基于OWL的电子政务知识分类与表示研究

本文提出了OWL组织知识表示模式,有效地表示事实知识、术语知识、推理知识和规制知识,并结合气象部门对异常天气预警给出了一个知识管理系统的原型案例。案例表明,该知识表示方法能有效地应用于电子政务领域。     

基于本体语言OWL的电网领域知识表示方法

知识表示的方法研究是知识工程中最基本的问题,针对目前在电网领域知识表示中存在的知识表示隐晦、推理效率低、可视化水平差以及动态知识协同处理困难等弊端,提出基于网络本体语言OWL电网领域知识表示方法,给出了基于OWL的电网知识表示实例,该方法可准确直观地描述电网领域的相关知识,有利于电网领域知识提取、共享和重用,使电网运行中“数据海量,知识匮乏”的状况得到解决,为电网知识的可视化研究奠定了坚实基础,为电网安全、高效运行提供支持.     

OWL本体在纺织企业的应用

探讨了本体技术和Web技术对纺织企业资源系统的支持。根据纺织企业的特点设计和建立了系统各模块的本体模型,并采用OWL本体语言对部分模块进行形式化描述。以某纺织企业的信息系统为实例,说明了OWL本体在纺织企业系统中的应用。结果表明,此模型能实现语义查询、信息共享和系统间的集成。纺织企业本体是企业内部或企业间公共的知识化描述,不仅可以促进知识共享和语义互操作问题,还方便了纺织企业内部和企业间知识管理和信息交换。     

OWL本体在纺织企业的应用

探讨了本体技术和Web技术对纺织企业资源系统的支持。根据纺织企业的特点设计和建立了系统各模块的本体模型,并采用OWL本体语言对部分模块进行形式化描述。以某纺织企业的信息系统为实例,说明了OWL本体在纺织企业系统中的应用。结果表明,此模型能实现语义查询、信息共享和系统间的集成。纺织企业本体是企业内部或企业间公共的知识化描述,不仅可以促进知识共享和语义互操作问题,还方便了纺织企业内部和企业间知识管理和信息交换。     

基于OWL的工作流异常处理建模方法

针对工作流异常和本体的特点,提出了任务属性的概念和基于网络本体语言(Webontology language,OWL)本体推理及属性驱动的异常识别方法。任务属性扩展了工作流活动模型(Workflow activity model,WAMO)模型的事务属性,并附加在流程任务之外,利用OWL本体语言对其进行描述,通过任务属性建立起任务异常与处理模式之间的映射关系。在任务发生异常后,OWL本体推理机通过已定义的映射关系使任务异常检索到异常本体中根据属性描述的异常处理模式,进而对任务异常做出相应的处理。由于OWL的定义是增量式的,并且具有通用资源标识符,因此不仅可以使异常处理机制通过语义而非关键字来识别任务异常的处理模式,而且还能在分布式环境下对异常知识库进行扩展式开发,减少知识库开发的工作量。     

基于OWL的旅游领域本体的构建

利用本体可实现特定领域内的知识共享、重用和建模。针对目前网络旅游信息量大而分散,领域知识异构,计算机无法理解信息语义,致使网络无法为用户提供满意的旅游服务的情况,基于W3C推荐的(Web Ontology Language,OWL)本体描述语言,应用Protégé3.2辅助构建可被计算机理解的旅游领域本体,可为下一步旅游服务的语义标注,Jena的语义推理,及基于本体的旅游服务发现打下基础。     

混合模糊认知图

传统的模糊认知图(FCM)仅限于表示单调的或对称的因果关系,不能模拟原因节点间的与或组合关系.针对现有FCM模型的缺陷,提出了混合模糊认知图(HFCM).HFCM以单前件模糊规则拓展传统的因果模糊测度,增强了FCM的语义信息和模拟能力;使用WOWA或OWA集结算子融合因果推理结果,模拟原因节点间的各种与或关系.与传统FCM相比,HFCM具有更强的认知能力.与基于规则的FCM相比,HFCM规则库的规模及复杂度由几何级降至算术级,解决了组合激增问题,提高了FCM的表示与推理性能.HFCM兼有数值型FCM和语言型FCM的优点.     

