面向智能汽车空间的本体建模与映射研究

该文利用本体层次化上下文建模方法,建立了一个智能汽车空间本体。为了解决上下文本体模型与上下文推理方法之间的信息共享问题,提出了一种基于概念的本体映射方法,实现了一个识别智能汽车空间内司机状态的原型系统。实验结果表明,本体模型和推理方法能较有效地识别司机的不同状态。     

家庭服务机器人知识图谱的构建与应用

为提高服务机器人对家庭环境中事物语义信息的准确获取与认知,提出了一种家庭服务机器人知识图谱的构建方案并进行了家庭服务的应用测试。 首先,针对家庭服务应用需求,构建了适用于家庭环境的领域本体,并采用结构化的方法表征家庭场景下环境、人物、服务等知识以及物体的语义属性,将其存储在关系型数据库中。 在此基础上,根据领域本体将知识库的结构化数据进行数据映射和知识抽取,完成知识图谱的构建,并针对典型家庭服务的应用需求进行了测试。 实验结果表明,构建的知识图谱能够有效地帮助服务机器人准确地获取家庭环境中事物的语义信息,检索得到服务所需的知识,从而保障其智能化地执行家庭服务。     

本体和规则在营销策略自动推理中的应用

针对市场营销中只能表达结构信息,无法表达语义信息的问题,研究本体和规则在营销策略自动推理中的应用。分析了采用不同营销策略时,建立本体应包括的领域知识;描述了基于本体和规则的营销策略自动推理方法;结合一个企业实例建立了本体,并进行了详细的描述。采用Logistic模型预测客户的潜在价值和进行客户细分,并运用关联规则挖掘捆绑销售策略。在此基础上建立规则文件,实现了营销策略的自动推理过程。     

面向家庭服务的人体动作识别

为了提高家庭服务机器人的智能,提出了一种面向家庭服务的人体动作识别算法。首先,提出了利用运动历史图像自适应更新背景的方法,对家庭环境进行背景建模;然后,利用YCbCr图像与灰度图像二值化的综合消除阴影,从而实现人体分割与定位;最后,提出了基于高熵变化量的时空特征方法,并结合环境信息对人体进行动作识别。实验结果表明,提出的背景模型能较好的克服暂时停止运动的物体被背景吸收的问题,并能有效地对背景的纯净度进行评价,同时,根据提出的动作识别机制,结合家庭环境的布置知识总体识别率可以达到95%。基本可以满足机器人家庭服务的要求。     

家庭服务机器人智能空间技术研究与进展

智能空间技术是一个刚刚兴起的前沿课题.应用于家庭服务机器人的智能空间技术,就是把感知器件、执行器件分布地安装在空间中相应的位置,实现对空间内部人和物的全面感知,从而通过执行器实现相应的服务任务;同时能够为机器人提供更加完备的环境信息,使得机器人本身可以降低对于本体携带感知器件的要求,能够“轻装上阵”,在未知或半未知的动态环境中实现更加快捷、准确、稳定的家庭服务工作.系统总结了智能空间技术的发展现状,并详细介绍了应用于家庭服务机器人的智能空间的构成、特点及其主要研究内容,对其所涉及的相关技术进行了介绍,最后给出了家庭服务机器人智能空间技术研究的新方向.     

家庭服务机器人智能空间技术研究与进展

智能空间技术是一个刚刚兴起的前沿课题．应用于家庭服务机器人的智能空间技术，就是把感知器件、执行器件分布地安装在空间中相应的位置，实现对空间内部人和物的全面感知，从而通过执行器实现相应的服务任务；同时能够为机器人提供更加完备的环境信息，使得机器人本身可以降低对于本体携带感知器件的要求，能够“轻装上阵”，在未知或半未知的动态环境中实现更加快捷、准确、稳定的家庭服务工作．系统总结了智能空间技术的发展现状，并详细介绍了应用于家庭服务机器人的智能空间的构成、特点及其主要研究内容，对其所涉及的相关技术进行了介绍，最后给出了家庭服务机器人智能空间技术研究的新方向．     

情景感知的本体网络化学习系统模型研究

为解决网络化学习系统中学习者被动学习的问题,构建了基于情景感知的本体网络化学习系统,该系统可根据情景信息合理调度学习服务资源及时反馈给学习者.首先由情景获取模块实时采集情景信息,并构造情景信息模型;然后情景推理模块对情景信息进行推理和分析,构造出关于学习合理性、学习效果等推理规则;最后学习资源的调度模块根据采集值及相应推理规则调用合理的学习资源及时提供给学习者.实例证明,所提出的情景感知的本体网络化学习系统是有效而可行的,提高了学习者的学习效率.     

物联网环境下闸站调度的多智能体决策系统

引入了基于语义模型网的物联网信息资源描述、推理和应用模型,并以多智能体系统决策支持为应用基础,研究了物联网环境下水利闸站调度的智能决策支持技术.该技术采用多智能体系统的任务分解方法,并通过本体推理方法把子任务执行时需要的决策信息转化为精确的传感器信息查询,从而实现从物联网中准确定位具体的传感器,并获取相应感知信息的实时决策信息支持机制.     

基于QoS动态规则库的服务选择方法

传统基于XML的Qo S描述方法缺乏语义,给服务的优选带来了困难,本体的出现使得Qo S信息有了新的具有语义的描述方式,但是目前的Qo S本体模型的服务优选方法大多建立在本体匹配等算法上.在总结目前出现的典型的Qo S本体模型以及相关的服务优选方法基础上,提出一种基于动态生成的规则库的推理方法实现服务的优化选择.     

