基于S—OGSA的语义网格服务资源的设计

在当前语义网格应用中,设计语义网格组件和应用需要有一个标准的参考模型或系统性的框架.讨论了基于语义开放网格服务框架(S-OGSA)的语义网格服务资源的设计.介绍了OntoGrid项目组提出的S-OGSA语义网格参考模型;论述了S-OGSA模型的体系结构及核心服务:语义产生服务、语义绑定服务、语义感知的网格服务.结合具体步骤,给出了利用Globus Toolkits4平台设计具有良好可伸缩性的语义绑定服务资源的过程,为开发语义网格应用和语义组件提供借鉴和参考.     

基于本体的语义元数据管理

语义元数据在语义网格中扮演着关键的角色,它为实现服务的查找、匹配、发现过程提供必要的信息描述和决策支持.探讨了语义元数据的产生背景、功能分类以及基于本体的语义元数据的管理需求和通用框架,然后对现有典型系统的基于本体的语义元数据管理进行了深入地分析和比较,提出了基于本体的语义元数据管理未来研究内容.     

基于知识网格的Apriori挖掘算法研究

在现有的网格和数据挖掘技术基础上,研究和分析了知识网格的整体框架,以及该框架下语义学习过程,基于知识网格平台下的语义学习思想,对经典的关联规则算法Apriori算法作了改进,使之适用于知识网格平台下的分布式关联规则挖掘,并对该算法进行了分析、测试和评估.     

结构工程语义网格本体模型框架的设计与实现

针对结构工程领域中信息集成与共享时碰到的语义冲突问题,基于网格计算和语义Web的相关技术规范,设计和实现结构工程语义网格体系结构.并在此基础上,着重分析在构建结构工程语义网格语义层的过程中,在实例集成、模式集成、概念集成和查询应用几个阶段的语义冲突问题,设计与初步实现语义层本体模型框架.     

面向服务的语义网格框架及其关键技术

由于传统的网格存在信息格式异构等问题,导致网格无法像原先设想的那般高效无缝自动化,因此在网格中引入语义的概念,希望通过语义网格来弥补这种缺陷。分析了语义网格与网格及语义Web的关系,阐述了语义网格中与语义Web共享的关键技术,并基于面向服务的思想,提出了一个面向服务的语义网格框架,并对它做了详细的描述。     

基于语义网格的反垃圾邮件应用架构设计

目前对垃圾邮件问题的大部分解决方法仍受到互联网自身特性的限制,而且在较大范围内邮件过滤的准确率也不能满足人们的要求.因此从语义网格的角度出发,利用语义网格的语义分析能力强且具有网格优势等特点来解决垃圾邮件问题.提出反垃圾邮件语义网格的概念,并详细阐述了反垃圾邮件语义网格系统的基本思想、体系结构以及支撑技术;利用OptorSim网格模拟器对系统进行测试;对系统中一些关键问题进行讨论.     

面向服务的语义网格框架及其关键技术

由于传统的网格存在信息格式异构等问题，导致网格无法像原先设想的那般高效无缝自动化，因此在网格中引入语义的概念，希望通过语义网格来弥补这种缺陷。分析了语义网格与网格及语义Web的关系，阐述了语义网格中与语义web共享的关键技术，并基于面向服务的思想，提出了一个面向服务的语义网格框架，并对它做了详细的描述。     

语义网格核心技术及其应用研究

网格是近年来兴起的一个研究热点。它旨在使互联网上所有资源(计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等)实现全面共享与协同工作,使整个因特网整合成一台巨大的超级计算机,为用户提供"即连即用"式的服务。语义网格结合了网格,语义网和Web服务的优点。本文介绍了网格和语义网格的概念,讨论了语义网格的框架,分析了语义网格的核心技术;介绍了语义网格的应用,并对语义网格发展面临的困难及其未来的前景进行了分析探讨。     

基于知识元语义网格平台的知识发现研究

文章讨论了Internet的增长和普及带来的科学研究对象和方法的巨大变化,科学家在跨领域合作研究过程中对数据的语义和复杂度要求越来越高,寻找关联方式发现知识成为科学家所面临的最严峻的挑战。面对这一挑战,文章提出构建知识元语义网格平台,实现以知识元为知识单位的知识发现服务体系结构。文章对基于网格的知识发现概念、网格的知识服务结构、基于知识元的语义网格知识发现基本模型作了研究。     

语义网格核心技术及其应用研究

网格是近年来兴起的一个研究热点。它旨在使互联网上所有资源(计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等)实现全面共享与协同工作,使整个因特网整合成一台巨大的超级计算机,为用户提供"即连即用"式的服务。语义网格结合了网格,语义网和Web服务的优点。通过讨论语义网格的框架,分析了语义网格的核心技术;研究了语义网格的应用,并对语义网格发展面临的困难及其未来的前景进行了分析探讨。     

语义网、语义网格和语义网络

语义网、语义网格和语义网络是三个容易混淆的概念,语义网是对WWW的延伸,其目标是使得Web上的信息具有计算机可以理解的语义,并为人们提供各种智能服务;语义网格是语义Web和网格相结合产生的新的研究领域;语义网络是知识的一种图解表示,它由节点和弧线或链线组成.通过对三者的概念、特征、应用等方面进行介绍从而说明了三者的联系以及不同,并说明了今后对三者的研究方向和重点问题.     

