基于支持向量机的小波域图像水印算法

提出了一种新的基于支持向量机(support vector machine,SVM)的小波域图像水印算法。其主要思想是先对图像进行小波分解,然后利用图像小波分解后的子图系数之间的关系训练SVM,并利用训练好的SVM在小波域嵌入水印和提取水印。实验结果表明,提出的方法对于一般的图像处理和JPEG压缩都具有很强的鲁棒性,与基于SVM的空间域上的算法相比性能更加优越。     

一种基于语义本体的Web服务自动组合算法

服务组合是Web服务应用的一个重要研究方向。提出了一种基于语义本体的Web服务自动组合算法,该算法用Web服务本体OWL-S和领域本体描述Web服务,将两个服务之间关联度的计算转化为加权二部图的最优匹配问题,然后利用改进的Kuhn-Munkres算法计算服务关联度;最后,在此关联度的基础上提出一种服务自动组合算法。实验结果表明,论文提出的服务组合算法可以根据用户请求动态的生成服务组合,并通过域值控制保证了服务组合的质量和效率。     

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。     

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。