,鲁棒的目标跟踪仍然是计算机视觉领域极具挑战性的研究课题.受协同训练和粒子滤波算法的启发,提出一种快速的自适应目标跟踪方法.该方法采用HOG（histogram of oriented gradients）和LBP（local binary pattern）描述目标特征并建立分类器,通过协同训练实现分类器的在线更新,有效解决了误差累积问题.为缩小目标搜索的状态空间,利用ICONDENSATION的运动模型和重要采样提高粒子采样的准确性和效率,并引入校正因子抑制虚假目标的干扰,从而提升了跟踪算法的鲁棒性和分类器更新的准确性.在两组标准测试集和两组自建测试集上的对比实验结果验证了所提出跟踪算法的有效性.与基于全局搜索的跟踪方法相比,该算法在不降低跟踪性能的前提下将处理速度提高25倍以上.

为了快速而准确地估计ARM处理器上的程序执行时间,研究了基于模拟的非线性程序执行时间估计器的结构.它由程序功能剖面生成模块和程序执行时间预测模块串联而成.程序功能剖面生成模块直接用精确指令模拟器Sim-profile实现;而基于程序执行中的动态指令数与执行时间在处理器上的非线性关系,对于程序执行时间预测模块的实现,首先设计了一种人工神经网络方案,再根据对人工神经网络局限性的判断,如局部最优问题、不适于解决小样本的回归、网络拓扑结构依赖先验知识等缺点,又提出了基于最小二乘支持向量机的方法.实验证明,这些非线性方法,特别是基于最小二乘支持向量机的方法,可以用较低的模拟代价获得较高的程序执行时间估计精度.

对自适应系统驻留环境的显式表示和有效感知是实现复杂自适应系统的前提,也是当前自适应系统研究面临的一项重要挑战.借助于组织学思想将自适应系统中的自主运行单元抽象为Agent,把复杂自适应系统视为多Agent组织,提出了基于动态绑定的自适应机制和构造框架;将环境作为一阶抽象,提供了对自适应多Agent组织的驻留环境进行抽象和描述的语言设施以及对环境进行有效感知的两种方法：基于事件发布-订阅和基于软传感器的方法;提出了支持软传感器与环境动态关联的思想和技术,使得复杂自适应系统的开发具有环境表示显式化、环境感知透明化的特征,所开发的软件系统易于维护和升级.介绍了实现上述机制、技术和语言设施的支撑平台SADE,并进行了案例分析以验证方法的可行性和有效性.

time Petri net (TPN)在实时控制系统的建模中得到广泛应用,而冲撞是Petri网及其扩展模型的重要行为,解决冲撞是正确分析模型动态行为的关键.由于引入时间约束,使得TPN模型的使能和触发语义比Petri 网模型的语义复杂,冲撞的检测及消解变得更加困难.首先根据时间约束,给出了变迁持续使能时延迟区间的计算方法,并证明了该方法的正确性;然后在此基础上定义并证明了TPN模型中冲撞的检测方法;给出了冲撞时间区间及修改时间约束的冲撞消解方法;最后通过实例验证说明了该方法的有效性和正确性.

随着互联网和万维网的流行以及JavaScript在Web浏览器中的作用越来越重要,对JavaScript程序的执行行为的研究将有利于提高浏览器的性能,改善用户的体验.传统的研究认为JavaScript语言的动态性是其性能的主要瓶颈,因此大部分主流的JavaScript执行引擎都将优化集中在其动态性的处理上.为了更深入的研究JavaScript程序的动态性,提出了两种算法：类型预测算法和基于位置的内联缓存算法,分别用于处理JavaScript程序中元数据和对象的类型.以这些算法为基础,在SunSpider测试程序集上系统地研究了JavaScript的类型系统.实验表明,算法平均能够正确识别或者预测99%的类型实例,因此可以认为,尽管JavaScript语言提供了丰富的动态性,实际的应用程序所使用到的动态行为是有限的.这是已知文献中首次提出类似的观点.

提出了一种曲率自适应的壳空间剖分隐式曲面三角形化新方法.新方法首先采用粒子系统对隐式曲面进行采样,通过高斯曲率约束粒子的生成,使生成的网格模型在曲率大的区域具有较多的小三角形,在曲率小的区域具有较少的大三角形,从而使网格模型更好地逼近隐式曲面.新方法在每个采样粒子处沿曲面法线正负方向延伸适当距离得到两个附加点,对所有附加点进行四面体化形成对隐式曲面逼近的壳空间四面体网格,在每个壳空间四面体中抽取三角形,所有抽取的三角形拼合得到隐式曲面的三角网格表示.与以往方法相比,新的三角网格化方法更具有鲁棒性,可一次性获得高质量的三角形网格.最后给出了对常用隐式曲面进行三角化的实例比较,显示了新方法的有效性.

大规模高密度集成电路测试中存在测试数据量大、测试功耗高等问题.提出了一种先通过编码优化测试集,再使用线性反馈移位寄存器（linear feedback shift register, LFSR）重播种的内建自测试方案.该方案通过自动测试模式生成工具得到被测电路的确定测试集,再压缩为种子集存储在片上ROM中.压缩测试集的过程中,首先以降低测试功耗为目标,用少量确定位编码测试集中的部分测试立方,来增强解码后测试模式相邻位之间的一致性;然后以提高压缩率同时降低LFSR级数为目标,将测试立方编码为确定位含量更少的分段相容码（CBC）,最后将以CBC编码的测试立方集压缩为LFSR种子集.实验证明所提出的方案在不影响故障覆盖率的前提下大量降低了测试功耗,并且具有更高的测试数据压缩率.