语义网格中基于多策略学习的Ontology匹配方法

近些年来，语义Web和网格计算这两个方向在各自的研究社区分别发展着，这两方面的交叉即语义网格(semantic grid)则是最近一段时间兴起的研究领域．通过给网格附加语义层，能够促进网格自组织的形成．现有的Gnd社区都是使用集中式的、一致性的、可扩充的Ontology库．超越集中式的语义存储是语义网格发展面临的最大挑战之一．针对网格社区间的Ontology异构性这个问题，提出了一种多策略的Ontology匹配学习方法．它使用多种分类方法来学习Ontology之间的匹配：使用一般的基于统计的分类方法来发现数据实例内部的分类特征；或者使用基于一阶逻辑的学习算法FOIL来发现数据实例之间的语义联系．在单个方法预测的基础上，匹配系统使用称之为最突出的冠军的匹配委员会方法来集成分类结果．实验表明在现实的知识领域中，系统能达到很高的匹配精度．     

数据网格中高效的元数据管理策略

在数据网格中,提出了采用完全分布方式、基于智能Cache和语义的元数据管理策略,在管理策略中设计一个元数据管理系统的体系结构SMICC.该体系结构引入了智能Cache和语义信息的方式来对元数据系统进行管理,减少远程访问时间和增加查询的准确度.SMICC可以利用智能Cache和语义信息处理不同的情况,可以根据本地可用的元数据进行查询的分解形成子查询,用户可以从本地Cache中获得元数据查询结果的一部分,剩下的部分可以从远程位置获得.通过语义信息和已有元数据,不仅可以使系统达到更好的扩展性和可用性,而且在保证用户访问质量的同时也提高了访问效率.     

激光—相机系统语义栅格建图和路径规划

目的 SLAM（simultaneous localization and mapping）是移动机器人在未知环境进行探索、感知和导航的关键技术。激光SLAM测量精确，便于机器人导航和路径规划，但缺乏语义信息。而视觉SLAM的图像能提供丰富的语义信息，特征区分度更高，但其构建的地图不能直接用于路径规划和导航。为了实现移动机器人构建语义地图并在地图上进行路径规划，本文提出一种语义栅格建图方法。方法 建立可同步获取激光和语义数据的激光-相机系统，将采集的激光分割数据与目标检测算法获得的物体包围盒进行匹配，得到各物体对应的语义激光分割数据。将连续多帧语义激光分割数据同步融入占据栅格地图。对具有不同语义类别的栅格进行聚类，得到标注物体类别和轮廓的语义栅格地图。此外，针对语义栅格地图发布导航任务，利用路径搜索算法进行路径规划，并对其进行改进。结果 在实验室走廊和办公室分别进行了语义栅格建图的实验，并与原始栅格地图进行了比较。在语义栅格地图的基础上进行了路径规划，并采用了语义赋权算法对易移动物体的路径进行对比。结论 多种环境下的实验表明本文方法能获得与真实环境一致性较高、标注环境中物体类别和轮廓的语义栅格地图，且实验硬件结构简单、成本低、性能良好，适用于智能化机器人的导航和路径规划。     

ChinaGrid图像处理网格平台中的语义信息服务研究

在网格中要实现更加准确有效的服务发现、查询及其动态分配和替换,需要在语法匹配的基础上进一步实现语义匹配.介绍了在图像处理网格平台上开发的、基于语义的信息服务组件;描述了该组件的设计框架结构,并给出该组件的核心算法即网格服务语义匹配算法的描述.该组件能有效实现对图像处理网格服务的语义查询和工作流构建时的自动语义匹配以及工作流执行中网格服务的动态分配和替换.与传统语义服务匹配算法相比,所提出的网格服务匹配算法显著提高了网格服务的匹配准确度.     

网格环境下基于语义关联的信息检索

为了满足网格环境中资源信息的大幅度增加对信息检索的性能越来越高的要求,对网格环境中的信息服务系统(MDS)进行了分析并指出其局限性,设计了网格环境下资源信息检索匹配算法,在MDS的发现系统中应用基于元数据语义关联的信息检索。实验实现了网格环境下基于所设计算法的信息检索,对目录式检索和语义关联检索进行了比较,证明了这种方法可以有效提高资源信息的检索效率。     

一种有效的服务资源自动语义标注方法

在服务网格中,分布式网络计算的实现依赖于如何在OGSA下实现服务交互问题的有效解决.为此,服务接口必须采用机器可理解的方式描述,从而为网格服务的动态发现和组合提供底层支持.服务语义标注技术满足了上述需求,它提出使用共享域本体中机器可理解的元数据标注服务资源描述.提出了一种有效的服务资源自动语义标注方法,该方法将服务语义标注过程分解为域标注和概念标注两个阶段,重点针对域标注问题,提出了基于机器学习的域标注算法,对实际服务资源的标注实验验证了该算法的有效性.