基于本体化知识模型的知识库构建模式研究

在研究了知识模型及知识库相关理论和技术的基础上,结合本体论,提出了一种基于本体的知识模型,并从领域知识、推理/方法知识和任务知识三个角度给出了本体化知识模型基于BNF范式的表达式;基于所建立的本体化知识模型,在对知识进行可拓性分析的基础上,提出了一种知识库结构模式,对于知识模型与知识库的匹配问题进行了讨论,并在理论研究的基础上,给出了利用SQLServer数据库系统建立的知识库示例。     

稀疏可交换图建模研究综述

可交换性假设是采用贝叶斯模型对网络数据建模的重要前提,基于Aldous-Hoover表示理论的可交换图不能生成稀疏网络.实证表明真实世界中的很多复杂网络都具有结点度幂律分布的稀疏特征,基于Kallenberg表示理论的可交换图能同时满足可交换性和稀疏性.本文以Caron-Fox模型和Graphex模型为例对稀疏可交换图建模的相关概念、理论和方法的研究发展进行了综述,首先讨论了随机图、贝叶斯非参数混合模型、可交换表示理论、Poisson点过程、离散非参数先验等理论的研究历程;然后介绍了Caron-Fox模型的表示;进而总结了进行稀疏可交换图的随机模拟所涉及的截断采样和边缘化采样方法;接下来综述了稀疏可交换图模型的后验推理技术.最后对稀疏可交换图建模的最新进展和研究前景做了介绍.     

矿产资源勘查评价的地理信息系统

研究矿产资源勘查的特点和对GIS的需求,重点研究GIS中相关的三维空间对象的表示、存贮和操作技术,矢—栅一体化技术,以及综合分析和解释模型。研究基于神经网络和模糊理论的空间分析方法在矿产资源勘查GIS中的应用。研制适合于矿产资源勘查的专用GIS。本项研究对运用GIS技术提高我国矿产资源勘查水平有重大意义。     

基于模型的嵌入式开发环境——LambdaMDE

面向嵌入式软件的开发工具目前正在从基于代码的传统开发环境向基于模型的开发环境发展。为此,研究了一个基于模型的嵌入式开发环境LambdaMDE,在LambdaPro的基础上集成OSATE和Simulink模型开发工具以及其他相关工具,包含了建模、仿真验证、代码生成和测试等嵌入式软件开发的全过程。符合嵌入式软件开发工具发展趋势,具备了相应的理论、技术和产品基础。     

基于云计算的创新教育模式研究

研究基于云计算平台下的项目协作学习的创新教育模式.通过分析目前国内云计算协作学习中存在的问题,结合项目教学相关理论和协作学习先进理念,研究云计算平台下协作学习的技术基础、云计算平台的优势以及基于项目协作学习的技术可行性,并给出基于云计算平台项目协作学习模型.     

基于本体论的信息过滤模型

信息过滤已成为当今信息技术研究的热点。主要介绍布尔模型、向量空间模型和概率模型,并分析它们各自的优点及存在的不足之处。在此基础上,提出一种新的信息过滤模型——基于本体论的信息过滤模型,阐述用户兴趣模板的构建步骤、用户相关反馈和更新算法,为基于本体的信息过滤技术提供了理论基础。     

基于无干扰理论的可信链模型

可信计算的相关研究已成为当前国内外信息安全方面的研究热点和趋势之一,可信计算技术也成为构建安全计算机系统行之有效的新技术.目前可信计算理论的发展滞后于技术的发展,针对可信计算中可信链传递缺乏理论模型的问题,将无干扰理论引入到可信计算领域,提出了计算机系统可信的基本理论,从动态的角度建立了基于无干扰理论的可信链模型,并对该模型进行了形式化描述和验证,而且实现了基于Linux操作系统内核的可信启动过程.其实现思路对于可信计算理论的发展和应用具有很好的参考价值.     

人工智能模型数据泄露的攻击与防御研究综述

人工智能和深度学习算法正在高速发展,这些新兴技术在音视频识别、自然语言处理等领域已经得到了广泛应用。然而,近年来研究者发现,当前主流的人工智能模型中存在着诸多安全隐患,并且这些隐患会限制人工智能技术的进一步发展。因此,研究了人工智能模型中的数据安全与隐私保护问题。对于数据与隐私泄露问题,主要研究了基于模型输出的数据泄露问题和基于模型更新的数据泄露问题。在基于模型输出的数据泄露问题中,主要探讨了模型窃取攻击、模型逆向攻击、成员推断攻击的原理和研究现状;在基于模型更新的数据泄露问题中,探讨了在分布式训练过程中,攻击者如何窃取隐私数据的相关研究。对于数据与隐私保护问题,主要研究了常用的3类防御方法,即模型结构防御,信息混淆防御,查询控制防御。综上,围绕人工智能深度学习模型的数据安全与隐私保护领域中最前沿的研究成果,探讨了人工智能深度学习模型的数据窃取和防御技术的理论基础、重要成果以及相关应用。     

