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.     

基于农田墒情监测的轻量级语义传感网络

针对现有农田传感节点信息化查询和本体知识构建的问题，分析农田墒情监测系统，提出了轻量级语义传感网络本体.从农田信息数据中抽取关系，设计FSSN本体注释方法，使用Tf-Idf算法分析农田本体语义权重，提出FSSN-SDRM算法构建农田墒情轻量级本体模型，对农作物生长环境进行分析，设定适宜性推理规则，使用Jena API对注释本体模型推理.根据农田传感节点采集的墒情信息，在轻量级中间件NVIDIA TX2平台上进行实验，查询数据库中推理信息的正确性，比较设备的响应时间.实验结果表明，轻量级FSSN注释本体将平均响应时间压缩至81 ms，相较于未注释本体缩短了41.4%的响应时间，TX2中时间比主机端缩短了12.81%，能够迅速并准确地进行农作物生长环境的适宜性判断，为农业信息化采集提供新的思路.     

基于残差自然幂法的增量线性判别分析方法

提出了将增量线性判别分析问题(LDA)转化为两个增量主元分析(PCA)问题的算法框架.为加速算法的收敛速度,推导了增量LDA中训练样本的类内离散度矩阵和协方差矩阵的无损实时更新公式,并在此基础上提出了一种基于残差协方差矩阵的自然幂增量PCA算法.将该增量PCA方法与基于双PCA结构的增量LDA算法框架相结合,实现了数据...     

基于OEM的地形数据库增量信息数据建模

基于批量方式发布地形数据更新信息存在传输大量无效数据等缺点,影响了更新信息的传播。为了克服更新信息批量发布存在的问题,提出利用增量方式实现更新信息的分发。增量信息的建模和描述是实现增量发布的必要前提,以我国1：25万地形数据库的两个版本之间的增量信息为例研究了增量信息的数据建模问题。首先分析了地形数据库增量信息的类型和特点,发现增量信息具有半结构性。基于对象交换模型．提出了增量信息的数据建模框架。另外．说明了增量信息的OEM表达如何映射为XML编码,最后以1：25万数据库两个版本的居民地数据为例说明了此方法的可行性和有效性。     

基于动态字典的增量更新算法

为减少软件更新中增量包的大小,提出了基于动态字典的增量更新算法DICDIFF。该算法使用后缀排序方法预处理新老版本文件,将预处理的结果以后缀数组和名次数组的形式存储为字典目录,基于该字典目录能够快速查找字典数据集与待编码数据之间的相同数据段。随着编码进度的推进,动态扩展字典数据集能够使用更多已知数据段用于构造待编码数据。通过选取多款软件的新旧版本作为实验样本,DICDIFF在平均情况下能够节省68.9%的网络流量,高于现有其他增量更新算法。实验结果表明,该算法能够进一步减少增量更新过程中的网络流量。     

基于分布式数据库系统的一种查询优化算法

分布式数据库系统由于数据的物理分布和冗余使得分布式查询处理增加了难度和复杂度,使得分布式数据库系统的查询优化较集中式数据库系统更为重要.介绍分布式数据库系统的特点和分布式查询优化及一种新的查询算法:基于语义信息的分布查询处理.     

一种基于属性开销约束的矩阵约简算法

在数据挖掘和机器学习的过程中,分类器的主要任务是提高数据分类的精确度和降低数据分类的费用开销,本文针对传统分类器只考虑了如何提高数据分类的精确度而没有考虑到如何降低数据分类的开销缺陷,提出了一种基于属性开销约束的矩阵属性约简算法,定义了一种新的函数作为属性约简的启发信息,探讨了基于矩阵方法计算等价关系矩阵的增量更新机制.该算法缩短了粗糙集属性约简的计算时间,保证了属性约简的实时性,并通过实例进一步验证了所提出方法的有效性和正确性.     

融合异构信息的网络视频在线半监督分类方法

针对大规模网络视频数据的学习需要考虑无标签数据和异构信息的问题,提出了一种基于视觉和文本异构信息的网络视频在线半监督学习方法.该方法将文本和视觉看作2个视图,采用图作为基分类器对每个视图进行建模,并利用线性邻域的传播算法来预测样本类别.在不同视图之间采用多图上的协同训练,利用未标记样本增量地更新基分类器,并根据类别相关的融合方法确定最终结果,从而提高了分类准确率.实验结果表明,该方法的结果优于支持向量机方法约8.3％,在线增量更新后,学习器的性能提高了约3％,因此比较适合于大规模视频数据的在线半监督学习.     

基于本体知识库的服务决策机制的设计方法

提出一种基于家庭本体知识库的服务决策机制的设计方法.首先,围绕网络中存储的与家庭服务相关的半结构化文本信息初步构建训练数据集.其次,基于与家庭服务相关的本体知识库构建信息提取机制,针对初步数据集包含的物品信息提取知识库中对应的服务物品属性信息;基于长短时记忆网络(LSTM)设计一种学习模型并命名为服务决策机制,该机制利用知识库作为常识部分进行辅助推理,生成与服务请求对应的决策信息.最后,针对决策信息进行对比实验.实验结果表明:将本体知识库作为常识部分辅助推理,能够提高决策信息的准确性.     

基于数据库的模糊本体存储方法研究

为解决语义网中模糊信息的表示问题,提出了一种基于关系数据库的模糊本体存储方法,定义了推理机制,实现成员关系的推理和关系度的计算.实验采用PostgreSQL数据库存储本体及SPARQL语言进行检索,结果证明了该方法的可行性.     

