基于Ontology的自动答疑技术研究

针对目前自动答疑系统大多以关键词匹配为基础,忽视了关键词和关键词间的语义信息、问题求解准确率不足的问题,提出1种利用Ontology概念规范、语义关系明确等特点,将Ontology应用到自动答疑系统中的方法。该方法对答案库进行有效的组织,用户问题经分词并预处理后,可通过模式匹配和计算句子语义相似度2种方式返回答案,有效地提高了查询准确率。     

基于语义的Agent架构模型

随着网络资源的丰富发展及人们对资源共享的要求越来越高,语义网与Agent技术的结合已是解决此类技术问题的研究热点。文章结合这2种技术,通过研究与分析,提出基于语义的Agent架构模型,便于人和计算机之间的交互与合作,探索语义网及其技术应用。     

基于RNN的煤矿安全隐患信息关键语义智能提取系统#br# #br#

针对现有煤矿安全隐患信息采集系统语义特征提取效率不高、数据采集智能化程度低等问题，提出了一种基于改进循环神经网络(RNN)的煤矿安全隐患信息关键语义智能提取系统。该系统利用循环神经网络记忆过往认知的特点，构建基于RNN的煤矿安全隐患信息关键语义智能采集模型，以逗号为界限进行语句分割，逐句提取关键语义特征，积累过往提取特征的记忆，最终获取安全隐患特征关键词。实验结果表明：该系统具有高精准度特征提取，语义映射命中率高等特性，实现了煤矿安全隐患关键信息智能采集，提高了日常安全生产隐患排查效率，减少了煤矿安全事故的发生。     

基于PLSA模型的Web用户会话聚类

发现Web用户的访问模式是Web日志挖掘的重要任务之一。传统的Web用户会话聚类方法对解空间的搜索带有盲目性且缺乏语义特征,本文提出了一切向钱看种基于概率潜在语义分析的用户会话聚类方法,它采用了用户会话—潜在语义—页面之间的概率关系进行用户会话聚类,以便发现用户访问模式。实验结果表明该方法与k-means方法相比更具高效性。     

基于融合边缘优化的煤矿图像语义分割方法北大核心

由于煤矿井下环境恶劣,使得煤矿井下视频获取的图像严重降质,而现有的基于深度学习的语义分割模型在图片清晰化后存在边缘分割模糊的问题,提出了一种采用融合边缘优化模块处理边界信息并运用门控卷积层连接传统特征提取模块并行处理信息的方法;为监督学习轮廓信息,采用二元交叉熵损失函数提高学习效果,并与常规分支的损失函数共同优化模型分割效果。试验结果表明:对已完成清晰化的煤矿井下图像进行语义分割任务时,基于融合边缘优化模块的方法与其他方法相比整体语义分割精度得到提升并且边缘分割精度更高。     

改进的基于概化的概念构成聚类算法

基于概化的概念构成(Generality-based Concept Formation,GCF)是一种分类数据层次聚类算法,对GCF算法提出2点改进。首先,定义了一种新的基于条件概率分布的相似度度量,并用它替代原算法中的相似度,该度量将分类数据进行数值化处理,更精确地反映了数据间的相似程度。其次,提出相似度品质概念,给出了计算公式,相似度品质可与原算法中样本变异系数配合使用,共同确定概化水平。改进算法提高了聚类准确率,同时算法的时间复杂性保持不变。     

基于语义分割的综采工作面视频拼接方法

研究了一种基于语义分割的综采工作面视频拼接方法。该方法针对井下要求,以采煤机为拼接主体。首先使用语义分割模型分割出各路监控视频中的采煤机,获取其在图像中的位置;然后根据采煤机位置来对齐各路监控视频中的采煤机;最后使用图像融合技术来对重叠区域进行融处理。实验结果表明,该方法能够有效地满足井下工作面拼接需求,并具有较高的稳定性和普适性。     

基于点渲染的多分支融合露天矿爆堆块体精细分割方法

现代矿产开采中,爆破成本控制占据整个矿产开采的成本控制的很大一部分,这使得爆破效果的控制在整个矿产开采流程中至关重要,而爆破效果的控制与爆破参数直接关联,这需要采集现场真实的数据来指导爆破参数的优化。为解决当前对于矿区现场爆堆块度识别时存在的精度低、实时性差、泛化性能弱等问题,基于爆破参数优化的需要,提出了深度学习框架下的爆堆块体精细分割方法（Point+S Deeplabv3+）。首先模型在骨干网络特征提取部分引入多分支可分离注意力机制,学习不同通道间的权重特征并融合,改善了提取特征时跨通道交互缺乏的问题;在解码阶段,运用点渲染模块,通过迭代选取点在不同尺度特征图的特征,逐步对每个点对应的低级语义特征和高级语义特征进行拼接,解决了上采样时大量丢失语义信息、边缘及小目标分割精度降低的问题;最后使用动态学习率调整策略,加快模型的收敛速度。实验结果表明,基于Point+S Deeplabv3+模型的MPA和MIoU分别达到了94.36%和89.04%,对比主流的语义分割网络,如FCN、UNet、PSPnet和Deeplabv3+相比,基于Point+S Deeplabv3+的模型MPA和M...     