基于本体的物品属性类人认知及推理

为了实现服务机器人对物品知识的类人认知和推理,以辅助机器人执行物品操作任务,提出基于属性的家庭物品语义知识库构建方法.通过对物品知识进行分类,使用视觉、类别、物理、功能、操作属性对物品知识进行系统化和条理化的描述,结合本体建模语言对物品知识进行建模;利用语义网络规则语言,制定针对物品属性的推理规则（包含视觉、类别、物理-功能、视觉-类别、类别-类别）,实现对物品属性的自主认知及推理.在实验室搭建的机器人物品操作仿真平台上验证了物品语义知识库对机器人操作物品的指导作用.对语义知识库的查询结果表明,机器人可以以统一的形式获取与物品相关的多种高层语义信息.     

一种基于本体服务索引的Web服务扩展方法

传统的获取Web服务的方法是通过关键字匹配,由于此方式在发现潜在语义相符的Web服务时较为困难,越来越多的学者研究如何基于语义检索Web服务。本文设计了一种新的语义匹配模式：基于本体服务索引的服务匹配。通过建立从服务到本体库的索引,将本体库和Web服务库关联成一个逻辑整体。通过UDDI,用户请求会直接发送给推理规则库,在得到服务请求后,通过相应推理规则得到领域本体中与服务请求在一定相似度范围内的类及实例,而后将这个结果集输入到本体服务索引,经过匹配可输出较符合的Web服务结果集。     

基于微服务的服务机器人云服务设计方法

为了提升服务机器人的智能化水平,提出一种基于微服务的服务机器人云服务设计方法。设计基于微服务的服务机器人云服务的设计框架,提出服务机器人虚拟模型,实现服务机器人运动学/动力学模型、传感器模型和环境模型的云端映射,解决了机器人调用云服务的异构性问题;提出一种交互式的云服务交互接口,采用机器人的协议应答方式实现异构协议的自适应匹配;详细阐述服务机器人云服务平台的开发关键方法。通过所搭建的服务机器人云服务平台进行试验,测试了所设计的功能云服务的调用效果、实时性和细粒度服务质量,可以满足服务机器人的功能要求。     

一种基于本体的并行网络流量分类方法

海量网络流量数据的处理与单一节点的计算能力瓶颈这一矛盾导致数据分类效率低,无法满足现实需求。为解决这一问题,结合本体与MapReduce技术各自在海量异构数据描述与处理方面的优势,提出一种基于本体的并行网络流量分类方法。该方法基于MapReduce并行计算架构,根据网络流量本体结构,对网络流量本体并行化构建;通过并行知识推理完成基于流量统计特征的网络流量分类。实验结果表明,集群环境下基于MapReduce的网络流量本体构建效率明显高于单机环境,而且适当增加计算节点使得加速比线性提升;并行知识推理的分类方法能够有效地提高大规模网络流量的分类效率。     

Ground substrates classification and adaptive walking through interaction dynamics for legged robots

Adaptive locomotion in different types of surfaces is of critical importance for legged robots.The knowledge of various ground substrates,especially some geological properties,plays an essential role in ensuring the legged robots’safety.In this paper,the interaction between the robots and the environments is investigated through interaction dynamics with the closed-loop system model,the compliant contact model,and the friction model,which unveil the influence of environment’s geological characteristics for legged robots’locomotion.The proposed method to classify substrates is based on the interaction dynamics and the sensory-motor coordination.The foot contact forces,joint position errors,and joint motor currents,which reflect body dynamics,are measured as the sensing variables.We train and classify the features extracted from the raw data with a multilevel weighted k-Nearest Neighbor(kNN) algorithm.According to the interaction dynamics,the strategy of adaptive walking is developed by adjusting the touchdown angles and foot trajectories while lifting up and dropping down the foot.Experiments are conducted on five different substrates with quadruped robot FROG-I.The comparison with other classification methods and adaptive walking between different substrates demonstrate the effectiveness of our approach.     

基于加权模糊推理网络的文本自动分类方法

针对数据挖掘中的文本自动分类问题,提出了一种基于加权模糊推理网络的分类方法．网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点．根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法．该算法以文本特征谓词的真度作为分类依据,体现了模糊分类的思想以旅游站点网页分类为例验证了该方法的有效性。     

室内环境中人穿携物品归属关系自主学习框架

为了满足机器人个性化服务需求,使机器人可以根据不同的服务对象来选择专属物品进行任务的推理和规划,需要服务机器人具备自主获取人穿携物品与人的归属关系的能力. 针对家庭环境下人穿携物品与人的归属关系获取问题,提出人穿携物品归属关系自主学习框架. 采用基于物品检测模型SSD与人体姿态估计模型OpenPose相结合的人穿携物品检测定位方法,实现人穿携物品检测. 利用基于迁移学习的卷积神经网络提取物品特征,通过后端分类器完成物品实例属性识别,使用人脸检测与识别模型MTCNN完成服务对象身份识别. 通过归属关系自主学习策略,完成归属关系的自主学习. 实验结果表明,提出的人穿携物品归属关系自主学习框架能够准确、高效地完成归属关系的学习,有效排除环境干扰因素对归属关系学习的影响,具有良好的准确性和鲁棒性.