面向语义网的中文本体应用研究

自从Protege出现以来,它成为唯一一款支持中文本体构建的工具,而且能够进行可视化操作。目前在部分领域已经构建了中文本体,但是对所构建本体在语义网中的应用缺乏研究。因为本体的应用主要依赖于推理工具,而国内尚无一款专业的基于中文本体的推理机或者推理工具,这阻碍了基于中文本体信息检索的发展。针对中文本体的应用,深入研究了本体在信息检索领域应用的现有技术、方法、工具。文中通过使用Jena开发包对中文本体的应用进行实验,实验表明,利用现有的推理工具等可以实现中文本体在语义网中的应用。     

建陶工业辊道窑CAD系统开发研究

研究了辊道窑CAD系统的开发技术，开发出能用于辊道窑设计计算，并根据用户要求选定的参数与计算结果自动绘出辊道窑三带的主视图、俯视图以及断面图等窑体结构图。     

基于深度学习的恶意文档可视化检测

为了更加准确、快速地检测恶意PDF与DOCX格式文档,提出一种基于深度学习的恶意文档可视化检测方法。该方法通过马尔可夫模型将文档的字节序列转化为三通道的彩色图,从而获取更能区分恶意文档和良性文档的视觉表征,并采用当前主流的EfficientNet-B0模型对提取的可视化特征进行分类。结合迁移学习领域中的微调技术,将ImageNet上的分类权重应用到EfficientNet-B0模型的训练中,加快检测模型的收敛速度,缩短模型的训练时间。实验证明,在两个数据集上,模型的收敛速度快于随机初始化权重的预训练,且模型对恶意PDF文档和恶意DOCX文档的检测准确率分别达到了99.80%和98.14%,优于ResNet34、MobileNetV2等模型。与主流的恶意文档检测工具Wepawet和PJScan相比,所提出的方法具有更优的综合检测性能,进一步验证了所提出方法对恶意文档检测的有效性。     

黄土高原小流域坝系规划决策支持系统研究

为提高传统淤地坝规划设计水平和效率,基于现有的黄土高原小流域基础数据,运用"3S"技术、计算机图形技术、数据库技术、虚拟现实技术等,开发了小流域坝系规划三维可视化决策支持系统,实现直观、准确、快速的坝系规划。该系统充分考虑了坝系规划设计的实际业务特点,开发了坝系规划核心业务流程中的10多个关键自动算法,实现了三维可视化环境下流域现状的真实感模拟、坝系规划实时计算与动态显示以及坝系工程未来生态效果预测模拟,有效提高了坝系规划辅助的自动化程度,减轻了坝系规划人员繁重的计算工作量,并已应用于山西省太原市娄烦县雷家庄小流域的坝系可研规划。     

大数据丛书

数据的采集、提取和理解是人类感知和认识世界的基本途径之一,数据可视化为人类洞察数据的内涵、理解数据蕴藏的规律提供了重要的手段。随着数据时代的来临,大数据的分析、挖掘与可视化已经成为信息技术发展的迫切需求。面对当前科学可视化、信息可视化、可视分析研究和应用的新形势,     

一种基于网络信息平台的影像显示方法

针对大幅面遥感影像显示时兼顾大范围和高分辨率的要求,提出了一种基于计算机网络和地理信息平台的显示方法。通过调度局域网中多台计算机终端进行配合,使不同终端同时显示一幅超大影像的不同部分,相邻终端显示影像的位置无缝衔接,实现了低成本对一幅超大影像高分辨率、大范围显示的效果。该方法具有很好的扩展性,理论上可以实现对任意大的影像进行高分辨率显示。     

可视化管理助力企业云计算端到端安全

正从安全性的角度来看,云计算是一个单一的可互操作性的系统,它包括了专为跨多个实体提供按需服务特定组合而设计的相互关联的子系统。云计算可视化及其相关的组织能够让安全专业人士明确地给出对象、元素、界限和关系的定义。企业借助工具从记录概念开始,来实际地实施可视化过程,这类工具有助于把无组织的概念分组归类为有组织的主题并揭示各种概念之间的联系。下图使用系统和子系统的形     

基于R语言的机器人教育微博可视化研究

本文利用R语言对关注度不高、转发量不太大的机器人教育微博进行了可视化研究。在分析技术实现过程的同时,我们得出结论是:机器人教育的舆情由教育官方媒体和企业培训机构主导;经济力量决定着参与讨论的程度;微博不是学习内容交流的主阵地。     

超大规模分布式虚拟现实综合集成支撑平台

正本系统密切结合国家重大工程应用中的迫切需要,主要集中在当前虚拟现实系统中的TB级甚至PB级海量场景数据的快速处理、存储与发布、GB级复杂场景实时交互绘制以及高并发协同交互分析等技术难点进行深入研究,研制了一个超大规模分布式虚拟现实综合集成支撑平台,可以应用于大规模联合作战模拟演练、复杂产品设计与仿真计算、海量多维海洋信息可视化分析、以及城市规划和数字博物馆等多个行业领域,可以克服当前我军数十万个武器     

大数据系统和分析技术综述

首先根据处理形式的不同,介绍了不同形式数据的特征和各自的典型应用场景以及相应的代表性处理系统,总结了大数据处理系统的三大发展趋势;随后,对系统支撑下的大数据分析技术和应用(包括深度学习、知识计算、社会计算与可视化等)进行了简要综述,总结了各种技术在大数据分析理解过程中的关键作用;最后梳理了大数据处理和分析面临的数据复杂性、计算复杂性和系统复杂性挑战,并逐一提出了可能的应对之策.