战场环境中基于对等计算的分布式时空索引技术

对时空信息进行合理组织可以高效完成时空查询,从而快速支持军事决策和行动的顺利完成。针对战场环境中时空数据的分布独立性,各节点的自治性、动态性及协作性,提出了分布式基于对等计算的时空索引(pear to pear spatio temporal indexing, P2PSTI)结构,该索引基于分布式哈希表(distributed Hash table, DHT)技术组织节点的拓扑结构,采用Hilbert曲线将时空对象映射到一维空间,并利用该曲线的局部保持特性设计了高效的查询算法,大大降低了路由消息数量,提高了时空查询性能。实验结果表明,P2PSTI查询性能好,索引维护代价低,负载均衡策略效果明显。     

面向物联网的语义空间资源索引构建及其查询优化算法

面对物联网中的海量空间资源,在空间资源索引的构建中引入语义分类的方法,使得传统的IR树具备语义特征,支持用户对资源的语义查询,并提出一种top-k语义查询优化算法,通过对实际数据的使用和实验分析,得出索引结构的有效性和查询结果的正确性,从索引构建时间、查询时间和查询准确率3个指标来评估算法的性能,实验结果表明,算法支持语义空间资源索引构建,并且查询性能好,准确率高。     

基于时间序列的Global Skyline并行算法

Global Skyline 查询是Skyline查询的一种变种,它和动态Skyline查询、反Skyline查询关系密切,已被广泛应用于多目标决策、网络监控、数据挖掘等方面。随着数据的积累,传统集中式的Skyline查询已经不能满足大数据的处理要求。为了高效解决大规模的基于时间序列的数据处理难题,提出了基于MapReduce框架并行的Global Skyline Cell查询算法。首先,通过对实际应用需求进行分析,本文提出了基于时间序列数据Skyline查询的时间倒排索引模型;并提出了Global Skyline格概念,利用格间的支配关系进行粗粒度高效剪枝,避免了大部分的无效运算;其次查询点将数据空间分割成不同象限,基于各象限进行轮询,实现了Global Skyline 格的查询,在此候选结果中得到Global Skyline点,为下一步实现动态Skyline和反Skyline查询奠定基础。最后,我们在Hadoop集群环境中实现了该算法。实验结果表明,该算法能有效解决基于时间序列的大规模数据Skyline查询的时间和空间矛盾,能够满足实际应用需求。     

一个具有2D不变性的目标搜索方法

提出了一个具有 2D不变性的目标搜索方法。通过采用对数极坐标映射 ,可将空间均匀取样得到的图像变换成非均匀取样的图像 ,从而减小冗余像素 ,压缩了搜索空间。在已知目标模板的情况下 ,利用目标的几何信息和对数极坐标映射 ,即可搜索和识别产生比例、旋转和平移变化的目标。     

基于支持向量机和子空间划分的波段选择方法

高光谱图像具有较高的谱分辨力,从而能够更精确地描述地物目标特性。然而,其较大的数据量和较高的数据维给分析和处理带来很大的困难。高光谱图像间存在着大量的冗余信息,波段选择能够有效地去除冗余信息从而减少计算量。针对一类波段选择方法所选取的波段易于集中而造成信息冗余和信息损失的缺陷,提出一种基于支持向量机和子空间划分的波段选择方法。首先对支持向量机判决函数进行敏感度分析和对数据源进行子空间划分,然后结合敏感度分析结果和子空间划分结果来实现有效的波段选择。实验证明了这种方法的有效性。     

基于树结构RDF闭包生成算法研究

RDF闭包是提高RDF数据查询效率的一种有效途经,目前大部分闭包生成算法依据推理规则间的触发实现推理,推理规则多次重复使用,闭包生成效率比较低。利用树的层次结构思想,根据RDF(S)语义推理规则的特点,提出基于树的闭包生成算法,将RDF(S)推理规则数据结构化,构造两棵分别对应RDF属性和概念的属性树和概念树,树的节点存储RDF三元组。然后根据映射机制将存储在树节点中的三元组映射为RDF闭包。仿真显示此方法有效地提高了闭包生成效率。     

基于最小二乘支持向量机的非线性系统建模

探讨了利用支持向量机进行非线性系统建模的方法。首先,利用相空间重构,将非线性时间数据序列映射到高维空间,以便把时间序列中蕴藏的信息充分显露出来。其次,基于最小二乘支持向量机(RLS-SVM)对系统进行建模,仿真结果表明,支持向量机具有良好的非线性建模能力和泛化能力,原始时间数据序列和重建时间数据序列相似,说明提出的算法能够有效的对非线性动态系统的时间序列进行建模。     

军事分析仿真语义互操作研究

军事分析仿真评估系统语义互操作是系统建设的迫切需要,实现语义互操作要求其信息交换的内容被无歧义地定义,数据的语境被共享。分析可用于系统建模仿真的技术体系,OWL语言描述的严格形式化本体是实现语义互操作的最佳选择。根据本体实现语义互操作的两种应用条件,分析研究了本体实现系统语义互操作性的两种方式:语义映射方式和基于本体开发模型或系统的方式,其中后者是较理想的实现方式。     

指挥艺术和非结构化信息支持

本文首先概括出了“专家型”和“助手型”两种不同的决策思路；继之围绕以有利于发挥指挥艺术的方式进行决策支持这个核心问题，对指挥决策中信息获取和处理方式进行了探讨，并建立了非结构化信息支持的概念；最后提出了基于非结构化数据的智能决策支持系统的设想，并讨论了系统实现的有关技术。     

