云计算环境下的SWRL规则分布式推理框架

为解决传统推理引擎在进行大规模OWL本体数据的SWRL规则推理时存在的计算性能和可扩展性不足等问题,提出了云计算环境下的SWRL规则分布式推理框架CloudSWRL.根据SWRL规则语义,并以Hadoop开源云计算框架为基础,设计了OWL本体在HBase分布式数据库中的存储策略,定义了SWRL规则解析模型和相关推理中间数据模型,提出了在DL-safe限制下基于MapReduce的SWRL规则分布式推理算法.实验结果表明,在对大规模OWL本体进行SWRL规则推理时,CloudSWRL框架在计算性能和可扩展性方面均优于传统推理引擎.     

基于UML的领域规则建模方法

为了实现领域约束规则的可视化表示,检验需求模型与领域知识之间的一致性,该文提出一种领域规则建模及需求模型验证方法.在借鉴本体定义元模型和语义网规则语言(SWRL)基础上,定义了一种领域规则定义元模型.用该元模型扩展统一建模语言,使其可用于领域规则建模.给出了领域规则模型到SWRL描述的转换方法,使需求模型验证可通过形式化推理引擎自动完成.通过模型验证案例分析,说明了该方法的可用性.     

一个基于SWRL的查询系统框架

基于本体的查询是当前的研究热点,但本体的语义表达能力局限于描述逻辑,不能表达一般形式的规则,因此人们提出了语义Web规则语言(SWRL)。分析了SWRL的研究现状及主要特点,然后基于SWRL解析器构建了一个基于SWRL的查询系统框架。     

基于本体的瓦斯灾害预警模型研究

针对传统瓦斯安全预警模型准确性不高和低效的问题,在XML描述元数据的基础上,将瓦斯事故中的基本概念元语和概念之间的关联规则用XML语言和SWRL语言精确描述后存入本体模型,实现了本体的语义推理.与传统的小波神经网络和灰色系统理论相比,本模型将实时数据以实体的形式传入本体,通过语义推理进行瓦斯预警,明显提高了瓦斯预警的精度和效率.     

基于本体的汽车服务平台研究与开发

文章以汽车信息平台为背景,采用OWL（本体语言）建立汽车信息本体知识库,建立基于SWRL（语义网规则语言）的汽车关系判定和推理的规则库,研究设计并实现出一个以本体（Ontology）为基础具备规则推理能力、具有Web接口的智能汽车服务平台。     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。     

一种家庭服务机器人的环境语义认知机制

为提高机器人对家庭环境的语义认知能力,提出了一种环境语义认知模型.基于卷积神经网络提取场景类别和物品语义信息,实现环境的上下文语义理解;采用语义解析器解析语义信息,进而以结构化的方法表征知识,并将其存入本体知识库.同时基于语义网规则语言(SWRL)推理规则挖掘出其隐藏知识,实现知识库的扩展;以服务任务为驱动,实现家庭环境下机器人快速、准确地从知识库获取所需语义信息,从而智能化地执行服务任务.实验结果表明:所提出的模型能够准确提取环境语义信息,并能使机器人快速检索到服务所需知识.     

面向服务机器人的物品知识自主构建方法

为了提高家庭服务机器人操作物品时的智能性,提出了一种层次化的物品知识自动构建方法.首先,在类层级上,利用本体技术构建基于视觉、类别、物理、功能、状态、位置等多属性的物品知识表征模板,以便于以统一的、机器可读的、可共享的形式表征物品知识;其次,在实例层级上,提出基于视觉属性的物品实例获取方法,并基于物品实例知识表征机制,完成物品实例知识的自主构建;最后,研究了物品知识的自主推理方法,以获取隐含知识.实验结果表明:物品知识构建方法可将获取的源数据自主转换成本体知识,根据所提出的方法成功构建了包含20类物品、568个实例、117条规则在内的物品本体模型;所设计的SWRL规则可自主推理本体实例缺失的属性且所需时间少于1.2 s;物品本体知识不仅可为物品操作提供先验知识,而且在目标物品缺失时可提供替代物品.     

基于SWRL的应急案例库的知识表示及推理方法研究

针对当下在公共社会领域中突发应急事件的信息量庞大,难以为应急决策系统提供快速支持的热点问题,深入研究了基于SWRL的应急案例库的知识表示以及推理方法。首先定义了应急案例库中的相关概念,并采用语义上具有较强能力的OWL(Web Ontology Language)作为应急案例库Ontology构建的基础。然后引入SWRL(Semantic WebRule Language)来进一步构建应急案例库的规则机制并改善OWL在推理能力方面的不足。最后运用SWRL推理规则与Jena推理机对应急案例库中的规则进行了进一步的整合与推理现实。仿真结果验证了SWRL推理规则的有效性与正确性。     