层次化模糊Petri网:形式化定义和推理

针对复杂知识库中知识规则数量多、知识规则的组织及其相互间的逻辑关系难以把握这一特点,在模糊Petri网的基础上给出了层次化模糊Petri网(Hierarchical Fuzzy PetriNets,HFPN)的形式化定义及其知识表示和知识推理。在HFPN中充分利用库所抽象、转换抽象实现了层次化的知识表示和知识推理。通过层次化,可以采用模块化方法设计知识系统,从而降低构建知识库的复杂性,方便知识库的优化和管理。     

基于加权模糊Petri网的电子电路故障诊断

提出了一种适用于电子电路故障诊断的加权模糊Petri网,给出了用加权模糊Petri网表示电子电路故障诊断模糊知识的方法及故障诊断过程中的反向推理算法。     

浅析模糊系统与神经网络的结合

研究了模糊逻辑系统与神经网络相结合的可行性．从知识处理的观点出发，二者可按知识表示与结构对应、推理与计算机对应、知识获取与学习对应进行系统研究；从函数逼近的观点出发，二者可用广用函数逼近意义上等价来统一处理．     

Domain ontology driven composable simulation framework

The simulation composability is one of important development directions in simulation domain. The key issue is the semantic composability. Currently there is no feasible approach to realize the effective semantic representation and composition of simulation components. Based on domain knowledge and Web Ontology Language (OWL), this paper proposes a composable simulation framework, which includes conceptual model semantics, model components semantics, model framework semantics, and simulation scenario semantics. Additionally, all the semantics are utilized in the model components development process, the simulation system development process, and the simulation system execution process respectively. The consistency checking among those semantics is also proposed. The detailed mapping processes between different semantic models can help to build the domain ontology driven composable simulation system.     

OWL本体映射到复合元的研究

OWL作为W3C推荐的描述本体的语言,在语义网中起着举足轻重的作用。复合元作为对复杂问题进行形式化描述的基础,在解决矛盾问题的过程中起着重要的作用。通过对OWL中的元素、复合元概念进行分析,给出了两者间概念的相应对照关系及其相关映射规则,研究了如何利用现有的OWL本体,构建与其相应的基元、复合元,为OWL本体映射到可拓学中的基元、复合元提供方法依据,从而建立解决矛盾问题的知识领域。     

基子语义Web本体语言的推理机引擎的实现

近年来，0WL等本体语言蓬勃发展，并成为W3C未来Web语言的标准。本体语言的优势在于以较少的表达语句组成知识库，并蕴涵较多的信息。为了得到这些隐含的信息以及检查知识库的一致性。需要开发出相应的推理机引擎。针对目前本体语言的发展现状，设计了一个灵活的推理机引擎框架。推理机引擎结构灵活．可方便地扩充或者降低其所处理的本体语言的表达能力。同时，也介绍了在实现该推理机引擎过程中的一些具体技术。     

基于领域本体的Web服务发现

Web服务应用的一个关键问题是如何发现需要的服务。传统的基于关键字的服务发现机制UDDI缺乏语义支持,搜索效率低。据此该文研究基于领域本体的Web服务发现技术,对发布服务和请求服务都采用OWL-S描述以支持基于语义的服务搜索能力,并且提出了一种基于图匹配的Web服务发现算法。试验结果表明服务发现方法在查准率和查全率方面都要优于UDDI。     

基于相似度的语义Web服务发现技术研究

针对传统Web服务在服务发现中存在效率低的问题,应用语义Web技术和本体理论,提出了一种基于相似度的语义Web服务发现模型。采用Web本体语言(OWL-S)描述Web服务,发布服务时包含充分的语义信息,在服务搜索中加入本体推理过程,综合度量服务的功能匹配程度和信誉值。实验结果表明,语义Web服务发现方法的查准率和查全率高于UDDI基于关键字的查找方法。     

OWL:一种用于语义网的描述逻辑

本体是语义网中的重要内容,它通过提供一个共享的、精确定义的术语源将语法扩展到语义.OWL是专门为Web设计的本体语言,它利用现有的Web标准(XML和RDF),添加了面向对象和基于框架的系统中常见的本体原语,具有强表达性的描述逻辑的严格形式化.OWL的逻辑基础是可以提供推理服务,既支持本体设计,又使得其在描述网络资源方面更接近于自动处理过程.