基于抽取规则和本体映射的领域XML语义集成

油气井工程领域中存在大量的XML文档,传统的XML集成方案无法提供面向语义的信息查询,导致数据利用率不高。针对油气井XML文档WeXML语义集成与查询应用需求,提出一种基于抽取规则和本体映射的语义集成方法。首先定义一系列类、属性抽取规则,分别将WeXML Schema中的元素、属性映射为WeOWL本体中的类和属性;然后,利用实例转换算法将WeXML文档转换为本体实例数据;由于WeOWL提供有限的局部语义模型,需要在两者之间建立语义映射,并借助WeOWL中的术语对全局语义模型中的类和属性进行解释,进而提供面向领域全局本体的语义查询。通过构建WeXML数据语义集成原型系统,对提出的转换规则、转换算法和映射规则进行了验证。     

语义网虚拟本体构建

针对缺乏良好组织的本体难以被重用的问题,提出了对本体中术语进行语义重组的方法.该方法首先从本体文档中抽取类之间的关系,建立类关系图,进而对不同类型的关系赋以权重.然后将多本体中语义高度相关的术语进行组合,对语义相关度低的术语进行分割.最后分别通过基于划分、基于层次化的聚类算法将类关系图重组为一组虚拟本体,实现了对本体的有效重用.以语义搜索引擎Falcons索引的本体作为数据集,对生成的虚拟本体进行了时间性能和聚类合理性评估,并对比了2种聚类方法在虚拟本体生成中的作用.实验证明该方法生成的虚拟本体具有较好的语义内聚性,达到了对本体中术语进行语义重组的目的.     

具有输入干扰的模型集随机检验

为了解决面向鲁棒控制的模型集的闭环随机检验问题,该文讨论了具有输入干扰的线性分式扰动模型集的随机检验问题。应用线性代数方法通过对模型集进行讨论,根据一个模型集与对象频域输入输出数据相一致的充要条件,建立了模型集点非伪概率的解析表达式。数值仿真表明点非伪概率体现了模型集与系统真实动态之间的包含关系。     

基于UDDI扩展的e-service元数据设计

基于UDDI注册中心因缺乏对服务语义的支持而不足以成为e-service的服务目录问题，在对UDDI元数据进行扩展的基础上，为e-service设计了企业级元数据和服务级元数据。同时给出了服务语义发布和发现的实例。     

具有线性趋势回归信度模型的随机效应及线性趋势的Score检验

讨论了具有线性趋势的回归信度模型的随机效应和线性趋势的Score检验问题.首先分别推导出模型中随机效应存在性和线性趋势显著性这2种检验的Score检验统计量,然后利用Monte-Carlo方法分别模拟了此2种检验统计量的功效.功效模拟结果显示,2种检验统计量都有很好的检验效果.最后利用所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析,分析结果表明,该数据集的随机效应是存在的,线性趋势也是显著的.     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

三维点云室内场景的语义实例联合分割网络

针对点云分割网络无法在复杂的室内场景中实现高精度分割的问题,本文设计了一种基于深度学习的语义实例联合分割网络,同时完成三维点云数据的语义分割和实例分割任务,主要包含多任务学习主干网络、特征融合模块和语义实例特征联合模块等。特征融合模块通过跳跃连接融合多个网络层,分别融合2个任务各自不同级别的特征,加强网络对数据中包含的信息的整合,并选取大型室内场景数据集S3DIS和部件分割数据集ShapeNet进行对比实验。实验结果显示,网络在数据集S3DIS的语义分割的总体准确率为86.5%,在数据集ShapeNet的语义分割类别交并比为83.1%,在数据集S3DIS的实例分割的平均精度为60.8%。语义实例特征联合模块通过多任务级的特征联合增加语义和实例的判别特征,提高了点云的语义分割和实例分割的准确率。     

基于聚类的神经网络及其在预测中的应用

提出了一种基于聚类的神经网络算法，可以很好解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问题．算法采用聚类算法为分类器，进行模式空间分解，以分类后的模式子空间为各样本集合，用神经网络集学习，最后根据重力模型计算检测样本对各样本子集的隶属度，整合各子空间的输出结果．通过实验对比表明该算法精度较高，容错性好．     

一种增量式文本软聚类算法

针对传统文本聚类算法时间复杂度较高，而与距离无关的算法又不适用于动态、变化的文本集等问题，提出了一种基于语义序列的增量式文本软聚类算法．该算法考虑了长文本的多主题特性，并利用语义序列相似关系计算相似语义序列集合的覆盖度，同时将每次选择的具有最小熵重叠值的候选类作为一个结果聚类，这样在整个聚类的过程中大大减小了文本向量空间的维数，缩短了计算时间．由于所提算法的语义序列只与文本自身相关，所以它适用于增量式聚类．实验结果表明，算法的聚类精度高于同条件下的其他聚类算法，尤其适合于长文本集的软聚类．     

基于概率LS-SVM 的多标签非均衡样本分类算法

针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合“一对一”分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于概率的不确定性表示。然后,在融合概率类标签和LS-SVM模型的基础上,利用样本差异信息来调节惩罚参数值,建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3σ原理,设计了子分类器决策阈值确定方法。最后,结合实例对算法进行了性能分析,结果证明了新算法的合理性和有效性。     

基于多示例学习的题库重复性检测研究

基于多示例学习方法对题库重复性检测算法进行了改进,其基本思想是:将包含多个子问题的试题重复性检测转化为多示例学习问题.采用基于前缀树的高频词抽取算法抽取试题的内容特征,避免了对同义词典的依赖.在此基础上,结合试题的元数据特征提出试题相似度计算方法.在真实题库基础上进行的实验结果显示,该方法简便可行,正确率和查全率分别达到91.3%和92.3%,为进一步实现题库系统的整合奠定了基础.     

