基于本体映射的MDA模型转换研究

模型转换是MDA框架中的重要环节之一,以往的模型转换方法可能会因为缺乏语义保证而出现错误。本文通过本体映射来研究MDA模型转换,提出实现MDA模型语义层转换的方法,并提高模型转换的效率和准确率。     

基于本体映射的零件工艺实例重用方法研究*

针对目前计算机辅助工艺设计中基于实例的工艺相似性重用问题,提出一种基于本体映射的零件工艺实例重用方法。在分析零件工艺实例信息的基础上,建立了新零件工艺知识本体和零件库零件工艺实例本体。基于本体映射的方法,通过本体间相似度计算,完成新零件工艺实例的检索和重用,并以轴类零件来说明该方法的有效性。     

本体映射方法研究

本体集成是为了解决不同本体之间的共享和交流,其中本体映射是本体集成的一个关键环节。在以往的系统中,本体映射通常是由手工实现的。目前的研究都是朝着实现本体映射的自动或半自动化方向努力。文章对目前本体映射的方法进行了分类,针对本体定义模型,提出了基于语法、基于实例、基于定义、基于层次结构的分类。针对具体映射实现技术。提出了基于规则、基于统计学、基于机器学习的分类。并对每种方法进行了详细描述。这项研究工作可以作为人们提出新的映射方法或者组合的映射方法的一个参考。     

一种基于片段映射的本体映射模型

在大规模本体映射中,不相关元素的匹配可能造成时间和空间的浪费。本文提出了一种基本片段映射的映射模型,将本体分解后进行片段映射。这种方法可以提高大规模本体的映射效率,并能有效发现m-n映射关系。     

基于本体规则的模型转换的研究

本文实现了统一建模语言(UML)描述的模型与企业过程建模系统(EPMS)模型之间的转换。UML的特点是便于建模,主要用于对软件的描述,不能进行模拟执行和优化。EPMS对业务过程进行建模,用于过程模型建造和过程模型模拟,支持过程仿真、分析和优化。模型之间的转换需要建立相应的转换规则,采用本体的思想描述规则,将编写规则的程序从映射程序中分离出来,实现规则与映射的解耦。源模型通过基于本体规则的映射程序处理转换为目标模型,领域专家就可管理、维护和修改基于本体的规则,减少了专业编程人员维护映射程序的工作。     

本体复合映射研究

已有的本体复合映射算法中,绝大部分都只能发现基于字符串比较的简单类型的复合映射,查准率和查全率不高。提出一种基于结点间包含关系和等价关系发现复合映射的方法。实验证明,该方法可以发现本体中包含的绝大部分复合映射,较之现有的复合映射发现算法在查准率和查全率方面有了很大改进。     

模型转换过程中的映射发现方法

基于本体的计算无关模型到平台无关模型的转换过程,分为元本体映射规则的发现以及基于元本体映射规则的转换执行这2个部分,其中,映射发现是转换实现的基础。为此,提出一种映射发现方法以进行模型转换。该方法在已知计算无关模型和平台无关模型的元模型基础上,抽取各自的元本体,结合基于相似度的本体映射技术建立2种模型的元本体映射关系,并作为模型转换语义匹配推理的基础。通过实例验证该方法的可行性和实用性。     

本体映射技术研究

本体映射是为了解决异构本体之间的互操作,从而实现更好的知识共享和重用,是语义Web发展的关键。本文系统阐述了本体映射定义和意义,对映射方法进行了分类,从理论上和实验上分析对比现有著名映射工具的优缺点,希望能对以后他人的研究提供一些帮助。     

基于优先级的组合映射方法研究

在组合映射方法的基础上,提出一种依据领域和相似度计算优先级（名称、属性、实例、结构相似度计算）的映射方法,该方法根据不同领域由领域专家提供对应优先级,进而得到映射方法,并产生计算结果,在某种程度上大大减少映射的计算量和计算时间。     

基于本体映射模型的人才供求关系的研究

本体映射作为本体学习和发展的基本方法之一,在本体间的语义整合方面有着广阔的前景。结合JAVA与XML技术,将本体映射模型在人才供需应用系统中加以实现,实验结果表明本课题研究达到了预期的效果。     

过程实例跃迁正确性判定准则研究

过程模型的动态更改会引起运行中的过程实例向更改后的过程模型跃迁,必须保证过程实例跃迁后运行的一致性。由于多分支结构的影响,不同过程实例的跃迁条件不易确定。研究了过程模型更改机制,通过删除、插入、修改三类元更改操作构造更改域。将过程执行历史能否重放作为过程实例跃迁正确性的判定准则,提出一种高效的过程实例精确跃迁条件评判方法,可以确定拥有不同路由结构、不同运行状态的过程实例的跃迁策略。该方法能适应多分支的过程模型,灵活性高,便于实现过程模型动态更改和实例跃迁的自动化。     

基于遗传规划和主动学习的本体实例匹配

针对现有实例匹配方法存在的准确率和学习效率不高的问题,提出了一种新的基于遗传规划和主动学习的链接规则学习方法,并用于本体实例匹配。设计了更合理的链接规则表示,并针对链接规则的特点,对遗传规划的初始种群产生、适应度函数和进化算子进行了详细设计。提出了一种考虑样本相关性的主动学习采样策略,使得稀有样本被优先训练。实验结果表明,该方法不仅学习效率更高,而且能够学习出高质量的链接规则,取得了较好的本体实例匹配结果。     