空间数据库更新过程中增量信息产生原因分析

为了能够实现空间数据新旧版本之间由于时空变化产生的增量信息的快速提取和分发,作者以小比例尺地形数据库中居民地要素为例分析了增量信息产生的原因.提出了基于时空变化类型和数据差的增量信息概念,变化类型描述增量信息的语义,数据差表达增量信息的内容.在此概念的基础上详细地分析了居民地可能发生的各种变化类型及其产生的数据差表达方式.首先将变化分为主观变化和客观变化.主观变化又详细分为3类,客观变化详细分为12类,并且将各种客观变化类型的增量信息的描述形式化,便于计算机中编程实现增量信息的自动化提取.该方法已经成功的应用于中国1∶250 000地形数据库更新信息发布应用系统中.     

一种块增量偏最小二乘算法

增量学习模型是一种有效挖掘大规模数据的数据处理技术。增量式偏最小二乘(incremental partial least square, IPLS)模型是一种基于增量技术的偏最小二乘算法改进模型,具有不错的数据降维效果,但是,IPLS模型每新增1个样本都需要对模型进行增量更新,导致模型的训练时间较长。针对这一问题,基于数据分块更新的思想提出了一种块增量偏最小二乘算法(chunk incremental partial least square, CIPLS)。CIPLS算法将样本数据划分为数个的数据块(chunk),然后再以数据块为单位对模型进行增量更新,从而大幅减少了模型的更新频率,提高了模型的学习效率。在K8版本的p53蛋白数据集和路透文本分类语料库上的对比实验表明,CIPLS算法大幅度缩短了增量式偏最小二乘模型的训练时间。     

一种基于星型模型的增量更新算法

在进行数据仓库的OLAP联机分析处理时,通常采用预先聚集(Aggregate)操作生成概括数据的方法提高查询效率;但是,基于星型模型的数据仓库中的维表的纠错改变和自然改变将会引发概括数据的不正确问题.本文通过研究星型模型维表及其变化的特点,提出了一种增量更新算法,在几乎不增加空间的情况下,降低时间复杂度的增量更新;并通过性能验证,分析算法的可行性.     

无公害农产品认证资源共享中的用户建模研究

为实现无公害农产品认证资源共享的个性化和智能化,促进无公害农产品品牌化销售,提出了一种基于领域本体的用户建模方法.通过无公害农产品认证资源本体的构建实现以领域本体中的概念和实例表示的用户特征模型,增加用户模型语义信息,并提供了模型的更新算法.结果表明,该方法能够提高用户特征模型表达的准确度.     

一种基于语义的Web数据搜索引擎方法研究

Web网上大量的异构、非结构化的数据使人们难以有效地发现自己所需信息. 通过利用元数据和本体语义特点，借助Web服务技术，提出构建元数据登记库MDR和本体管理系统OMS，在分布式闭包生成基础上进行推理，实现基于本体表示语言RDF特性的Web数据搜索引擎SBWSE，达到分布异构环境下高效发现信息的目的，解决了基于关键词的搜索引擎所表现的查全率和查准率不佳问题.     

基于地名本体的加权语义相关度算法研究

针对现有地理数据空间检索方法以简单字面匹配为核心、缺乏推理能力等问题,根据地理信息科学中的空间拓扑理论,提出一种基于地名本体的加权相关度算法.该算法考虑到不同的空间拓扑关系在语义检索应用中的重要程度不同,从而赋予地理空间本体关系不同的权值,并体现了其与语义距离的反比关系.通过地名本体实例验证,表明经加权后的语义相关度算法在语义检索应用中可以达到更好的检索效果.     

用矩阵实现模糊本体映射

当前的本体映射技术主要是针对明确概念集合的本体,这些技术无法处理语义网上的不确定信息。文中提出了扩展现有本体映射方法来支持不确定信息的本体映射。这种扩展称为模糊本体映射(FOM),它主要是基于模糊理论和图理论。FOM主要是计算本体的概念之间的相似度所形成的矩阵,并定义了一系列算法来推理模糊本体概念之间的模糊关系。     

基于地理事件和更新操作的地理要素增量变化分类

为了解决以增量方式实现空间数据生产者和用户之间更新信息的传播需要解决地理空间要素增量变化的表达问题,将地理空间要素增量变化定义为影响要素变化的地理事件和实施数据库更新操作的因果关系体,提出了基于地理事件和更新操作的增量变化表达双层概念模型,建立了分裂、消失、合并等地理事件与删除、添加等更新操作以及数据差之间的固定映射关系,即建立了地理要素增量变化的分类模型,为增量信息的提取与分发提供了方法依据。     

时态拟序数据索引TQD-tree更新技术

介绍基于线序划分（LOP）的时态拟序索引技术TQD-tree，基于前期研究成果实现增量更新.能否实现增量更新是时态索引技术成败的关键.首先，讨论TQD-tree所需数据结构和LOP实现算法；其次，讨论实现增量更新算法；再次，讨论批量更新的可行性；最后，完成仿真评估以表明更新技术可行性和有效性.实现批量更新，减少扫描重构TQD-tree次数，能大大提高系统效率.研究时态数据索引更新技术能解决大数据管理框架中实时响应和频繁更新的基本需求.     

面向大规模数据的特征趋势推理算法

提出一种面向大规模数据的特征趋势推理算法. 首先, 采用Hash函数抽取大规模数据样本, 使用Pam聚类算法和并行K means聚类算法对大规模数据样本进行聚类, 获取最佳聚类结果后, 提取大规模数据聚类的动态特征； 其次, 采用基于特征趋势规则的推理算法, 构建大规模数据特征的趋势规则推理模型, 并通过累计趋势规则方法设计趋势规则算法, 推理大规模数据特征趋势, 解决了推理结果误差较大的问题. 实验结果表明, 该算法对大规模数据特征趋势推理的准确率均值为98.10%, 推理速度增长率为50%, 推理耗时最大均值仅为114.25 s, 能快速准确地完成数据特征趋势推理.