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.     

模糊OWL 2本体到模糊关系数据库映射形式化方法

针对语义Web上的模糊OWL 2本体,提出了基于关系数据库的模糊本体存储方法.通过深入分析模糊OWL 2本体的结构及语义特点,提出了基于模糊关系数据库的模糊本体存储结构,在此基础上,给出了模糊OWL 2本体到模糊关系数据库映射的形式化方法.理论和实例结果表明所提出的形式化映射方法是合理和可行的.     

图形化本体建模工具GOM的设计与实现

将本体表示语言OWL Lite中相关词条图形化, 以图形化结构表示本体模型, 设计并实现了一种图形化本体建模工具GOM. GOM以图形化结构表示本体, 能够把图形化结构的本体模型转换成OWL Lite语言表示形式; 也可读取OWL Lite表示的本体, 生成本体模型的图形化结构. GOM实现了图形化结构的本体模型和OWL Lite表示的本体模型间的相互转换, 提高了本体模型的可读性, 降低了本体建模的工作强度.     

基于OWL的本体映射中概念相似度计算方法的研究

随着网络上的本体越来越多,为了实现不同本体间的知识重用和共享,需要在本体间建立映射。而建立映射的关键在于找到概念相同或相近的实体对。借鉴计算语言学中的语义距离思想,提出了基于OWL构词所描述的本体概念相似度计算方法,该方法充分考虑了概念本身、概念属性、概念所处的层次结构和概念的OWL语义四个方面的语义相似度。     

Reliability Analysis of Lithography Wafer Stage Based on Fuzzy Bayesian Networks

Bayesian network（ BN） is a powerful tool of uncertainty reasoning. Considering the insufficient information,incorporating fuzzy probability into BN is an effective method. Fuzzy BN was used to solve this problem. In this paper,fuzzy BN was applied in wafer stage system,which was an important part of lithography. BN of wafer stage was transferred from fault tree（ FT）. The quantitative assessment based on fuzzy BN was carried out. The Birnbaum importance factors of basic events were calculated. Therefore,the system failure probability and the vulnerable components could be gotten.     

基于本体串连的XML语义发现和查询的研究

XML因其灵活性和易扩展性已经成为Web上异构数据转换和传输的标准,但是含有不同模式的XML数据源之间却很难进行相互操作,这给XML数据检索带来了很大的不便.提出一种从XML模式到OWL本体的转换算法,然后借助共享全局本体和同义词典实现转换后的本体在语义上的相互映射,从而解决XML结构异构的问题,最后提出了利用本体串连实现XML语义查询的方法.与传统方法比较,实验结果验证了该方法的有效性.     

基于MMPC-FPSO 贝叶斯网络混合结构学习方法

针对贝叶斯网络结构学习的过程中网络结构规模随节点数增加呈指数增长,导致网络结构搜索空间增大,进而导致网络结构学习算法效率低下的问题,提出一种基于最大最小父子集合约束与萤火虫粒子群搜索算法的贝叶斯网络混合结构学习方法。首先,针对粒子群算法在解决贝叶斯网络结构学习过程中,随机初始化网络结构种群导致算法搜索效率低下,网络结构准确性低的问题提出一种基于改进的最大最小父子集合算法的种群约束方法。其次,针对传统的基于粒子群评分搜索方法速度慢,精度低,易陷入局部最优的问题,提出一种基于萤火虫算子的粒子寻优策略。最后,为了验证所提方法的正确性和优越性,将上述方法用于3种标准网络的结构学习。仿真结果表明:所提算法与传统的基于粒子群的结构学习方法相比,所得的贝叶斯信息准则评分与标准网络评分的差距分别缩小了68.7%、65.5%、34.1%。     

一种将关系数据库转换为OWL本体的方法

通过半自动的方法将关系数据库转换为本体是本体研究的热点之一,也是解决异构数据库的一个新方向。目前提出的从数据库中提取语义信息的方法主要从本体的结构出发,导致提取的语义信息不全面。本文提出了一套将关系数据库向本体转换的规则,该套规则从关系数据库的模式结构出发,通过对模式信息分层次、综合分析,能够比较准确全面地提取显视的和隐含的语义信息。     

贝叶斯网结构学习的研究现状及发展趋势

目前,在结构已知情况下,贝叶斯网的参数学习算法及数据完备时的贝叶斯网的结构学习算法比较成熟,但是从不完全数据中学习贝叶斯网结构比较困难;文章简要介绍前者,重点分析了在不完备数据条件下结构学习的难点,对现有的学习算法进行了深入的研究和比较,对该领域的研究趋势进行了展望。     

基于BNF的OBO规范化和OWLDL转换研究

大多数生物本体包括基因本体这样重要的本体都用OBO表示。这些本体尤其是其中用共享和可控的词汇来注释的实验数据将会融入到语义网中。随着OWL语言成为W3C的本体标准建模语言。将用OBO表示的生物本体转换成用0WL语言表示显得十分必要。本文用BNF范式规范TOBO的语法,设计了一个规则将OBO转换成OWLDL,并且设计和实现了一个简易的转换系统。     