基于文本分类技术的煤矿违章行为统计方法研究

煤矿作为高危行业,企业违章行为记录繁杂.为高效、准确、智能地检索和管理企业违章记录信息,减少违章行为发生,本文以某矿近3年的13935条违章行为数据库为样本,将违章行为分为3大类23小类,基于计算机文本分类技术,通过Jieba分词器文本预处理、向量空间模型构建、TF-IDF模型特征值选取、相似度计算等流程搭建了违章文本...     

基于地理场景的矿区监控选址模型

能够对矿山人、机、环境进行实时测控和数字化建设的智慧矿山平台，可以使整个矿山具有自我分析和决策的能力，实现矿山生产管理过程中的可视化、自动化、智能化以及无人化，达到高产、高效和安 全的目的。构建地理视频系统是解决智慧矿山平台中安全问题的一种重要手段，针对矿山安全中视频监控设备的选址问题，提出了一种基于地理场景的矿区监控选址模型。该模型首先通过对比分析几种典型语义模型 中的地理实体、地理场景、监控设备、选址原则，从中提取了一组面向监控选址的、可扩充的地理场景语义分类模型。然后将监控候选点群以及监控设备的视域范围作为参数输入基于监控选址的集合覆盖模型，并使 用线性规划方法进行求解。最后以某矿区为例进行试验，证明该模型能够对研究区域进行科学合理的监控设备选址。试验结果表明：候选点分布均匀，且具有一定的规律，说明所提方法能够取代以往的人工筛选方法 ，提高选址效率和准确性，对于不断变化的监控需求和环境要素有较好的应对能力。     

提升机故障诊断不确定性推理方法

针对提升机故障诊断过程中的若干不确定性问题,提出一种新的基于本体和贝叶斯网络的故障诊断不确定性知识融合推理方法。该方法对本体贝叶斯网络进行了形式化的定义,运用OWL本体语言扩展了本体对领域知识的不确定性表示,通过一系列的翻译规则和程序,实现了本体结构到贝叶斯网络结构的转换;然后建立了基于本体和贝叶斯网络的融合推理模型,利用本体推理完成对故障诊断本体知识的语法检查、语义一致性的验证以及本体的解析,采用基于启发式搜索树的贝叶斯网络进行不确定性推理,并在贝叶斯网络可视化推理平台Netica上进行了验证。矿井提升机制动系统故障诊断实例表明,该融合推理模型具有较好的故障识别效果,处理所得的诊断结果具有较高的可信度。     

Web本体语言OWL及推理研究

本体是语义网中的重要组成部分,用于描述本体的语言有很多,其中OWL是W3C推荐,专门用于Web的本体语言,具有强大的语义描述能力;同时,基于描述逻辑的OWL还能提供推理能力。本文介绍了OWL的构成,并用OWL描述了一个简单的本体,最后进行了简单的推理说明。     

基于地理本体的矿山地测数据组织方法研究

数字矿山的提出,给煤矿信息化建设带来了新的机遇和挑战。在对基于分层和基于地理特征的空间数据组织方式及元数据技术深入分析的基础上,针对煤矿多要素、多层次、多资源和多领域的复杂系统,采用地理本体的思想进行煤矿的认知表达,并由此提出了基于地理本体的煤矿地测数据组织方法。通过对煤矿地理本体的建模,建立了更能客观反映煤矿地理实体各个层次体系的概念模型,根据已有的煤矿概念和多元空间数据集之间的映射关系,重构地理本体支持下的煤矿空间数据库,从而实现煤矿多源空间数据一体化集成与管理,对煤矿涉及到的多源空间数据进行了有效的组织,有利于数据的共享和互操作。     

基于本体的生产调度知识表示

将本体思想引入到生产调度模型的构建,梳理出该领域中重要概念之间的基本关系;建立调度领域本体的关系模型,并用精准的术语表达领域本体的核心概念集。为调度问题构建提供统一的语义模型,实现调度组合的语义一致性,有效支持了大规模调度对模型的共享和重用的需求,进而提高集成过程中的自动化程度。     

基于本体映射采煤机零部件CAE设计方案获取

为解决采煤机零部件CAE设计重复性和低智能化等问题，建立了CAE设计服务本体库，提出加权-量化相似度映射算法，此算法综合考虑概念名相似度、属性相似度、结构相似度和实例相似度，基于AHP将各相似度比重进行量化，确保CAE设计方案获取结果的准确率和查全率。以采煤机截割部扭矩轴CAE设计为例，应用加权-量化相似度映射算法经过3次细化映射最终确定了CAE设计方案，得到CAE分析结果，实例验证了此方法的有效性。     

一种基于本体的异构数据库集成方法

随着数据库种类的增多,在查询不同数据库时,经常碰到用户术语和数据库术语不匹配的问题。提出了一种基于本体理论的异构数据库集成方法,该方法利用了一个全局字典,建立各局部数据库的本体,通过中间件和局部查询代理处理用户请求,用他们自己的术语(不精确查询)进行查询。给出了本体模型和查询处理算法以及原型系统的实现。