一、基于移动Agent及RDF的网络数据挖掘系统体系结构(论文文献综述)
尹博星[1](2019)在《面向个性化定制的智能糖果包装数据分析系统设计与实现》文中研究指明“工业4.0”和“中国制造2025”等面向智能制造的战略目标相继提出,为制造业注入了新的生命力。传统制造业规模大、生产方式单一的特点,难以满足当前用户日益增长的个性化需求,随着移动互联网技术的普及,越来越多的用户利用互联网产品来实现自己的个性化定制服务。在此背景下,构建面向个性化定制的智能糖果包装数据分析系统,有助于加快智能制造场景下的个性化定制服务适应多品种、大规模的生产需求,对于推动智能制造的个性化定制服务具有重要的理论意义和实际工程应用价值。本文以面向个性化定制的智能糖果包装数据分析系统为研究目标,设计与实现了供用户下订单的个性化定制Web服务交互系统。以下是本文完成的主要工作:首先,阐述了智能制造与个性化定制、Web数据分析和Web语义本体知识表达的研究现状;再运用互联网技术,设计个性化定制的智能糖果包装系统Web应用;同时,利用大数据技术Hive和Zeppelin分析个性化定制的智能糖果包装系统Web日志数据的指标特征。根据个性化定制的智能糖果包装数据分析系统特点,将系统划分成不同功能模块,并阐述每个功能模块的开发平台和关键技术。其次,根据个性化定制的特点,设计了个性化定制的Web应用界面和用户进行交互。与此同时,设计并实现了个性化定制的Web离线数据分析系统,主要包括Web数据来源、数据采集、数据存储的过程。在基于大数据处理技术Hive和Hadoop条件下,实现Web应用的页面相关指标的计算分析。另外,通过词频-逆文本频率算法来对用户个性化创意的网络文本做关键词抽取分析,并构建知识图谱来挖掘用户个性化需求的特点。然后,利用Web语义本体来构建个性化定制的制造资源本体模型,通过RFID感知技术实现本体表达的知识信息在制造执行机构间的信息交互,基于以上步骤,从而实现Web语义本体的推理机制。最后,本文搭建了面向个性化定制的智能糖果包装数据分析系统的应用环境,部署Web数据分析服务,通过用户注册登录、发起订单、构建个性化创意数据的知识图谱、Web离线数据分析等模块的实现,从而验证了面向个性化定制的智能糖果包装数据分析系统的应用在智能糖果包装原型平台上实施的可行性。
刘为[2](2018)在《基于语义网的傣族历史档案信息资源开发研究》文中认为随着人类认知世界和改造世界的能力不断增强,计算机技术与网络技术也飞速发展。万维网(World Wide Web)作为互联网(Internet)的一种应用成为了人们在网络环境中最常用的平台与工具。在Web1.0环境中,人们只能单向被动地阅读和获取信息;在Web2.0环境中,所有人既可以作为信息的接收者也可以作为信息的创造者和提供者在这一全球化信息空间中进行信息交流。为适应人们不断升级的信息需求,语义网(Semantic Web)作为Web3.0的主要组成部分被提出。信息资源在语义网中被层层递进相互继承的置标语言在不同粒度、维度、层次上进行描述与揭示,从而使得这些信息资源能够被机器处理和理解。语义网打破了机器与机器之间、人类与机器之间的壁垒,使得人类获取信息和知识的方式内容以及人类社会的运作模式呈现出全方位的关联性与智能化。在语义网环境下,利用相关语义方法与技术对信息资源进行开发和管理,能充分挖掘信息资源的价值并在最大程度和范围内发挥其作用。傣族历史档案信息资源作为我国档案信息资源体系中的重要组成部分和人类知识资源中不可替代的部分,也应顺应这一趋势被开发管理。本文首先结合现有研究基础和傣族历史档案实际管理工作情况,对傣族历史档案信息资源进行了重新界定,并结合语义网的特性为档案信息资源开发赋予了新的内涵。接着,本文针对基于语义网的傣族历史档案信息资源开发工作在微观、中观、宏观三个层面上的实施进行了论述。微观层面,本文根据傣族历史档案信息资源的特性对其进行了科学分类,设计了傣族历史档案信息资源元数据方案以期能够充分揭示其各方面的特征,在此基础上提出构建傣族历史档案信息资源本体,并以傣族医药知识领域本体构建为例说明了该工作实施的方法和优越性,实现了傣族历史档案信息资源的语义组织。中观层面,本文提出基于关联数据技术将傣族历史档案信息资源创建为关联数据集,并构建了基于关联数据的傣族历史档案信息资源整合模型,实现了傣族历史档案信息资源在档案馆之间、与其他信息机构之间、以及语义网信息空间中其他信息源之间的资源整合与知识融合。宏观层面,为实现和保障前两个层面的工作,本文提出在语义网环境下传统档案信息资源开发工作模式应实现转型,并融合政策法规、标准规范、合作交流、人才培养等方面构建了相关保障机制,从现实层面提供了基于语义网的傣族历史档案信息资源开发实施策略。