基于贝叶斯网络的核电厂安全系统可靠性分析

 针对核电厂改进的辅助给水系统（ASG）,研究了基于贝叶斯网络的系统安全评价方法。通过故障模式与影响分析构建ASG系统可靠性框图,根据可靠性框图与贝叶斯网络的映射关系,建立ASG系统贝叶斯网络,利用网络推理计算事件发生概率,对系统进行了可靠性分析。研究结果表明,该方法通过贝叶斯网络的正向推理、反向推理和双向推理,能够计算任意节点事件的发生概率,表征设备多态失效模式和获得更多评估信息,与传统的故障树方法相比,具有更强的分析能力和更接近实际,适用于核电厂安全系统的可靠性评价,且具有一定的优越性。     

一种语境化模糊本体的方法

本文主要研究如何将模糊本体进行语境化,即语境化模糊本体. 具体来说,提出了一种语境化模糊OWL（Web Ontology Language）本体的方法,讨论了如何扩展模糊OWL（F-OWL）本体的语法和语义来处理F-OWL本体无法处理的问题,并进一步提出了一种模糊语境OWL本体语言FC-OWL. 该本体语言FC-OWL是一种扩展的模糊语言,具有丰富的语义,并且允许对模糊本体进行语境化表示.     

贝叶斯网络对故障树方法的改进

通过建立映射，引入作为目前处理概率知识基础上不确定性问题的最有力的推断方法——贝叶斯网络(BN)，有效地解决可靠性分析中最常用的故障树分析(FTA)方法的局限性：各部件独立，状态为二值等。     

面向语义网的本体整合技术的研究

从领域本体的结构和元素等层次,研究多粒度本体整合方法,开发出面向同一领域的本体整合工具系统．以两个电子类领域本体作为整合案例,分析OWL文件结构特征,抽取本体的主要信息以树型结构进行表示,通过元素层次和结构层次相结合的映射方法,同时采用相似度计算模型并借助本体词典Wordnet和基于统计学的方法,对领域本体进行整合操作,结果不仅实现了基于元素级层次的处理,而且实现了其语义层次上的分析．     

基于多源融合式SLAM的机器人三维环境建模

为有效处理移动机器人三维环境地图创建过程的不确定误差,提高所建地图的准确性、完整性和一致性,本文提出了一种基于传感器信息融合和Rao-Blackwellised粒子滤波(RBPF)的移动机器人三维同时定位与地图创建 (SLAM)方法. 在建立传感器不确定性概率模型的基础上,通过贝叶斯滤波实现传感器数据的去噪,将激光与视觉传感器获取的环境信息在一定的规则下融合,在SLAM框架下实现具有纹理映射的三维环境地图创建. 实验结果表明所用方法的有效性. 多源融合式自主SLAM提供了更为丰富、完备、准确的环境模型.      

UML在本体开发中的应用

分析了将UML运用于本体开发的原因，介绍了一种将OWL本体通过UML类图向面向对象语言转换的方法，讨论了OMG与W3C标准转换存在的问题，提出了改进的方向。     

基于DCBM的马尔可夫谱聚类社区发现算法

谱聚类划分算法是经典社区发现算法之一,由于目前构造的相似图承载的社区结构信息较少,导致聚类效果与理想效果具有较大差距,因此,提出了基于DCBM的马尔可夫谱聚类社区发现算法MSCD.首先,基于DCBM模型提出了以节点间连接概率为元素的概率矩阵,并建立了概率矩阵与相似矩阵之间的映射关系;其次,利用马尔可夫链重构了谱聚类的相似图;最后,使用重构的相似图对网络进行社区划分.在人工合成网络和真实网络上与SC,MRW-KNN和FluidC三种典型算法进行了对比实验.实验结果表明,MSCD算法具有更加高效的聚类性能,能够揭示更加清晰的社区结构.     

IFS-BN结合的辐射源威胁评估方法

针对辐射源威胁评估实时性、复杂性和信息不确定性的问题,将直觉模糊集与贝叶斯网络相结合,提出一种基于IFS-BN的辐射源威胁评估方法。IFS-BN算法通过直觉模糊集刻画贝叶斯网络的节点信息,充分描述节点信息的确定性,不确定性以及犹豫度。同时,将直觉模糊集求得的各辐射源先验概率代入贝叶斯网络模型之中,得出后验概率进行威胁等级排序,并在此基础上建立了相应的评估指标体系。仿真分析表明,算法具有较好的可行性与有效性。与经典贝叶斯网络评估方法相比,IFS-BN算法的结果更加客观合理。     

在单一连接因果树上的确信更新与实现

主要讨论在贝叶斯网络中的确信更新算法。首先总结了贝叶斯网络的基础，然后详细地描述了数据结构和算法，最后介绍了利用这个确信更新算法所做的软件包。     

面向语义Web的直觉模糊粗描述逻辑

分析了面向语义Web的直觉模糊粗描述逻辑的研究现状和存在的问题,基于(I, T)-直觉模糊粗集理论将直觉模糊描述逻辑和粗描述逻辑进行了集成,即提出了一种新的直觉模糊粗描述逻辑．针对与本体语言OWL 2等价的描述逻辑SROIQ(D),对SROIQ(D)进行了扩充,具体提出了直觉模糊粗描述逻辑IFRSROIQ(D),给出了IFRSROIQ(D)的语法、语义和性质,证明了IFRSROIQ(D)的推理问题（包括知识库可满足性、概念可满足性、概念包含、逻辑推导、ABox一致性推理等）都可以归约到基于完备格的描述逻辑L*-SROIQ(D)上对应的推理．