基于UML状态图的工作流时序约束一致性研究

通过对UML状态图进行时间扩展，建立工作流的时间模型，再把该模型转化为时间自动机，接着用时序逻辑公式定义时序约束，最后分别在建立阶段、实例化阶段和运行阶段使用模型检测技术对时序约束的一致性进行验证．     

过程提取用于改善程序模型检测的可伸缩性

针对目前基于谓词抽象的程序模型检测工具很难处理大规模软件的现状，提出用过程提取技术对待检的源代码进行预处理，以改善程序模型检测的可伸缩性．首先，将程序中一个选定的语句集合提取出来并包装成一个独立的过程，然后在原程序的相应位置用一个过程调用替代，进而将大型程序分解成语义一致的小型过程的集合．由于模型检测算法中的过程总结边可单独计算，所以过程提取使整个程序的模型检测任务模块化，当程序对某过程进行多次调用时，利用总结边可以避免对过程体内状态空间的重复搜索，从而降低了模型检测算法在空间：和时间上的开销．理论分析和实验表明，所提技术能有效缩短大型程序的模型检测时间，并在程序的转换中不会改变原程序语义，满足了程序模型检测的安全性要求．     

Model Checking-Based Testing of Web Applications

A formal model representing the navigation behavior of a Web application as the Kripke structure is proposed and an approach that applies model checking to test case generation is presented. The Object Relation Diagram as the object model is employed to describe the object structure of a Web application design and can be translated into the behavior model. A key problem of model checking-based test generation for a Web application is how to construct a set of trap properties that intend to cause the violations of model checking against the behavior model and output of counterexamples used to construct the test sequences. We give an algorithm that derives trap properties from the object model with respect to node and edge coverage criteria.     

基于CTL的并发系统CSP模型验证

主要通过指称语义和回答集程序(Answer Set Programming,简称ASP)完成迹模型的生成,并构建了一套基于计算树逻辑(computing tree logic,简称CTL)的CSP模型验证方法.实验表明,该方法对于分支类型的性质具有较好的描述能力,且保证了验证的正确性.     

微波着陆系统模型试验环境模型的实现

飞行检验仿真对实际飞行检验意义重大。根据微波着陆系统的技术体制和导航原理,设计并建立了机场微波着陆系统基于缩比模型的激光模拟飞行检验半实物仿真系统。主要研究了微波着陆系统半实物仿真系统的环境模型的实现理论和技术,以及机场典型环境模型材料的制备技术。以某机场为原型,建立其模型试验系统,并给出了试验结果。试验结果表明：微波着陆系统模型试验系统可以模拟实际机场场地环境的对微波着陆系统的影响。     

论高校固定资产清查

高校固定资产清查是高校资产管理以及实验室仪器设备管理的重要内容,对摸清家底、发现问题、解决问题,提高资产管理和实验室管理水平具有重要的意义。文章论述了高校固定资产清查的内容、程序。通过对清查结果的分析,从资产管理认识、制度建设、管理队伍建设、信息技术建设、监督检查等方面提出了整改措施,以保证账、卡、物相符,提高高校固定资产管理水平。     

基于冲突检查模型的机器人避障的最优路径

通过建立冲突检查模型,研究机器人从区域中一点到另一点的避障最优路径问题。以机器人由出发点到达目标点和由出发点经过途中的若干目标点到达最终目标点两种情形进行分析,通过冲突检查模型得到机器人在限定区域中行走的可能路径,并对其进一步优化,结合MATA-L AB仿真计算工具,实例计算得到了机器人最优移动路径及时间。     

检验实时系统的有序时段性质

模型检验是一种被广泛应用于对设计或系统正确性进行自动验证的技术。实时系统的性质包括瞬间性质和时段性质，显然后的检验要比前复杂得多。介绍了一类新的时段性质——有序时段性质，并检验了时间正则表达式的有序时段性质，最后分析了算法的复杂度，和相关工作进行了比较，并探讨了今后的工作方向。     

线性混合系统的一种验证方法

混合系统是指嵌入于物理环境中的数字实时系统．由于计算机技术的快速发展,混合系统在各行各业中都得到广泛应用,但是由于混合系统涉及到连续时间,因此其验证问题始终没有得到完善的解决．近年来,人们普遍采用模型检验方法对混合系统进行验证．由于线性混合系统在实际应用中可以表示大多数的嵌入式实时系统,因此我们着重研究这类混合系统的验证算法．本文首先介绍了混合系统的模型—混合自动机,然后提出了一种针对线性混合系统的基于区域的先划分再遍历的半确定性验证方法．经实例检验,该方法能够有效地验证线性混合系统．最后将本文的方法同有关的其它算法进行了比较