语义网中基于OWL DL的本体模型研究

本文探讨了语义Web中本体Ontology模型的设计.通过研究RDF和RDFS,以及语义Web对信息语义的组织方式,阐述了基于OWL DL在语义Web中建立本体模型的方法.在此基础上,探讨了本体语义模型的结构并搭建了本体语义模型的框架.     

基于树结构的多策略本体映射算法

针对语义Web中的本体异构问题, 提出了一种基于树结构的多策略本体映射算法,该算法的特点在于:按照数据类型分类进行映射,并采用启发式规则,提高了映射效率;同时考虑了概念的语言相似性、实例相似性和结构相似性,提高了相似度计算的准确性;采用迭代矫正,最终得到正确而完整的映射对.实验结果表明,该算法的查准率和查全率均优于GLUE算法,能有效完成本体间的映射.     

Web服务注册管理模型中的语义互操作性研究

针对目前不同Web服务注册管理标准之间(如UDDI,ebXML等)无法进行互操作的问题,运用元模型互操作框架(metamodel framework for interoperability,MFI)和本体技术,建立了一种支持语义瓦操作的Web服务注册管理模型的体系架构,运用MFI中的本体演化规则保证了本体在演化前后的一致性,从而保证基于本体的不同 Web服务注册库的互操作性.构建了一个基于MFI的Web服务注册管理模型的原型系统,实验结果表明该原型系统的Web服务查全率比单一Web服务模型高.     

基于Storm的城市智能交通规划方法

为了缓解城市交通拥堵,提高城市道路利用率,增强路径规划的实时性,提出基于Storm的城市智能交通规划方法。该方法在Storm框架的基础上,设计了城市实时动态路径规划模型(UR-MODE),将用户选择的静态目标和实时路况的动态目标相结合,实现城市交通路径的智能规划;针对城市交通数据实时性较强的特点,利用用户偏好值动态选择最优粒子,并结合自适应惯性权重策略和小规模扰动策略,提出改进的自适应粒子群优化(adaptive partner-particle swarm optimization,APPSO)算法,保证模型的高效求解;结合开源实时处理系统Storm,实现了海量实时交通数据处理。仿真实验结果表明,相较于现有路径规划算法,本文方法收敛速度更快、稳定性更强,能减少17%的车辆平均行驶时间,道路资源利用率平均提高58%,大大缓解了城市交通拥堵问题。     

多媒体教育资源库层次索引模型

依据多媒体教育资源各层次特征及其关系,通过定义资源媒体特征空间,构建了教育资源库层次索引模型,各层次特征间的映射规则将资源的高层语义特征映射到低层媒体特征,达到了扩充描述语义的目的,提高了查全率;结合学科本体,规范了资源标注内容和用户查询条件的描述,减少了人为因素对查询项和索引项匹配相似度计算的影响,提高了查准率.     

学生日常行为模式挖掘及差异性分析

针对学生日常行为与学业成绩关系问题展开研究.面向反映学生日常行为的手机上下文数据,提出了一种基于关联规则的行为模式挖掘及差异性计算方法.其特点是使用语义化处理方法将数值型数据转换成具有语义信息的数据,采用Apriori算法挖掘关联规则,通过定量计算特征关联规则集合之间的非相似性系数,区分出不同类型学生行为模式之间的差异,进而得出学生日常行为与学业成绩之间的关系和影响,并在公开数据集上对该方法的有效性进行了实验验证.     

S-Index:一种面向大规模RDF数据的高效率语义索引方案

大规模RDF数据的高效查询和推理是语义Web研究中关键问题.通过研究RDFS推理规则,结合ORDPATH编码机制,提出了一种新的大规模RDF数据的索引构建方案——S-Index.S-Index的一个显著特点是,通过对RDF数据的查询即可得到RDFS蕴含知识,实现了离线推理.对RDF数据中的ABox和TBox进行区分,通过ORDPATH编码,分别构建TBox中的Class和Property子父关系,以及domain和range关系的语义信息.将构建的语义编码信息持久化到RDF三元组索引中,使得三元组索引承载有语义信息,也即构成语义索引并最终持久化到底层数据库.设计并进行了一系列实验,对比了语义索引与一般索引在存储和查询时的性能.实验结果表明,S-Index语义索引在没有给不支持语义的传统RDF索引增加显著额外负担和开销的情况下,获得了在查询时对推理的有效支持.     