基于本体的CIM层模型转换技术研究

当前由于缺乏完整的转换规则描述和相应的实现机制,难以实现灵活、自动的模型转换。采用基于本体的方法来建立模型元素之间的映射关系,并结合本体描述语言给出了模型元素和转换规则在本体库中的描述方法,实现了在两个不同的计算无关层（CIM）建模工具所建模型之间的自动转换。该成果已成功地应用到基于MDA的军工企业数字化项目中。     

Constructing ontologies by mining deep semantics from XML Schemas and XML instance documents

With the development of the Semantic Web and Artificial Intelligence techniques, ontology has become a very powerful way of representing not only knowledge but also their semantics. Therefore, how to construct ontologies from existing data sources has become an important research topic. In this paper, an approach for constructing ontologies by mining deep semantics from eXtensible Markup Language (XML) Schemas (including XML Schema 1.0 and XML Schema 1.1) and XML instance documents is proposed. Given an XML Schema and its corresponding XML instance document, 34 rules are first defined to mine deep semantics from the XML Schema. The mined semantics is formally stored in an intermediate conceptual model and then is used to generate an ontology at the conceptual level. Further, an ontology population approach at the instance level based on the XML instance document is proposed. Now, a complete ontology is formed. Also, some corresponding core algorithms are provided. Finally, a prototype system is implemented, which can automatically generate ontologies from XML Schemas and populate ontologies from XML instance documents. The paper also classifies and summarizes the existing work and makes a detailed comparison. Case studies on real XML data sets verify the effectiveness of the approach.     

基于服装实例创建企业本体模型的初步研究

以服装行业为研究和应用背景,基于本体模型的知识表示、数据建模等技术,介绍了本体模型的开发方法,为服装领域建构本体模型提供了通用的开发模式。通过本体开发过程的基本步骤,讲述了定义类层次和类的属性和实例的基本规则,并通过基本的实例加以说明。尤其针对开发服装本体过程中遇到的问题,提出了初步的解决方案。     

时序特征融合的视频实例分割

目的 随着移动互联网和人工智能的蓬勃发展,海量的视频数据不断产生,如何对这些视频数据进行处理分析是研究人员面临的一个挑战性问题。视频中的物体由于拍摄角度、快速运动和部分遮挡等原因常常表现得模糊和多样,与普通图像数据集的质量存在不小差距,这使得对视频数据的实例分割难度较大。目前的视频实例分割框架大多依靠图像检测方法直接处理单帧图像,通过关联匹配组成同一目标的掩膜序列,缺少对视频困难场景的特定处理,忽略对视频时序信息的利用。方法 本文设计了一种基于时序特征融合的多任务学习视频实例分割模型。针对普通视频图像质量较差的问题,本模型结合特征金字塔和缩放点积注意力机制,在时间上把其他帧检测到的目标特征加权聚合到当前图像特征上,强化了候选目标的特征响应,抑制背景信息,然后通过融合多尺度特征丰富了图像的空间语义信息。同时,在分割网络模块增加点预测网络,提升了分割准确度,通过多任务学习的方式实现端到端的视频物体同时检测、分割和关联跟踪。结果 在YouTube-VIS验证集上的实验表明,与现有方法比较,本文方法在视频实例分割任务上平均精度均值提高了2%左右。对比实验结果证明提出的时序特征融合模块改善了视频分割的效果。结论 针对当前视频实例分割工作存在的忽略对视频时序上下文信息的利用,缺少对视频困难场景进行处理的问题,本文提出融合时序特征的多任务学习视频实例分割模型,提升对视频中物体的分割效果。     

在线多示例学习目标跟踪方法研究

多示例学习是不同于传统机器学习的一种新的学习模式,近年来被应用于图像检索、文本分类等领域。提出一种基于在线学习的多示例学习算法,将其应用于目标跟踪。该算法通过构造一个在线学习的多示例分类器作为检测器,无需制作大量的样本进行离线的训练,只需在第一帧手动选中目标,便可以自动生成正样本和负样本,并在随后的帧序列中,根据跟踪到的目标自动更新分类器,在跟踪器丢失目标或者目标从场景中消失后,它能够重新检测到目标并更新跟踪器,从而有效地支持了跟踪器跟踪目标。实验证明该方法在背景复杂,光线变化,摄像机抖动等复杂条件下,可以很好地跟踪到目标,且对遮挡具有较好的鲁棒性。     

迁移工作流系统中迁移实例的路径规划研究

提出了基于导航树的迁移实例路径规划模型,详细描述了迁移实例的寻径过程,给出了导航树的自维护管理机制,使导航树能根据工作流网络中停靠站的变化动态地完成导航知识的更新维护;同时由于停靠站的变更信息只在本域内交互,大大减少了迁移工作流网络的信息流量,特别适合于大型、停靠站点变更频繁的跨组织工作流服务。企业订单实例表明,引入导航树路径规划机制可以使迁移实例获得更有针对性的迁移路线,避免盲目迁移。