人工智能-机器学习-情境感知通信的计算机免疫方法研究.pdf

情境感知系统对情境信息的利用程度在不断提高，对服务的多样性提出了更高要求，但是传统的情境感知系统的建模方法难以满足对系统动态描述和模拟的需求。通过对传统的Petri网进行扩展，提出了情境感知系统的赋时着色Petri网模型；并结合仿真工具CPN Tools对模型进行模拟和验证，进而发现系统设计中存在的潜在不足，对其优化改进。以痴呆老人智能辅助系统为例，证明了该方法的有效性。

智能环境系统构成的复杂性和大量的情境信息增加了为用户提供和布局服务的难度。情境感知服务系统能感知系统运行和人机交互情境，根据相应的决策机制选择适当的设备为用户提供服务，从而简化环境设施的功能布局。在决策过程中引入用户交互模态信息有利于系统根据用户的交互能力和对人机界面的偏好提供服务。把情境细分为用户信息、设备信息、软件信息和环境拓扑信息，针对智能环境提出了一种基于用户交互模态的情境感知服务系统，同时详细说明了利用该技术选择服务的推理过程及其应用方法。通过智慧家庭环境中的场景案例验证了该系统的有效性。

传统的推荐系统存在数据高度稀疏、冷启动及用户偏好建模难等问题，而把情境信息融入推荐系统中能有效缓解此类问题.深度学习技术已经成为人工智能领域研究热点，把深度学习应用在情境感知推荐系统当中，为推荐领域的研究带来新的机遇与挑战.本文从情境感知推荐系统相关概念出发，综合整理国内外研究相关文献，介绍深度学习技术融入情境感知推荐系统相关应用模型，提出了基于深度学习的情境感知推荐系统研究的不足以及对未来的展望.

“安全情报与情境感知”_谈大数据分析平台的最后一公里建设 安全测试 业务风控 零信任 安全对抗 渗透测试

基于情境感知的智慧矿山服务系统研究.pdf

针对现有中间件技术在车载网络领域中存在的问题,即难以有效支持多变的车载网络环境,且难以满足车载应用对实时性和稳定性方面的要求,提出了一种基于多组件链结构的具有情境感知自适应能力的车载网络中间件框架CARMVE,以降低车载应用的开发成本和复杂性,提高软件的灵活性、适应性和可移植性。通过对CARMVE自适应机制和情境感知机制的介绍,进一步说明了其对复杂车载环境的良好支持,并对如何基于CARMVE开发和部署车载网络应用进行了实例说明。