基于支持向量的范例约简算法研究

针对经过多次范例推理后范例库不断增大而导致占用存储空间大、检索速度慢等问题,本文提出一种基于支持向量的范例约简算法,其核心思想是找到范例库中的支持向量并确定出三个边界,然后保留支持范例,约简对求解新问题不起什么作用的冗余范例。实验结果表明,该方法在牺牲很小的分类准确率的情况下,大大减少了范例库的占用空间和检索复杂度。     

基于Petri网的Web服务组合化简方法的研究

指出一种基于Petri网的Web服务组合的化简方法,此方法包括建模和化简两个阶段。首先,Petri网结合工作流模式建模Web服务组合:然后通过Petri网的三种性质(可达性,安全性以及死锁)定义出Web服务组合结构,最后运用流程化简规则化简Web服务组合。     

基于范例推理的NPD数据支持向量机预测

针对当前军用飞机NPD(Noise-Power-Distance)数据集成过程中面临小样本、小范围及数据失真问题,给出基于范例推理监督的支持向量机预测方法。用支持向量机作为数据回归与预测模型,通过范例推理检索出与目标范例相似的NPD数据,用相似范例来指导NPD数据的回归与预测。提出基于坡度的相似性检索、检验及修正方法,成功将范例推理的监督作用与预测模型有机结合,降低预测模型对数据样本的敏感性及依赖性。实例表明,该方法经济可行,能提高回归及预测精度。     

基于动态描述逻辑的Web自动化服务组合

研究了动态描述逻辑(DDL)在Web服务组合中的应用。基于目标规划以及动态描述逻辑给出了Web服务组合算法。该算法考虑了客户的个人偏好,扩大了Web服务的应用范围。它使用DDL进行Web服务组合刻画,因为DDL将具有相似功能的服务划为一个动作集合,因而能够实现对语义Web中的动态知识和静态知识的统一描述,克服描述逻辑缺乏对动态知识描述的不足。该算法能够利用目标规划给出主体的动作执行序列,以有效实现Web服务的自动组合。最后通过具体实例验证了该算法的可行性。     

基于语义Web的SOA关键技术研究

Web服务时目前SOA应用中采用最为广泛的技术.随着Web服务的不断发展,Web服务的数最快速增加.如何在海量的Web服务中.快速的查找到用户所需的服务.己经成为Web服务相关技术中最重要的问题之一,目前已有的服务发现技术大多是基于关键字匹配的,虽然简单,但是在查全率和查准率存在不足,因此.对语义Web进行研究.以期能够提高Web服务查找的查全率和查准率.     

群体Pareto最优的Web服务组合决策方法

针对异构数据描述的QoS信息和群体中个性化的用户QoS偏好的Web服务组合问题,提出了一种基于多属性决策(MADM)理论的面向群体用户的语义Web服务选择算法(GUWSSA),GUWSSA能够获得群体Pareto最优服务组合计划.首先定义了能够描述群组的用户上下文本体和支持异构数据类型的服务上下文本体,然后给出了GUW...     

基于动态描述逻辑的Web服务自动组合技术

提出了一种利用动态描述逻辑(DDL)的动态推理自动组合Web服务的方法.DDL是描述逻辑(DL)的一种动态扩展,它结合本体提供的静态信息与Web服务提供的计算,统一地描述和推理Web环境中静态信息与动态知识.该方法充分利用Web服务组合中涉及的静态知识(如描述逻辑知识库刻画的领域公理、具体环境和用户需求等)和动态知识(...     

基于汽车售后服务本体模型的汽车服务案例式推理研究

将本体论理论方法应用于汽车售后服务领域,利用本体论构造客户驾驶行为本体、驾驶环境本体和汽车领域本体,并结合这三个本体之间的关联,构建汽车售后服务本体模型,从而厘清了影响汽车售后服务诸因素的内在关联.根据汽车售后服务本体模型提出驾驶行为相似度和驾驶环境相似度的度量方法,基于驾驶行为相似度、道路环境相似度和气候环境相似度,提出了案例相似度的计算方法.     

一种QoS感知的语义Web服务组合群决策算法

针对QoS信息不确定和存在多个决策者的语义Web服务组合问题,基于多属性群决策理论给出了一个自治的语义Web服务组合群决策算法(AGSC).该算法能够对以实数型、区间型和语言型数据描述的复杂的QoS信息进行综合评估,从而为多客户提供正确、高效的决策支持,为其优选出最佳的组合服务执行计划.利用真实Web服务的质量对该算法进行了实验验证,结果表明该算法具有优秀的决策灵敏性和稳定性,并能有效地反映决策群中个体角色的变化.     

