超拓扑群的度量化

证明了可度量化的拓扑群上的幂群是可度量化的，并且具体地给出了在超拓扑群上规定度量的方法     

极小映射的一个性质

极小映射是动力系统理论中常见的概念。本文证明了极小映射的一个性质，说明了，在连续映射族Ｃ＾０（Ｘ，Ｘ）中，一致极小映射族可扩张为闭集族。     

基于位置相关查询的一种语义缓存模型

为了克服FAR算法在位置预测方面的不足，定义了一种语义缓存模型，与传统的语义缓存模型相比增加了对移动单元的坐标和语义片段的时间描述，有助于预测未来移动单元可能的位置．提出了一个改进的RBF—FAR算法作为替换策略，并结合使用RBFNN进行位置预测．实验证明，通过定义新的语义缓存模型，采用新的查询替换策略，再结合神经网络的自学习特性，使得RBF—FAR模型更加灵活，并有效地减少网络负载和查询时间．     

图像检索技术中情感计算模型研究

针对目前图像检索忽略情感因素的问题，在图像检索系统中引入了情感计算技术，提出基于情感语义的图像检索系统模型和情感计算研究情感信息的数字化处理方法，以期创建一种能感知、识别和理解人的情感，能针对人的情感做出智能、灵敏、友好反应的计算机系统，旨在使人机交互更趋人性化．     

基于模糊信息增益的图像相关性度量

针对图像中所含有的统计概率不确定信息以及模糊不确定信息,提出了一种综合图像概率信息与模糊信息的新模糊信息增益度量方法来比较目标图像与参考图像之间的相关度,从而为图像相关匹配与检索提供强有力的依据.实验结果表明,该方法是有效的.     

Web服务语义标注方法

为了对W eb服务语义信息进行描述,提出了一种W eb服务语义标注方法。以现有的W eb服务描述语言(W SDL)文件为基础,充分利用W SDL中XM L schem a的语义信息与本体实体的相似性,从W SDL文件中抽取语义信息,并利用实体之间的名称相似度与结构相似度进行语义标注,生成基于OW L-S的W eb服务语义描述。用该方法对多个领域的W eb服务进行了语义标注,标注正确率在92.5%以上,较好地解决了W eb服务的语义标注问题。     

基于智能聚类的内容分类方法与应用

直接依靠人的理解判断对内容进行分类,需花费大量的时间与精力,为了解决文本内容的自动聚类问题,该文在信息系统理论与自组织神经网络理论的指导下,利用智能技术得出了内容的分类结构。提出了基于智能聚类的内容分类方法,利用自组织神经网络的学习算法进行内容的聚类,并根据所提出的方法设计了基于智能聚类的内容分类示范系统,进行了应用研究,验证了该方法的有效性。     

基于本体的环境信息系统框架

为了解决环境信息学研究和应用中所遇到的数据异构、系统互操作和信息检索等问题,将信息学中本体和语义网研究领域的最新成果引入环境信息学,提出和设计了一个基于本体的环境信息系统框架。该框架以本体技术为核心,采用双层本体结构,提供语义级的信息共享和系统互操作,实现了环境信息服务和环境智能信息检索功能,具有很强的可扩展性。     

领域本体构建的方法研究

分析了当前领域本体建设中存在的问题，给出了领域本体建设的一般方法，并对其中一些关键的技术作了介绍，通过这些论述，阐明了面向语义Web的领域本体建设的基本情况，为创建面向语义web的本体提供了基本知识。     

基于限制的OLAM任务语义模型

通过对大量决策分析算法的分析,提出了基于限制(Constraint)的OLAM任务语义模型,该模型从一定的逻辑高度对OLAM进行抽象,利用它可以分析OLAM任务的共性,提取OLAM任务执行时的基本操作,这些基本操作的基础是语义片断。文中给出了语义片断之间关联关系的分析和判断方法,提出了基于限制的、具有方向性的语义关联度定义。语义片断间关系的确定是OLAM任务/事务优化的基础。