基于循环生成对抗网络的道路场景语义分割

在无人驾驶技术中,道路场景语义分割是一个非常重要的环境感知任务。传统的基于深度学习方法需要大量像素级标注样本,限制了应用范围。本文提出一种基于循环生成对抗网络的道路场景语义分割方法,无需成对数据也可实现图像语义分割,降低对数据集的要求;使用L2范数和最小二乘损失方法解决训练过程中出现的模式崩溃现象,增加了训练过程的稳定性,并提高了图像分割的质量。为了验证本文方法的有效性,在常用的道路场景数据集进行实验,结果显示该方法的分割精确度有明显提高。     

一种基于O-RGPS领域建模框架的按需模型选择方法

在O-RGPS(Ontology annotated Domain Role/Goal/Process/Service Model Repository)领域建模框架的指导下.提出了一种支持按需模型选择的方法.该方法利用领域本体和领域模型之间的基于本体标注的语义关联,在语素相似度计算和目标相似度计算的基础上,提出了期望目标需求自动建模算法,达到按需模型选择的目的,通过一个城市交通领域实例验证了此方法的有效性.     

一种面向领域知识的大数据价值服务建模方法

在网络大数据价值服务系统中,面对复杂的异构数据关联与交互,如何实现智慧的大数据价值发现与服务成为当前亟需解决的一个重要问题。为解决该问题,提出了面向领域主题大数据价值服务的语义内容标签及其语义矢量元模型,在元模型中给出4种语义基本矢量及其关联的9种语义单位矢量,基于该模型构建赋予本体概念的语义矢量本体模型,并进一步结合树形层次状态机对语义矢量元模型进行形式化描述,更精确地描述大数据价值服务。该方法能够有效地用于有序化组织大数据主题知识及其价值服务空间,实施面向主题的大数据知识及其价值服务的规模化定制。通过城市交通需求物联网服务领域阐述该方法在服务交互融合过程中实现按需价值服务,说明该方法的有效性。     

中文图文数据集构建

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关系的基础上,采用事件图对其语义进行形式化表示。对该中文图文数据集的统计分析表明,该数据集中各个事件语义角色都有所涉及且分布适中,图文对应区域数量相对句子长度表现适中,图文对数据质量较高。     

引入领域本体的代码语义标注方法

每个程序元素都在一定程度上刻画了特定领域的高层概念。通过将程序与特定领域本体所表述的知识进行映射,可以将本体概念附加到相应的代码片段上,从而丰富代码的语义信息,为软件维护中的程序理解和逆向工程等活动提供支持。提出了一种基于领域本体的代码语义标注方法,并基于一个开源软件项目对方法的有效性进行了初步的评价。     

基于Spark的土地利用矢量数据空间叠加分析方法

针对海量土地利用矢量数据空间叠加分析的效率问题,提出了基于Spark的土地利用矢量数据空间叠加分析方法,通过弹性分布式数据集实现索引过滤与叠加计算,为解决空间叠加分析的瓶颈问题做了新的尝试. 实验结果表明,相较基于Oracle数据管理的叠加分析方法,该方法显著提高了空间叠加分析效率,更适合面向海量土地利用矢量数据的叠加分析.     

信任本体的形式化语义研究

针对现有的信任模型缺少信任相关概念属性在数理上的定义以及严格可靠的信任语义推理和统一的形式化抽象模型的问题,本文提出形式化动态信任本体的概念,结合本体在语义层次的形式化描述方法,对实体信任、行为信任和区域信任进行本体化,并对三种信任本体进行形式化语义演绎和推理.给出了信任相关属性的形式化理论分析,并通过典型的激发场景实例,有效地验证了信任本体化理论.     

