通用抽取引擎框架:一种新的Web信息抽取方法的研究

大规模的网络视频信息既为用户信息分享带来了方便,同时也为国家监管部门带来了新的挑战。考虑到效率问题,在线视频监管则主要考虑视频描述信息。主要研究了网络视频描述信息的抽取问题,提出了一种新的Web信息抽取方法:通用抽取引擎框架,其主要包括对视频描述信息抽取问题的形式化描述和用户感知的视频网站逻辑模型。该方法在国家某部委的视频监管项目中已得到应用,并取得了很好的效果。实验结果表明,该方法的扩展性、通用性和抽取准确率大大优于其他方法。     

体域网BSN的研究进展及面临的挑战

作为WSN的分支和物联网的重要组成部分,BSN通过应用泛在计算、智能信息处理和新型网络化等技术来提高人民医疗保健的水平,并因此日益受到研究人员和企业的关注.已有的研究综述分别在BSN的生物传感器、无线通信架构和数据安全等方面给出了充分讨论.将着重在数据融合、情景感知和系统技术这3个方面总结BSN领域的技术挑战、研究现状和发展趋势.并给出了BSN基本概念和研究状况分析,讨论了BSN系统架构、代表性应用及项目研究,阐述了BSN未来研究展望和应用前景,提出了限制BSN发展的实际问题.虽然BSN还面临诸多挑战,但必然会朝着多种技术相结合的智能化方向发展,并成为未来医疗健康监护的必然选择.     

BSN中基于wi-DFD的轻量级信源编码算法

节点资源受限一直是BSN所面临的主要挑战,其中无线数据传输又占有主要的能量消耗,信源编码是降低BSN中无线通信能耗的有效方法之一.提出了基于wi-DFD模型的用于压缩传输数据的轻量级信源编码算法(简称ISC算法).该方法采用数据融合和自适应技术,找到原始感知数据中的具有重要意义的特征点,并根据这些特征点在已有消息数据包格式的基础上设计新的负载数据压缩包格式,传输该信源压缩包不仅降低了无线传输数据量,所获得的特征点还有助于提高了系统分析能力和识别精度.在已有的中医远程无线医疗BSN系统中进行了实测数据实验,实验结果表明该方法明显减少了无线传输数据量,有效降低无线传输能耗.     

WSN中基于DSmT的车辆识别方法研究

车辆识别技术是无线传感器网络(wireless sensor network,WSN)智能交通应用中的关键技术.由于实际部署环境的复杂性,由传感器节点获取的信息往往有一定的不确定性,而且不同信息之间会有冲突发生.通过分析实测数据,引入Dezert-Smarandache Theory(DSmT)推理理论,提出一种新颖的物理量构造基本信任指派模型,融合车速与传感器对车辆的响应强度信息,从而获得机动车与非机动车等车型信息.实验结果证实了所构建的基本信任指派模型的可行性以及基于DSmT的车辆识别方法的高效性.通过与基于DST的车辆识别的结果进行比较,发现DSmT方法在处理高冲突性信息方面具有更好的性能.     

基于概率因子图模型的医疗社会网络用户健康状态检测方法

社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测/预测结果产生影响.然而,却很少有相关文献能够系统阐述新形势下在一个动态社会网络中节点用户健康状态如何进行检测/预测以及不同因素对用户健康状态影响到何种程度.首先描述一种新颖的医疗物联网:医疗社会网络(medical social networks,MSNs);然后统一考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响,提出一种新的基于时-空概率因子图模型(temporal-spatial factorgraph model,TS-FGM)的网络用户健康状态检测/预测方法.在Twitter数据集上对所提出的模型进行了验证,并在一个真实的临床医疗数据集上与SVM基线算法进行了对比实验.实验结果表明所提出的TS-FGM模型是有效的,健康状态检测方法也在一定程度上优于基线方法.     

基于Ontology的视频描述信息抽取系统

网络视频信息包括视频内容和视频描述信息。鉴于效率问题,网络视频监管主要考虑视频描述信息。结合本体论和成熟的Java字符处理规则,提出基于Ontology的网络视频描述信息抽取方法。建立网络视频领域内的本体模型,自定义启发式抽取规则,并应用Java编程将该方法应用于某部委国家级视频监管项目中。实验结果表明,该方法在抽取的准确率和覆盖率上取得了较好的效果。     

粗关系数据库中的粗函数依赖研究

以粗集理论为研究方法，针对粗关系数据库属性值非原子性的特点，从语义等价的角度改进了已有的粗关系数据库函数依赖定义，提出了其修正定义粗函数依赖，使之更客观地反映粗关系数据库中数据的语义联系，体现现实世界不确定性信息的粗糙性和不完备性。本文还给出了判断粗函数依赖是否成立的算法，并用粗关系实例验证了粗函数依赖的优越性，探讨了基于粗函数依赖的推理规则。