基于聚类优化的支持QOS语义web服务发现框架研究

如何动态地选择出适合用户需求的Web服务已经成为应用Web服务的关键问题。为提高Web服务的查找效率,提出一种支持QoS的语义Web服务发现框架。首先利用聚类技术,将相似度高的服务聚为一类,过滤掉与服务请求完全不同类别的服务,形成候选服务集。其次在对服务质量匹配的基础上,引入信誉机制,联合第三方机构,及时更新QoS的值,为请求者选择QoS综合值最高的服务,从而提高服务查询的精度和效率。     

基于事例推理的自由曲面型汽车前照灯方案设计方法

 快速地确定满足配光要求的自由曲面型前照灯的设计方案,是车身造型的要求.采用基于事例推理的方法,首先研究了面向对象的前照灯事例表达模型,然后根据最近邻事例检索方法,利用车灯包围盒和布置坐标系等预处理工具,建立了前照灯事例索引模型和匹配算法,提出了约束满足和尺寸驱动求解相结合的前照灯事例修改算法.应用实例表明,所提出的方法能在前照灯方案设计中引入工程设计要求,快速产生符合要求的设计方案,能够有效地克服工程要求与造型设计的冲突,减少设计过程的反复.     

一种提供用户偏好选择的Web服务组合方法

分析了用户对于组合的Web服务的一些软性的偏好,对这些偏好的表达和基于这些偏好的Web服务组合进行了研究,提出了一种提供用户偏好选择的Web服务组合方法.该方法利用模糊约束来表达用户的偏好,将用户的偏好和满意程度转化成为模糊约束满足问题,进而使用分支定界法对层次化任务网络(HTN)进行分解.实验结果表明,用户的满意程度有显著的提高.     

基于时态描述逻辑的Web服务行为匹配

服务的行为匹配在服务自动发现中扮演重要角色,本文分析了Web服务的行为描述要求和服务行为自动发现的特点,建立了服务行为的语义标注和描述框架;给出了服务行为的语义建模方法;通过使用描述逻辑时态扩展的方法匹配服务行为,实现了基于服务行为语义描述和匹配的Web服务自动发现.     

一种基于Petri网的网络服务兼容性分析方法

针对目前基于网络服务业务过程执行语言(BPEL)的网络服务合成方法缺乏网络服务的兼容性分析机制,不能保证基于网络服务技术的业务过程正确执行的问题,建立了一种能从形式化的角度描述网络服务的接口交互情况的基于Petri网的多元工作流组合网模型,提出了一种能更快地获得网络服务可用性结果的网络服务兼容性判断算法.最后,提出了基于该算法的原型系统架构.     

A hybrid case-based reasoning CAD system for injection mould design

Injection mould design generally lies on the critical path of a new product development. The design efficiency will have significant impact on the overall lead time of a new product. This paper presents a prototype injection mould-design system using a hybrid case-based reasoning (HCBR) approach. Case-based reasoning (CBR) is a solving paradigm that uses previous episodes on solving problems similar to the problem at hand (the new problem) as the basis for solving the new problem. In this hybrid system, CBR is incorporated with generalized design knowledge, and provides a flexible and comprehensive model of design. The knowledge base of the system would be accessed by mould designers through interactive programs so that their own intelligence and experience could also be incorporated with the total mould design. The approach provides a workable model of mould design system with CBR and knowledge-based expert system intelligent support, which could suggest good and proven design solutions to new design problems quickly, avoiding the time necessary to create those designs from scratch, for the plastic products manufacturing industry.     

An enhanced case-based diagnosis mechanism for abnormal production administration

Abnormal production (AP) is an unavoidable evil in which manufacturers must hold all production resources until the AP issue is resolved. This study proposes a new case-based diagnosis mechanism (named eDM) that allows manufacturers to accelerate AP resolution. eDM consists of two intelligent agents implemented by an enhanced case-based reasoning algorithm. Also, eDM provides the AP factor analysis result from four dimensions: human operator, equipment, raw material, and production method. The feature-aggregation function diagnoses AP by inferring the potential symptoms to improve the accuracy of the AP factor analysis. To validate the feasibility and efficiency of eDM, this study investigates a manufacturer in Taiwan as the experimental target and conducts two field experiments. Experimental results show that for all the cases the diagnosis can be accomplished after two to three iterations of eDM. Compared with a general diagnosis process in terms of 188 cases, eDM evaluates, on average, seven to eight cases for each iteration that exhibits a relative increase in reasoning efficiency. eDM is also shown to be an intelligent expert system that provides inexperienced production engineers (PEs) with suggestions based on historical cases to accelerate the AP resolution process.     

Case-based reasoning for selection of the best practices in low-carbon city development

Cities emit extensive carbon emissions, which are considered a major contributor to the severe issue of climate change. Various low-carbon development programs have been initiated at the city level worldwide to address this problem. These practices are invaluable in promoting the development of low-carbon cities. Therefore, an effective approach should be developed to help decision makers select the best practices from previous experience on the basis of the impact features of carbon emission and city context features. This study introduces a case-based reasoning methodology for a specific city to select the best practices as references for low-carbon city development. The proposed methodology consists of three main components, namely, case representation, case retrieval, and case adaption and retention. For city representation, this study selects city context features and the impact features of carbon emission to characterize and represent a city. The proposed methodology is demonstrated by applying it to the selection of the best practices for low-carbon development of Chengdu City in Sichuan Province, China.