基于本体论及语义Web的产品信息模型研究

分析了产品信息建模在企业大规模知识处理中遇到的STEP(产品数据交换标准)系列标准之间、应用协议之间的语义不一致问题,提出了基于本体论及语义Web的产品信息建模的观点.建立了对象封装、中间件、企业应用的产品信息模型层次化结构,通过引入中间件层,实现产品信息语义一致性,增强了模型互操作性.研究了用语义Web语言DAML+OIL形式化描述基于知识的产品信息模型的方法,给出了由EXPRESS模式到DAMI+OIL语言的映射的具体实现机制,包括数据类型、实体声明和界面规范的映射方法,以此作为构建中间件层的基础.以一个基于DAMI+OIL的产品信息模型作为描述实例.     

基于知识增强的图卷积神经网络的文本分类

针对文本分类问题,提出新的基于知识增强的图卷积神经网络（KEGCN）分类模型. KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图,不同类型节点之间使用不同的相似性计算方法;在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类. KEGCN模型引入外部知识进行构图,捕获长距离不连续的全局语义信息,是第1个将知识信息引入图卷积网络进行分类任务的工作. 在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验,结果表明,KEGCN模型的分类准确率优于所有的基线模型. 将知识信息融入图卷积神经网络有利于学习到更精准的文本表示,提高文本分类的准确率.     

海洋传感器网络协同目标识别机制研究

海洋恶劣环境下的目标自动识别是海洋技术研究领域的一个难点,基于海洋传感器网络进行水下目标自动识别是一个崭新的研究方向。该文主要研究了如何充分利用海洋传感器网络中多个传感器的数据融合功能,将水下目标辐射噪声信号中携带的目标特性信息进行决策融合,多个传感器进行协同处理获取最优结果。该文提出了一种基于贝叶斯估计的决策融合机制,决策融合中心利用多个传感器的本地决策进行协同判决。     

表象式语义网络研究

为解决形象思维及表象信息相关问题,结合语义网络以及表象式方法各自的优点,提出一种表象式语义网络知识表示方法.在语义网络中加入表象信息可以实现形象思维相关的推理.对表象式语义网络的构成要素及网络的组织进行了讨论,基于蚁群和最大最小蚁群算法提出了一种求解表象式语义网络的算法,给出了算法的实现步骤.实验结果表明,用表象式语义网络表示知识是可行的,利用该算法可以在表象式语义网络上进行推理,并能找到较为理想的解.     

基于分布式融合的传感器网络拓扑配置

采用2种最优分布式异步航迹融合方法研究异步采样传感器网络的动态拓扑配置策略设计.其主要核心思想是：每一个传感器跟踪节点执行局部Kalman滤波,再将滤波估计结果传输到融合中心;融合中心利用各自不同的融合方式执行预测估计校准和最优递推加权融合,同时利用当前所有传感器信息的全局递推融合估计与系统精度要求的阈值进行实时比较,以决定是否终止或继续进行融合;实现下一时刻网络拓扑的动态配置和网络节能.基于特定的计算准则分析网络能量消耗,并通过计算机仿真验证算法的有效性.结果显示：2种方法都能实现异步采样多传感器网络的动态拓扑配置和节能,且最优异步融合配置方法的效果优于次优异步航迹融合方法.     

利用语义信息集成技术解决企业内部信息孤岛问题

当前企业内部广泛存在信息孤岛的关键是因为信息的语义只对与数据源相关的应用程序和特定的用户是可理解的,而计算机无法理解和处理信息的语义.通过构建面向领域的全局本体来描述与领域相关的知识,并在各个分布异构的数据源与全局本体之间建立语义映射来消除数据源之间的语义异构,从而解决信息孤岛的问题.详细分析了利用语义信息集成的关键技术解决企业内部信息孤岛问题的过程和方法,并提出了一个用于解决孤岛问题的语义信息集成的体系结构.     

基于声与图像融合的车辆识别硬件系统设计

该文介绍了利用无线传感网络布置传感器终端来采集声信号和图像信号.在终端节点上,利用声传感阵列采集声信号并通过信号调理电路处理再进行AD转换;在网络协调器上,利用V4L2采集图像信号并通过S3C6410的MFC模块进行H.264编码然后UDP传送.该文介绍的硬件设计实现了实时的声信号和图像的采集,最后通过信息融合可以对各...     

