基于范畴论的本体集成描述

针对语义Web中的本体异构问题,提出一种基于范畴论的本体集成描述方法。与集合论相比,范畴论具有更高的抽象性和更强、更直观的表达力,是本体集成形式化嗟理想工具。把本体结构作为对象,范畴论中的“态射”可描述本体映射,“外推”可描述本体合并,运用图例进行说睨并给出本体合并算法。     

基于范畴论的形式化地理本体对齐和集成研究

本体对齐可解决本体间的异构,而范畴论可屏蔽本体间的异构性并为本体集成提供统一的方法框架。将范畴论引入本体对齐研究领域中,在范畴论的基础上,结合地理本体特征,对态射进行了重新定义,构造了一个更复杂的范畴。其中范畴中的对象为地理本体,而态射不仅能表达相等关系,也可以描述地理本体间的多种语义关系。在态射定义的基础上,根据态射的特性定义了本体对齐和本体对齐的复合,最后对本体集成进行了阐述。     

基于范畴论的本体描述方法

针对各种本体语言在描述本体过程中容易产生理解不一致的问题,利用范畴论的抽象性及图形化表示的优势,提出一种基于范畴论的本体描述方法,并给出了本体、本体映射和本体实例化的范畴论定义,其中本体被描述成范畴中的对象,本体间的映射被描述成范畴中对象间的同态射,本体实例化被描述成范畴间的函子。在此基础上,结合共极限和推出给出本体合并的描述及解释,并证明了本体合并的一些典型性质。     

基于范畴论的形式化本体研究

本体技术是语义Web的核心。现有的本体方法都是基于集合论的,本文从范畴论的层次分析了集合论数学的局限性,以及这种局限性对现有本体方法的影响,并探讨基于范畴论的本体方法,通过实例系统说明了范畴论本体的构建方法,并指出范畴论本体所克服的现有本体的不足。     

基于本体的信息集成技术研究

随着语义网技术的飞速发展,本体起了越来越重要的作用。在信息集成的过程中,本体作为一种工具解决了分布式异构信息源的语义异构问题,实现了信息源语义上的互操作。该文介绍了一种基于混合本体的信息集成方法,通过全局本体和局部本体之间的映射,向用户提供获取数据的统一接口,使用户获得语义上相关的数据。     

基于本体的XML语义集成研究

针对具有相同语义的XML数据经常具有不同表达形式的问题，采用了基于本体的语义集成方法来集成异构XML数据源，即通过一系列映射规则将XPath的局部路径与本体关联起来，将用户的RDQL查询重写为基于XML的XQuery查询，从而达到语义集成的效果。本方法的意义在于用户可以通过本体查询异构的XML数据源。     

基于本体的XML语义集成研究

针对具有相同语义的XML数据经常具有不同表达形式的问题,采用了基于本体的语义集成方法来集成异构XML数据源,即通过一系列映射规则将XPath的局部路径与本体关联起来,将用户的RDQL查询重写为基于XML的XQuery查询,从而达到语义集成的效果。本方法的意义在于用户可以通过本体查询异构的XML数据源。     

基于本体的电力信息系统的语义集成研究

在语义网以及OWL等本体技术的基础上，构建了一种新型的信息集成系统（EOSIS）来实现电力企业信息的集成、语义连接及推理。其中包括EOSIS的业务需求分析、集成策略以及系统结构。EOSIS不同与现有的集成系统之处在于，它可以支持支持概念和对象的多维查询及导航、隐含业务信息推理、领域概念、事实的动态增加等功能。     

基于混合本体方法的集成算法研究

本文提出了一种基于混合本体的集成算法。该方法充分利用了领域知识模型以及局部本体之间存在的语义相关性,从语义匹配的角度探讨了构造新的全局本体的可能。本文还重点讨论了n个局部本体如何构造全局本体的算法;最后介绍了一个本体构造系统,并结合项目给出了具体实例。     

基于机器学习的本体集成框架

语义服务是下一代Web服务面临的关键问题．语义网为实现广泛的语义服务提供了可能,Ontology是语义网体系结构的核心。针对协作的分布式系统需要语义互联的问题,本文分析了造成语义互联困难的主要因素是本体的匹配和集成,提出了一个基于机器学习的Ontology集成的框架模型。     

基于范畴论的业务目标模型形式化

面向目标需求语言模型（goal-oriented requirement language,GRL）聚焦于待定的需求,被广泛地应用于业务系统的初始需求建模,其模型的正确性影响到业务系统的开发质量。鉴于业务目标模型的形式化可以验证模型的正确性,提出了一种利用范畴论形式化GRL模型的方法。首先,依据GRL元模型结构,应用范畴论中的态射机制形式化描述GRL模型中目标与目标、目标与任务以及任务与任务等节点之间的关系;然后,通过增加范畴模型中的初始对象和终止对象,设计紧邻序列来表示多个目标与任务实施的因果关系;最后,设计业务目标模型系统的正确性结构性质。应用Web Payment系统实验表明,形式化业务范畴模型能够验证GRL模型的正确性,提高目标建模的质量。     