考虑抵达时间成本的道路交通事故风险评估方法

道路交通事故频发,给生命财产造成重大损失,给社会生活带来重大影响。现有针对道路交通事故风险的研究未建立有效的道路网络模型,难以准确描述交通事故风险在道路上的传播特点,评估准确度不高。基于此,提出了一种基于抵达时间成本的网络地理加权回归方法,并利用某县级市2018—2020年的道路、交通违法、交通事故、城市POI等数据开展实验,结果表明,基于抵达时间成本的网络地理加权回归方法融合了交通事故风险在道路上的传播性质,显著降低了评估误差,能够有效评估道路交通事故风险及其影响因素;市中心区域道路交通事故高风险区域主要集中在车流量较大的道路交会处与部分交通设施尚不完备的道路;各类交通违法数量、城市POI对道路交通事故风险的影响程度不同,且具有很强的空间异质性。     

基于FP-Tree的概念格量化约简及其在GIS的应用

GIS的空间数据具有海量性、复杂性的特点,为了能更有效的挖掘隐藏在GIS中的知识引入了概念格技术。然而,又为了解决关联规则生成算法效率低、构造Hasse图效率低及冗余多的问题,提出在FP-Tree的基础上直接生成经过量化约简的频繁概念格。将该算法应用于GIS的空间数据挖掘取得了实际可行的应用结果。     

基于Map/Reduce的索引数据云存储模型研究

针对目前搜索引擎引擎系统存在的数据量庞大、访问用户高并发性和搜索延迟性的特点,提出了基于云存储的文档索引分类存储模型,并在索引数据分类存储算法实现过程中,采用基于Map/Reduce编程模型的二次索引词权重计算,以降低分类过程中的模糊粒度.通过实验验证基于该存储模型的算法不仅可以提高海量数据索引库的数据处理效率,而且在一定程度上降低了检索系统查询延迟,提高了搜索效率.     

一种高密度关联数据压缩方案

随着语义网技术的标准化,网络上的关联数据爆炸式增长.海量的关联数据在网络上存储和交换变得越来越困难.本文提出了一种高密度关联数据压缩方案,将关联数据的三维关系矩阵分解成3个二维稀疏矩阵,再用K2-Tree压缩二维稀疏矩阵,提高了关联数据的压缩率和压缩效率.实验表明,本文提出压缩方案的压缩率相较于HDT++平均有12%的提高,压缩耗时相较于HDT++也有10%左右的降低.     

用户的行动轨迹还原与隐私风险度量

位置隐私保护是位置服务中的关键安全问题.当前的位置发布隐私保护方法忽略了位置点之间的时空关联特性对敏感轨迹信息泄露的重要影响.本文提出了一种基于敏感轨迹点还原的风险模型,利用真实的样本轨迹数据,构造基于马尔科夫链的轨迹隐私威胁模型,基于时空上下文信息计算敏感轨迹点被还原的条件概率,还原由删除或抑制而造成的不完整轨迹数据.基于真实的轨迹数据完成实验,验证了该算法在轨迹数据还原准确性方面达到了80%以上.同时,针对行动轨迹还原中存在的隐私泄露问题,提出一种轨迹数据隐私风险度量模型,通过计算敏感状态的先验概率和后验概率之间的差值来评价轨迹还原造成的隐私泄露程度,估计轨迹点的发布对敏感位置的安全性影响,减少隐私泄露的风险.实验验证了该隐私保护算法的有效性.     

海量遥感影像管理与可视化系统的研究与实现

随着遥感技术的飞速发展,产生了海量的遥感影像数据.为了有效管理和利用这些数据,研究设计了海量遥感影像管理与可视化系统.利用基于扩展的对象关系型数据库,对遥感影像进行组织和管理,并针对海量数据的显示效率问题,提出了优化方法,最后给出了系统运行的实例.实践表明,该系统能够较好地满足海量遥感影像数据的高效管理与可视化要求.