基于语义X列表的互动创新体系构建

针对复杂社交网络下海量、动态、非结构化、无序的互动创新知识,为实现企业产品/服务体系中创新任务的智能化配置和敏捷高效的按需服务,获得产品创新持续竞争优势,构建以"知识本体-创新过程-创新方案"为主线的互动创新体系按需创新机制;运用S-BOX模型,基于本体和语义技术,提出面向互动创新的语义X列表体系结构模型,建立列表要素间的语义描述框架和关联关系;设计了基于语义X列表的互动创新平台体系,以期为企业进行产品互动创新提供系统架构。     

基于元数据与领域概念树的文本相似度计算

随着网络与信息技术的快速发展,导致网络上产生了大量的电子文本,而文本间的相似度计算是文本处理的一种重要手段。对于大规模的文本集,通常采用向量空间模型（vector space model, VSM）进行文本表示,但是该方法面临着文本向量维度较高及文本语义相似度难以度量的问题。提出一种改进的文本相似度计算方法,从大量的特征空间中选择出具有代表性的元数据特征向量元素,以降低向量空间的维度;构建领域概念树并设计基于领域概念树的文本相似度算法,对领域概念中广泛存在的同义词进行处理,以提高文本之间语义相似度度量的性能。实验结果表明：通过降维和概念相似度计算可提高文本相似度计算的性能。     

基于本体的分布式查询分解算法研究

针对相关领域数据分布在不同站点,数据源的准确定位是分布式语义查询系统的关键,提出子本体交叉递归推理方法,该方法利用子本体间相互交叉的特点,从增强子本体中获取隐含的查询结果,从而保证分布式查询的语义完整性,提高了查全率。在此基础上,将分布式RDF查询分解为多个查询片段的分解策略保证分布式语义查询模式的分布透明性。最后描述算法的详细设计过程,并分析时空复杂度,其结果分析表明算法具有较好的计算性能。     

跨媒体搜索引擎TCSE的研究与实现

提出了跨媒体搜索引擎TCSE,利用标注文档进行文本、图片、音频和视频资源的统一表示,并采用创新的主题感知查询扩展算法,得到用户的隐含查询意图。实验结果表明,利用TCSE进行查询,可以实现多种类型媒体资源同时检索,有效地提高了信息检索准确度。     

实时记盘：方法、实现及在仿真中的应用

本文以一个大型实时仿真系统为背景，介绍了在ＡＣＰ－ＱＩＯ这一Ｉ／Ｏ层次减少磁盘Ｉ／Ｏ操作时间的诸多方法，以及在多进程环境下提高进程实时的一些措施。与在文件系统层进行数据记盘相比较，采取这些手段后不仅显著地减少了数据记盘的时间，而且也大大降低了数据文件所占的磁盘空间     

P2P文件共享防污染系统设计与仿真

文件污染是当前P2P文件共享系统普遍存在的问题,极大的降低了系统的可用性。提出基于文件对象的污染传播模型,利用向量空间相似度赋予投票权重,使用horting图方法解决数据稀疏性问题,采用自适应的信誉阈值判断文件可信性,建立了基于对象信誉的P2P文件共享防污染系统。仿真实验表明,系统具有很高的识别精确度,能够很好的抑制污染文件在网络中的传播。     

供应链中基于语义网技术的知识共享整合系统

把语义网技术引入协同供应链中的知识共享,提出了一种在语法和语义两个层面解决供应链中跨组织知识共享障碍的方案,并对其中的关键技术,包括统一的知识表示形式、分散知识查询整合技术以及基于本体的知识语义整合作了研究.最后通过试验说明了供应链环境下知识共享整合的过程及其有效性.     

基于启发式策略的海量语义数据流划分算法研究

海量语义数据的剧烈增长对大数据分布式存储带来了巨大的挑战. 分布式存储的核心技术是图划分，论文介绍了基于图数据流划分的模型和分区启发函数策略，给出了针对RDF文件的图数据流划分算法和实现过程. 实验对几个真实RDF数据集进行划分，并与METIS （一种多层次的图划分算法）方法和哈希分区方法做了实验数据对比，验证了图数据流划分算法的有效性.     

堆区混贝的堆场场吊调度模型与算法

为提高集装箱码头堆场场吊作业效率,研究了堆场单堆区混贝条件下的场吊调度问题.在单堆区内集装箱混贝堆放的前提下,提出了堆场场吊装卸作业时间窗约束、作业次序依赖的设备调整时间及堆场空间约束等,并在此基础上建立了整数规划模型.针对这一模型设计了改进禁忌搜索算法对问题进行求解.最后通过数值实验表明改进后的算法在对大规模问题求解时具有良好的效果,且算法效率较高.     

Network-Based Analysis for Discovering Semantic Redundancy北大核心CSCD

The efficiency of semantic reasoning can be improved through constructing the semantic ontology reasonably and reducing the redundant information in the process of reasoning. It is a feasible method to reveal the reason of the redundant information in the process of reasoning through analyzing the dynamic changes of an ontology structure and the important role of nodes in an ontology. Taking AGROVOC ontology network as an example, this paper provides qualitative analyses based on the reasoning mechanism of semantic web for understanding the redundant information. Meanwhile, some quantitative measurements from the perspective of complex network are provided in order to identify the core concepts in a semantic web, and further to solve the problem of redundant information. Experimental results show that the reasoning of semantic web and the rationality of ontology construction can be quantitatively analyzed from the perspective of complex network, which provides a new measurement to optimize the design of ontology and improve the efficiency of reasoning in the semantic web. © 2017, The Journal of Agency of Complex Systems and Complexity Science. All right reserved.