23、混合现实协作信息系统与高维数据密度峰聚类模型

混合现实协作信息系统与高维数据密度峰聚类模型

混合现实协作信息系统

1. 协作可扩展学习
   • 目前在VR、AR和MR领域，关于网络和通信的研究较多，但在考虑网络数据系统时，对分散知识架构可扩展性的研究较少。为此，提出了基于代理的协作方案和可扩展学习策略，用于分散知识系统中的知识进化。
   • 设计了可扩展的协作代理框架，将代理根据位置和任务方向分组，考虑组间的相关性。每个组可视为一个逻辑区域，整个系统可划分为多个子区域进行交互式计算。由于物理动态的梯度性质，区域间存在重叠，将逻辑重叠建模为区域间的相关性。考虑重叠区域动态交互的不确定性，设计了基于分布式结构的协作策略。
   • 协作代理之间的重叠交换过程中，将交互模式的事件建模为代理的一系列状态。该策略仅使用代理的相关状态进行处理，减少了计算资源的消耗，使系统能高效过滤不确定性。逻辑相邻的代理形成双向链接对，计算以分散结构进行调度，并利用相关性信息和与代理的交互来实现。
   • 远程子系统联网后，代理共享信息并作为一个整体系统进行协作交互。为支持远程合作，设计了环境交互的网络方案，此时知识结构将分散在整个系统中。
   • 许多普适计算应用的数据、系统和知识系统都是分布式的，现有的分布式知识系统大多基于分布式数据库，数据处理依赖网络数据组织和数据流组织，但这些方法在灵活性和可扩展性上存在一定限制，尤其是对于通过各种方法获得异构知识的数据系统。因此，设计了用于分散知识管理的可扩展学习策略，通过可扩展学习方案和ξ过程进行可扩展更新，使分散知识系统可像集中式系统一样使用，而无需了解全局数据库的概况。