正态云关联规则在气象中的应用

用数据挖掘方法发现关联规则和进行预测是信息处理领域的两大热点。在文献[1]的基础上对这两个问题进行了进一步的研究，提出了应用竞争聚集臬法确定正态云的两个参数，应用双参数阈值挖掘正态云关联规则，并利用求正态云关联规则的支持率和信任度来进行预测。将这种方法应用于气象数据，结果表明，所提出的关联规则挖掘方法比文献[1]所用的方法更合理，该预测方法简单易懂，更容易被人理解和使用。     

基于本体的汽轮发电机组故障诊断知识建模

针对目前汽轮发电机组故障诊断领域知识术语复杂、系统异构、知识表示不完备以及共享和重复使用困难等问题,依据故障诊断需求,采用基于本体的知识表示方法,提出了一种适用于汽轮发电机组故障诊断领域的本体构建方法和知识表示模型.在解析了汽轮发电机组故障知识特性的前提下,定义了其本体概念、属性、关系、实例和公理,为知识表示提供了明确的形式化规格说明,并借助Protégé_4.3构建了包含汽轮发电机组的故障类型、故障特征、故障原因和维修策略等故障诊断领域本体,设计了一致性检验的算法.在此基础上,在SQI机械故障综合模拟实验台上模拟汽轮发电机组故障,通过FaCT++推理机实现本体知识推理测试.结果表明基于本体的汽轮发电机组故障诊断知识模型是可行的.     

基于本体的汽轮机多源异构知识建模与融合

针对目前汽轮发电机组设备维修与故障诊断的知识分散在不同电厂内,普遍存在多源异构、共享困难以及形成信息孤岛等问题,结合全局本体与局部本体建模的方法,分析了汽轮发电机组的结构特性,借助Protégé_4.3建立了汽轮发电机组的全局本体模型与局部本体模型,设计了全局本体与局部本体的映射关系算法,实现了汽轮发电机组多源异构的知识融合与多源知识的检索.采用SQI机械故障模拟实验台对汽轮发电机组产生的故障进行模拟.通过模拟转子质量偏心和转子不平衡,结果表明两者有98%的相似度,即两个不同概念的故障有相同的故障源,说明基于本体的汽轮发电机组多源异构知识模型与融合方法是有效、可行的.     

基于本体规则的接边数据一致性维护

针对一调土地数据由于测量误差或因不同测绘队伍的不同标识习惯,在图幅进行接边时导致接边要素属性不一致,进而造成接边准确率下降的问题。提出在一致性维护过程中将SWRL语义规则同时应用于图幅接边前的空间数据一致性维护的方法;该方法在传统的拓扑关系一致性维护方法的基础上,将本体及本体规则引入到图幅接边前数据的一致性处理中,增强了对数据语义一致性的判别,并对现有的属性相似度进行改进判断要素的一致性。实验显示,将该方法应用到对某镇一调图幅数据接边处理中,使得图幅接边准确率和接边效率都得到了提高。     

基于联邦滤波的多传感器主动容错估计方法

针对冗余传感器系统的容错问题,改进一种有反馈式联邦滤波的容错估计算法。通过残差法对硬故障进行检测,并隔离故障子系统的估计值。若全部子系统出现硬故障,取上一时刻的联邦滤波的最优值,通过系统状态方程计算得到系统状态量的预测值进行容错补偿。定义可信度因子,设计可信度单调性法则检测子系统软故障,并设计校正策略。大量仿真实验表明,改进后的反馈式联邦滤波的容错估计算法,可在保证系统估计精度的前提下,提高多传感器系统的容错性与鲁棒性。     

基于模糊加权有色网和BP神经网络的飞机发动机故障诊断

针对传统知识推理故障诊断方法中参数往往依赖于专家经验,存在着不准确和无法学习的问题,提出了一种基于模糊加权有色网和BP神经网络的故障诊断方法。首先,定义了模糊加权有色网并给出了两种产生式规则对应的模糊加权有色网模型。然后,设计了采用BP神经网络对模糊加权有色网各参数进行学习的算法。最后,给出了使用训练后的各参数进行初始化的模糊加权有色网进行故障推理的具体步骤。通过飞机发动机故障诊断实例仿真实验证明了方法能正确地建立模糊加权有色网推理模型,在采用BP神经网络进行参数训练后,能有效地实现飞机发动机的故障诊断。     

基于规则的交互上下文预测基于规则的交互上下文预测

为了改进当前上下文预测中由于缺乏对交互情况的考虑所导致的不完全预测问题,提出了基于规则对交互上下文进行预测的方法．给出了交互上下文的定义及使用本体对交互上下文进行建模的方法．在基于规则的交互上下文预测架构中,利用交互规则发掘算法和交互预测算法等推理计算得出交互规则,根据得到的交互规则对交互上下文进行预测．该方法的使用合理地改进了传统的上下文模型,从根本上系统地解决了传统的上下文预测的局限性问题,有效地提高了上下文预测的能力．