基于Log-Gabor小波变换和证据推理的车型识别*

针对车型识别问题,提出了一种基于特征车的车型识别方法——基于Log-Gabor小波变换和DS证据推理的车型识别算法。该算法先对特殊车辆图像进行多分辨率的Log-Gabor小波变换,最后形成车辆Log-Gabor特征。将1-a-1多分类SVM应用于基本概率分配函数的确定,使用证据推理的方法得到车型识别的结果。实验结果表明该方法是有效、可行的。     

A category theory for programming languages

The paper first shows how the categorical theory of sequences is useful in explaining properties of the (word) differentiation of Brzozowski (1964). Then, the paper shows how a more general theory of languages, including both procedural and functional languages, should be constructed by using a switch proposition that extends the common equivalence between the general tensor and general hom functors of categories. Lastly, the paper offers a new way of approaching projectivity concepts of general relative homological algebra. The most interesting result is that there is a class of functors so that functor-projectives intersect projectives and injectives trivially, and behave correctly. Moreover, any non-zero abelian group is not Q-projective.     

A comprehensive database schema integration method based on the theory of formal concepts

Integrating heterogeneous database schemata is a major task in federated database design where preexisting and heterogeneous database systems need to be integrated virtually by providing a homogenization database interface. Most proposed schema integration methods suffer from very complex result schemata and insufficient handling of extensional relations, i.e. in the way how redundant data of the input systems are dealt with. Redundancy among the input systems may thus remain undetected and, hence, remains uncontrolled.Our GIM (Generic Integration Model) method is based on the elegant and mathematically founded theory of formal concept analysis (FCA). The main idea is to integrate schemata into one formal context which is a binary relation between a set of attributes and a set of base extensions (set of potential objects). From that context we apply an FCA-algorithm to semi-automatically derive a concept lattice which we interpret as an inheritance hierarchy of classes for a homogenized schema. Thus, the integration task following our method can be supported by tools.     

基于IDMEF和分类的报警聚合

如何聚合来自不同IDS的报警以减少重复报警是分布式IDS研究的重要问题。设计了一种入侵检测消息交换格式(IDMEF)报警消息格式规范,通过对IDMEF数据模型中的Alert类扩展而成,可统一描述不同IDS上报的报警信息。为有效聚合IDMEF报警,对基于分类和相似度的原始报警聚合算法进行了改进,并在Snort平台上实现了报警聚合模块原型和IDMEF报警生成模块原型。在DARPA99数据集上的实验结果证明了该方案的有效性。     

一种基于分类和相似度的报警聚合方法

提出一种报警聚合方法,将所有报警按攻击类别分为四类,不同报警属性根据其值的特点分为四类,在此基础上采取不同的属性相似度计算方法,设置不同的期望阈值,可通过外部接口在运行时动态调整阈值。属性相似度结果依据不同分类在最后结果中占据不同权重,聚合判决依赖于所有相似度的加权平均结果,聚合结果取决于具有最大相似度的超报警是否大于给定的阈值。实验结果表明,本算法能有效减少重复告警。     

基于动态加权类别平衡损失的多类别口罩佩戴检测

公共场合佩戴口罩已经成为重要的防疫措施。现有口罩检测方法通常只检测是否佩戴口罩,忽略检测未规范佩戴口罩这一极易发生交叉感染的场景,目前的口罩数据集缺少未规范佩戴口罩数据。针对以上问题,在现有口罩数据集的基础上,通过线下采集和从互联网收集更多未规范佩戴口罩图像,并根据佩戴口罩的人脸图像特点,改进 Mosaic 数据增强算法扩充数据,改进后 Mosaic 数据增强算法能够将基准网络 YOLOv4的平均精度均值(mAP)提升 2.08%;针对扩增后数据集出现的类别不平衡问题,提出动态加权平衡损失函数,在重加权二分类交叉熵损失(weight binary cross entropy loss)基础上,以有效样本数量的倒数作为辅助类别权重,并对训练的每一个批次进行动态调整,解决直接使用重加权方法稳定性弱、检测精度震荡和效果不理想的问题。实验表明,改进后模型 mAP 达到 91.25%,未规范佩戴口罩平均精度(AP)达到 91.69%,与单阶段方法 RetinaNet,Centernet,Effcientdet 和两阶段方法 YOLOv3-MobileNetV2,YOLOv4-MobileNetV2 相比,改进后算法具有更高的检测精度和速度。     

A theory of boolean integration

In switching theory, there now exist Boolean difference and Boolean differential. For theoretical completeness, there should naturally be an inverse operation—Boolean integration—for Boolean difference and Boolean differential. A theory of Boolean integration is introduced in this paper. The integration method for solving primitive functions, and some basic theorems are also presented..     

A duality theory for decomposable systems in a category

The Arbib-Manes duality theory for decomposable systems in a category is generalized, making it possible to apply the theory to infinite-dimensional linear systems in reflexive Banach spaces.