基于贝叶斯和层次模型的传感器网络节点故障预测研究

提出了运用贝叶斯理论和层次模型对传感器网络节点故障进行预测的方法,结合传感器网络各节点处理信息的时序关系,用定性分析将时间信息融合到节点中分析故障传播机制和故障预测.根据节点的历史信息和当前运行情况,预测和确定节点的故障概率;利用参数学习和概率推理,预测上层节点的故障概率.通过仿真实验并与其他预测方法进行比较分析,验证了该方法的可靠性和精确性,为传感器网络节点的故障预测提供了新的思路和方法.     

基于改进蚁群的BP神经网络WSN数据融合算法

为了保证无线传感器网络（WSN）在深井中能有效地工作,提出了一种改进蚁群的反向传播（BP）神经网络WSN数据融合算法（IFA-IACOBP）.通过规划蚂蚁运动方向和引入节点剩余能量对蚁群算法启发因子进行改进,优化蚂蚁下一跳节点选择概率,利用改进后的蚁群算法对BP神经网络进行优化,引入井下WSN数据融合,数据经两级融合处理后,能去除大部分冗余信息.仿真实验结果表明,IFA-IACOBP算法能有效减少网络数据通信量,提高数据实时性,降低网络能耗,延长网络寿命.     

基于二维特征矩阵的特征融合算法

为了提高无线传感器网络信息融合的效率, 提出一种多传感器二维特征融合(2DFF)策略. 将多个传感器标准化后的特征集组合成二维特征矩阵, 引入图像压缩技术, 包括二维主成分分析(2DPCA)及MatPCA对特征矩阵进行特征提取, 实现特征融合. 从理论上剖析该方法之所以能够有效地适用于特征融合, 且区别于传统方法的内在本质. 相比传统的特征融合方法, 该方法能够获得更加精确的融合特征, 提高信息融合的效率. 基于实地采集的地面目标信号的实验结果表明,该方法既提高目标识别率, 又降低了计算复杂度.     

融合知识图谱的医疗领域命名实体识别

为了改善通用预训练模型不适应医疗领域的命名实体识别任务这一不足,提出了一种融合医疗领域知识图谱的神经网络架构,该架构利用弹性位置和遮盖矩阵使预训练模型计算自注意力时避免语义混淆和语义干扰,在微调时使用多任务学习的思想,利用回忆学习的优化算法使预训练模型均衡通用语义表达和目标任务的学习,最终得到更为高效的向量表示并进行标签预测。实验结果表明：本文提出的命名实体识别架构在医疗领域上取得了优于主流预训练模型的效果,在通用领域也有较为良好的效果。该架构避免了重新训练针对某个领域的预训练模型和引入额外的编码结构从而精简了计算代价和模型大小。此外,通过消融实验对比,医疗领域对于知识图谱的依赖程度较通用领域依赖程度更大,这说明在医疗领域中融合知识图谱方法的有效性。通过参数分析,证明本文使用回忆学习的优化算法可以有效控制模型参数的更新,使模型可以保留更多的通用语义信息并得到更符合语义的向量表达。本文也通过实验分析说明了所提方法在实体数量少的种类上具有更优的表现。     

基于本体和转移网络的网络教育自动答疑系统

针对网络教育自动答疑系统的特点,研究了网络教育领域本体的构建方法．提出基于本体的问题模式的确定以及基于转移网络解决规范化问题的答案生成．讨论了基于本体知识的语义相似度模型,用于解决非规范问题的答案生成．实验结果说明,利用本体的知识和丰富的语义信息能够解决答疑系统中的语义问题．     

