概念代数在本体合并中的应用

本体合并是本体集成的一种较为有效的方式,是用于解决本体异构以实现本体资源重用和共享的一种方法。引入概念代数以弥补本体的概念深度表达不够、形式化程度低等缺陷。将本体与概念代数结合,提出一种基于概念代数的本体表示方法,其恰好符合领域专家构建本体的意识活动,可以更好地表达和处理知识。概念代数是一种抽象的数学结构,形式化程度较高,并且其概念之间的认知关系更便于进行知识推理。利用概念代数将本体表示为可视化的概念网形式,进而利用概念代数的运算实现概念之间的合并及关联,提出一种基于概念代数的本体合并方法,是对概念代数应用到本体的一种尝试,为本体的处理提供了一个新的视角。     

高效优势降解菌处理樟脑废水

针对樟脑废水,从活性污泥中筛选出降解樟脑废水的高效优势菌,通过分离纯化,优选出3株适应能力强、生长旺盛的菌株,分别为ZH-1、ZH-2、TZH-2。经初步鉴定分别为动胶菌属、假单胞菌属、短杆菌属。试验测定了樟脑混合菌最佳生长条件的优化组合为:葡萄糖质量浓度20 g.L-1,温度30℃,pH值为7,转速为125 r.m in-1,培养时间55 h。并测定了单株菌和混合菌对樟脑废水的降解效果,结果表明混合菌的降解效果最为明显,降解率为75.23%。     

Mixing in the transition flow regime with helical ribbon agitators

The effects of the non-Newtonian properties on the effective deformation rate, mixing and circulation times and flow behaviour have been investigated in the transition flow regime of mixing systems. Based on the equivalent Couette flow, three models are proposed and are shown to predict similar and drastic increases of the effective deformation rate with the impeller rotational speed in the transition regime. The predictions are shown to fit very well data obtained for various non-Newtonian fluids mixed with helical ribbon agitators, and with literature data for anchor, blade turbine and flat disc agitators. The elasticity along with shear-thinning properties appear to have slight effects on the dimensionless mixing and circulation times in the transition regime, whereas their effects in the laminar regime are quite drastic, as reported by others.     

网络水军识别研究

网络水军识别关键技术已成为当前数据挖掘领域最为活跃的研究之一.如何挖掘海量用户信息中潜藏的网络水军特征与行为模式,从而发现网络水军,以维护良好的网络环境,保障合理的网络秩序,已成为一项十分具有挑战性的工作.对比传统与新型网络水军识别研究,从识别特征角度对近几年内网络水军识别研究进展进行综述,对其关键技术和效用评价进行了前沿概括、比较和分析,并对网络水军识别中有待深入研究的难点和发展趋势进行了展望.     

网络边布局技术研究综述

网络边布局技术是网络可视化研究的重要内容,良好的边布局能够有效地展示网络的整体结构并从中揭示出某些隐含的信息模式.为了全面地总结和分析现有网络边布局技术,首先归纳了网络边布局的主要任务,回顾了指导网络边布局的美学标准.然后将网络边布局技术归纳为3类:边路由技术、边融合技术和边集束技术,分别阐述了各类技术中典型布局方法的主要原理和特征,并重点对边集束技术进行了分类分析.最后总结了目前研究中还存在的一些问题,展望了网络边布局技术的发展前景和面临的挑战,以期为相关领域的研究者提供有益参考.     

一种基于DAG动态重构的认知网络服务迁移方法

针对认知网络高度动态性带来的服务随机失效问题,提出了一种服务迁移方法以保障认知网络的 QoS.首先,采用先迁移、后优化的思想,重新生成关联服务有向无环图(directed acyclic graph,简称DAG),并在此基础上提出 DAG 动态重构算法,将关联服务转化为层次化 DAG 服务;其次,计算关键服务迁移路径,并给出可迁移服务死锁避免理论分析,将迁移服务提前迁移到当前网络空闲资源运行,以缩短服务的执行时间.仿真实验测试了3种故障注入类型下网络服务迁移方案的服务性能.实验结果显示,该方法在弹性网络负载与未知故障情况下具有较好的 QoS保障效果.     

基于节点分割的社交网络属性隐私保护

现有研究表明,社交网络中用户的社交结构信息和非敏感属性信息均会增加用户隐私属性泄露的风险.针对当前社交网络隐私属性匿名算法中存在的缺乏合理模型、属性分布特征扰动大、忽视社交结构和非敏感属性对敏感属性分布的影响等弱点,提出一种基于节点分割的隐私属性匿名算法.该算法通过分割节点的属性连接和社交连接,提高了节点的匿名性,降低了用户隐私属性泄露的风险.此外,量化了社交结构信息对属性分布的影响,根据属性相关程度进行节点的属性分割,能够很好地保持属性分布特征,保证数据可用性.实验结果表明,该算法能够在保证数据可用性的同时,有效抵抗隐私属性泄露.     

一种改进型离散Hopfield学习算法

针对离散Hopfield 神经网络(DHNN) 的权值设计问题, 提出一种改进型学习算法, 并在DHNN动力学分析的基础上设计该学习算法. 利用矩阵分解的方法(MD) 得到正交矩阵, 并采用得到的正交矩阵直接计算DHNN的权值矩阵. 通过该学习算法得到的权值矩阵, 可以很好地存储训练样本的信息, 使测试样本收敛到稳定点. 该学习算法不需要进行分块计算, 减少了计算步骤和计算量, 降低了网络的迭代次数, 从而提高了网络运行速度. 最后, 将该学习算法应用于水质评价, 验证了其有效性和可行性.     

多周期多原料的供应链网络成本优化及其混合遗传算法

建立并求解一个基于成本最小的供应链网络模型.与以往研究不同,在该模型中生产一种产品需要至少两种原料,每种原料都可以由备选供应商提供.根据模型的特点,用0、1代表对原材料供应商、工厂和分销中心的选择情况,以MATLAB 7.6为平台,运用Sheffield大学的遗传算法工具箱,将遗传算法与线性规划算法相结合,实现了模型的求解.算例结果表明,给出的染色体编码方案正确,混合遗传算法有效,能解决多周期、多原料的供应链网络成本优化问题.还探讨了需求和距离变化,以及需求随机时对最优成本和最优个体的影响.研究表明,需求变化的影响大于距离变化的影响,需求随机对最优成本和最优个体的影响不大.     

一种高效的多模式字符串匹配算法

在Fan-Su(FS)多模式字符串匹配算法基础上,结合BM-Horspool(BMH)算法和Quick Search(QS)算法的优点,提出一种高效的多模式字符串匹配算法。该算法能够充分利用本次匹配失败和部分匹配成功的信息,一方面增加模式树根节点失配的概率,提高匹配过程中失配时的跳跃距离。另一方面避免不必要的状态转移,实现不匹配时的连续跳转。分析指出,在最好情况和平均情况下,时间复杂度均优于ACBM算法和FS算法。实验结果表明,一般情况下该算法的查找时间仅为AC算法的10%~35%,ACBM算法的50%~60%,FS算法的70%左右,FSQB算法的65%左右。