三维地形生成及实时显示技术研究进展

三维地形是虚拟自然环境中不可缺少的因素,也是虚拟仿真领域中视景诉重要组成部分,该文将地形生成技术概括为基于真实地形数据的地形生成技术、基于分形技术的地仿真技术、基于数据拟合的地形信息技术等三大类,并分别介绍了这三类方法的相关理论和生成技术,还分析了各自的发展趋势,其中在基于真实数据的地形生成方面,按照离散ＬＯＤ模型、连续ＬＯＤ模型、多分辨率模型的发展顺序,重点介绍了地形实时显示技术中数据简化方面的     

基于数据的复杂制造过程调度

现代制造企业规模庞大、过程复杂等特征给制造过程的调度决策带来了极大的挑战. 一方面, 使用传统方法建立指导生产过程调度的精确数学模型变得越来越困难; 另一方面, 因缺乏准确、及时的模型参数而往往导致低下的模型使用效果. 在此情况下, 基于数据--信息--知识--决策的信息提炼轨迹, 有必要探寻新的基于数据的复杂制造过程的调度理论与方法. 在综述国内外相关研究的基础上, 提出了由数据层与模型层构成的基于数据的复杂制造过程调度架构, 并对该结构框架下的相关理论、方法及实施技术进行了探讨.     

A simulated annealing‐based maximum‐margin clustering algorithm

Maximum‐margin clustering is an extension of the support vector machine (SVM) to clustering. It partitions a set of unlabeled data into multiple groups by finding hyperplanes with the largest margins. Although existing algorithms have shown promising results, there is no guarantee of convergence of these algorithms to global solutions due to the nonconvexity of the optimization problem. In this paper, we propose a simulated annealing‐based algorithm that is able to mitigate the issue of local minima in the maximum‐margin clustering problem. The novelty of our algorithm is twofold, ie, (i) it comprises a comprehensive cluster modification scheme based on simulated annealing, and (ii) it introduces a new approach based on the combination of k‐means++ and SVM at each step of the annealing process. More precisely, k‐means++ is initially applied to extract subsets of the data points. Then, an unsupervised SVM is applied to improve the clustering results. Experimental results on various benchmark data sets (of up to over a million points) give evidence that the proposed algorithm is more effective at solving the clustering problem than a number of popular clustering algorithms.     

支持向量机训练算法比较研究

论文介绍了一种年轻的机器学习方法——支持向量机,详细论述了目前主要的支持向量机的训练算法,包括:二次规划算法,分解算法和增量算法。通过实验验证了普通二次规划算法的缺陷,比较了三种典型的SVM分解训练算法的性能,说明了其相对于二次规划算法的优点和对SVM训练问题的适用性,指出了训练速度优劣的原因。最后指出了未来支持向量机训练算法研究的方向。     

基于PSO-SVM的电机故障检测

传统智能故障检测模型中算法初始参数复杂,选取难度较大,缺乏自学习、自组织能力、泛化能力弱,极易陷入局部极小值、算法单一等缺点.组合应用智能检测算法可整合不同算法优势,避免单一算法缺点,为此,文中提出支持向量机算法与改进粒子群算法相结合的电机故障检测模型:以电机故障特征频率特征数据为基础,首先使用改进全局求解性能的粒子群算法求解影响支持向量机分类检测性能的最佳参数,然后把最佳参数应用于的擅长模式识别的支持向量机算法,进行样本数据的训练,构建故障检测模型;最后,使用故障检测模型对电机的状态进行预测.实验结果表明,采用该方法进行故障检测的准确率,比传统的神经网络方法提高17%,比纯支持向量机算法提高3.33%.     

利用AdaBoost-SVM集成算法和语块信息的韵律短语识别

提出一种基于汉语语块结构并利用AdaBoost-SVM集成学习算法的汉语韵律短语识别方法。首先,对语料进行自动分词、词性标注和初语块标注,然后基于结合紧密度获取语块归并规则并利用规则对初语块进行归并,得到最终的语块结构。其次,基于语块结构并利用AdaBoost-SVM集成算法,构建汉语韵律短语识别模型。同时,该文利用多种算法分别构建了利用语块信息和不利用语块的多个模型,对比实验结果表明,表示浅层句法信息的语块能够在韵律短语识别中做出积极有效的贡献;利用AdaBoos-SVM集成算法实现的模型性能更佳。     