家庭服务机器人知识图谱的构建与应用

为提高服务机器人对家庭环境中事物语义信息的准确获取与认知,提出了一种家庭服务机器人知识图谱的构建方案并进行了家庭服务的应用测试。 首先,针对家庭服务应用需求,构建了适用于家庭环境的领域本体,并采用结构化的方法表征家庭场景下环境、人物、服务等知识以及物体的语义属性,将其存储在关系型数据库中。 在此基础上,根据领域本体将知识库的结构化数据进行数据映射和知识抽取,完成知识图谱的构建,并针对典型家庭服务的应用需求进行了测试。 实验结果表明,构建的知识图谱能够有效地帮助服务机器人准确地获取家庭环境中事物的语义信息,检索得到服务所需的知识,从而保障其智能化地执行家庭服务。     

基于OWL的旅游领域本体的构建

利用本体可实现特定领域内的知识共享、重用和建模。针对目前网络旅游信息量大而分散,领域知识异构,计算机无法理解信息语义,致使网络无法为用户提供满意的旅游服务的情况,基于W3C推荐的(Web Ontology Language,OWL)本体描述语言,应用Protégé3.2辅助构建可被计算机理解的旅游领域本体,可为下一步旅游服务的语义标注,Jena的语义推理,及基于本体的旅游服务发现打下基础。     

态势估计本体的知识表示

本体作为一种有效表现概念层次结构和语义的模型,能够准确地描述态势估计领域的态势要素及其相互关系,便于利用计算机实现知识共享.为在一体化信息作战中实现态势信息的共享,基于本体和态势估计基础理论,探讨了将本体应用到态势估计领域的方法.对态势估计过程进行分析,以具体战场场景为实例,建立了态势估计的本体体系结构和基于UML的本体模型,并运用protégé工具进行本体编辑,实现对态势的OWL本体语言描述.     

知识图谱技术综述

知识图谱技术是人工智能技术的重要组成部分,其建立的具有语义处理能力与开放互联能力的知识库,可在智能搜索、智能问答、个性化推荐等智能信息服务中产生应用价值。该文在全面阐述知识图谱定义、架构的基础上,综述知识图谱中的知识抽取、知识表示、知识融合、知识推理四大核心技术的研究进展以及一些典型应用。该文还将评论当前研究存在的挑战。     

领域本体构建技术概述

本体作为语义基础被广泛应用于信息检索、人工智能、语义网络和知识管理等领域。然而本体的构建和维护工作费时费力,影响了本体的广泛应用,本文主要分析了现有的几种经典工具,讨论了各自的特点,指出其存在的不足之处。     

利用语义信息集成技术解决企业内部信息孤岛问题

当前企业内部广泛存在信息孤岛的关键是因为信息的语义只对与数据源相关的应用程序和特定的用户是可理解的，而计算机无法理解和处理信息的语义。通过构建面向领域的全局本体来描述与领域相关的知识，并在各个分布异构的数据源与全局本体之间建立语义映射来消除数据源之间的语义异构，从而解决信息孤岛的问题。详细分析了利用语义信息集成的关键技术解决企业内部信息孤岛问题的过程和方法，并提出了一个用于解决孤岛问题的语义信息集成的体系结构。     

基于Ontology的网络元数据抽取系统的研究与实现

万维网(World Wide Web,WWW)现在已经成为一个巨大的信息发布平台,理论上,人们可以找到任何感兴趣的信息。问题是目前的信息检索效率很低,通过传统基于关键词匹配的信息检索通常检索到大量不相关的冗余信息。由B.Lee 1998年提出的语义网,被称为下一代网络,将会对信息检索起到根本性的改变,而语义网中语义元数据是其中的核心基础。本文设计并实现了一种基于Ontology的网络元数据抽取系统。它使得用户可以构建和维护领域本体,对网页、PDF文件以及图像等网络资源进行元数据标注,然后基于构建的Ontology对标注过的网络资源进行元数据抽取,并且将抽取的各类元数据以统一的格式存储到元数据信息库中。     

基于XML主题地图的知识仓库

传统的数据库搜索和网络搜索是耗时的信息采集方式,无法满足智能分析领域追求更快更准确的分析能力的需求.针对这个问题,研究了通过多维本体模型和时域模型的正交矩阵构建的多本体分析框架,并以此为基础,构建了基于XML主题地图技术的多维知识仓库,实现了高效准确的语义级知识的存储和检索.该方法已应用于某研究所的国防基础预研项目建设,并取得了良好的实用效果.