基于改进的朴素贝叶斯算法在垃圾短信过滤中的研究

研究了基于SVM算法的改进朴素贝叶斯文本分类算法及在垃圾短信过滤中的应用。针对朴素贝叶斯算法条件独立性假设、过分依赖于样本空间的分布和内在不稳定性的缺陷,造成了算法时间复杂度的增加,提出了改进的基于SVM算法的朴素贝叶斯算法垃圾短信过滤的解决方案,充分结合了朴素贝叶斯算法高效分类和SVM算法增量学习及不依赖样本空间的特点;首先利用结构风险最小化原理和非线性变换将分类问题转化为二次寻优问题,最后利用朴素贝叶斯算法过滤短信,提高分类的准确度和稳定性;仿真实验结果表明,该算法能够快速得到最优分类特征子集,有效提高了垃圾短信过滤的准确率和分类速度。     

基于混沌灰狼优化算法的SVM分类器研究

支持向量机(SVM)是在分类问题下建立的一个运算小型数据集,可实现非线性高纬度分类,有很好的扩展能力。但是,在传统SVM的训练过程中,SVM运算结果的好坏与参数选择关系密切,而且目前使用的参数选择算法有很多缺陷。因此,针对上述问题,在灰狼算法（GWO）中加入混沌序列,改变狼群初始分布规律,构建混沌灰狼优化算法(CGWO),增强狼群分布均匀性以及狼群查找遍历性,极大提高GWO算法的运算速度和运算准确性,最终更好地优化SVM。使用Mirjalili提供的开源数据与原有数据混合作为向量机的测试集进行实验对比分析,实验结果表明,CGWO算法具有明显的性能提高;用混沌灰狼算法优化的 SVM和灰狼优化算法SVM、人工蜂群SVM、万有引力搜索SVM以及传统算法优化的 SVM相比,其运算准确率更高、误差更低、花费时间更少。     

基于支持向量机的机载吊舱故障诊断优化算法

提升机载吊舱的后勤保障能力,适应吊舱测试中多型号、多故障类型和测试环境动态变化的测试要求,是打赢现代化战争的重要保障。支持向量机（SVM）算法适用于小样本、高维度、非线性分类问题,SVM相关参数是影响算法性能的重要因素。基于K-CV算法和粒子群算法两种改进的SVM模型可以实现SVM参数优化,K-CV算法可以交叉验证优化模型参数,粒子群算法可以对SVM参数进行动态寻优,建立多核SVM吊舱故障诊断模型。两种算法都可以提高吊舱故障诊断模型的准确率,提高模型的学习能力和泛化能力,有效对吊舱的故障进行定量和定位诊断。     

基于支持向量机的高速公路事件检测算法

针对高速公路事件检测算法的重要性,从高速公路交通流的特点出发,根据事件检测的基本原理,对基于支持向量机的高速公路事件检测算法进行研究。设计了2个实验,在每个实验中分别设计了基于线性不可分支持向量机（SVM）、高斯径向基核函数、双曲线正切核函数的事件检测算法,以此验证算法是否有效。利用林智仁教授的Libsvm工具箱参数优化模块对各实验的惩罚参数C和核参数进行优化选择。仿真结果表明：针对不同的实验,选择合适的SVM模型和核函数,可获得比California算法更好的性能指标。     

模糊C均值与支持向量机相结合的增强聚类算法

针对传统重复聚类算法精度不高、消耗资源较大的缺点,提出了一种模糊C均值(FCM)与支持向量机(SVM)相结合的增强聚类算法。该算法思路是先将实例数据集利用FCM粗分为C类,然后使用SVM再对每一类进行细化分类,实现中提出了基于完全二叉树的决策级联式SVM模型,以便达到增强聚类的目的。针对使用FCM迭代聚类的过程中有可能会出现新的特征使原有的聚类失去平衡性的问题,提出了使用划分的思想对数据集进行预处理来消除这种不利影响。利用鸢尾属植物真实数据集对相关算法进行实验对比分析,结果表明该算法能够克服精度低的缺点,并节约了系统资源,可以提高聚类的质量。     

基于改进灰狼算法优化多核支持向量回归机及其应用

为更好发现数据中的复杂规律,避免核函数选择的盲目性和局部最优等非线性优化问题,本文提出一种基于改进灰狼算法优化多核支持向量回归机算法.首先,基于全局核函数和局部核函数构建多核支持向量机采油速度预测模型;其次,利用基于云模型和二次插值算法改进灰狼优化算法对核函数权值和参数的选取进行优化;最后,应用灰色关联分析理论确定采油速度影响因素集,并作为多核支持向量回归机预测模型的输入.与6种采油速度预测方法进行对比,所提方法具有较好的全局寻优能力和较高的预测率的优点.