朱惠[3](2015)在《中文学科术语本体学习方法研究 ——以数字图书馆领域为例》文中研究说明相较于万维网(World Wide Web,WWW),语义网(Semantic Web,SWeb)是一种智能网络,它能对其中的信息资源进行语义描述,不仅能理解词汇和概念,还能理解它们之间的逻辑关系。语义网使得计算机能更好地理解信息资源的含义,也使得人与计算机之间的交流更有效率和价值。而本体机制则是实现语义网的核心技术,作为一种知识描述和组织方式,它具有概念化、形式化、明确性和共享性四大特征。本体层是语义网7层体系结构中的第4层,它将信息资源按照语义方式描述和组织,是进行信息资源交换与共享的基础。对信息资源进行语义描述和组织依赖于相应领域本体的构建。早期的领域本体构建是依靠本体工程师和领域专家手工完成的,但这样的构建方式存在以下缺点:(1)耗费大量的时间和人力;(2)受领域专家主观因素的影响。针对这些问题,学术界提出了本体学习(Ontology Learning),即利用数据挖掘、机器学习、数学统计等方法和技术,通过计算机自动或半自动地从已有数据资源中发现本体元素,包括概念、实例、分类关系、非分类关系和公理。基于非结构化文本进行领域本体学习是当前计算机科学和信息科学领域的研究热点和前沿,而中文非结构化文本由于其自身的特点对本体学习方法和技术又有着不同的要求。通过文献调研发现目前基于中文文本进行本体学习的研究状况是:(1)聚焦在理论设想和方法论证上;(2)对本体学习框架和流程的讨论较多,但目前还没有一个具体的可应用的本体学习系统;(3)中文自然语言处理技术的不成熟对本体学习也有着较大的影响;(4)对本体概念非分类关系获取的研究较少。在上述情况下,本论文基于数字图书馆学科领域的中文非结构化文本,探讨本体学习的方法和技术。首先对本体基本概念和理论进行了阐述;然后构建了领域本体学习系统模型,并利用数据挖掘和数学统计等方法和技术构建了领域本体,该本体包含的元素包括:领域概念、概念的分类关系和非分类关系,最后对构建的领域本体进行描述、存储和可视化展示。本论文的主要工作包括:(1)构建了面向中文文本的基于技术集成的领域本体学习系统模型。在文献调研、系统剖析、应用借鉴的基础上,深入探讨本体学习的功能组成和学习流程。以提供知识服务为总体目标,集成多种数据挖掘技术和数学统计方法,构建了一个面向知识服务的领域本体学习系统模型,提出并论证了模型中关键组件的具体实现方案。(2)实现了基于中文文本的领域术语以及作为术语非分类关系标签的谓语动词的自动识别。具体实现过程中,采用了中文分词、数学统计、权重计算等方法对非结构化领域文献中包含的领域术语以及谓语动词进行抽取。(3)建立了具有实用价值的面向“数字图书馆”领域的术语分类关系的自动抽取模型,实现了领域本体中术语分类关系(层次关系)的抽取。首先基于非结构化领域文档构建术语的向量空间模型,在此基础上,利用BIRCH预聚类和层次聚类挖掘领域术语间的分类层次关系,并利用术语综合相似度指标确定类标签。(4)建立了具有实用价值的面向“数字图书馆”领域的术语非分类关系的自动抽取模型,实现了领域本体术语非分类关系的抽取。首先基于非结构化领域文档构建句子-术语向量空间模型,运用关联规则挖掘方法获取具有非分类关系的术语对,然后基于句子-<术语,动词>向量空间模型再次利用关联规则挖掘术语的非分类关系,并为非分类关系分配了标签。(5)运用网络本体描述语言OWL对构建的“数字图书馆”领域本体进行了描述和存储。OWL把本体中的概念(术语)描述为类(Class),本体中概念(术语)间的关系将通过OWL中的属性进行描述。基于关系数据库对学科领域本体进行存储,关系数据库适用于大型本体数据的存储。(6)运用本体编辑工具Protege5.0beta中的可视化组件OntoGraf对本体进行可视化展示。可视化展示领域本体能使得用户对本体中的概念(术语)和概念(术语)间的关系有更直观形象的了解,并且可以从中发现新的领域知识。本论文的研究意义在于提供了如何从中文非结构化文本中获取领域本体元素的方法和技术,以及如何对领域本体进行描述、存储和可视化的方法和技术。
郝世博[4](2015)在《数字资源互操作及服务融合中的信任管理机制研究》文中研究表明现代信息技术的飞速发展对世界各国政治、经济、社会等领域产生了全面而深刻的影响。当前时期,全面推进我国信息化和数字信息资源建设已经成为我国经济社会发展新阶段重要而紧迫的战略任务。图书馆、博物馆、档案馆等机构作为当今社会重要的公共文化服务基础设施有力推动了数字信息资源的建设与共享。众多学者开始在以图博档为代表的公共文化服务机构中探索数字资源整合及服务融合等方面的研究,并取得了阶段性成果。伴随互联网环境的形成与数字信息技术的发展普及,大量馆藏资源通过网络为用户提供超越时空的服务。如何为用户提供深层次、一体化的信息资源服务,形成知识资源的无缝集成与协同共享环境,成为近年来国内外图情领域十分关注的研究课题。当前基于开放网络的新兴分布式计算模式越来越多地出现在人们日常生活中,并开始应用于图博档等公共文化服务机构。高度自治的参与主体、复杂灵活的交互协作和多变异构的网络环境已经成为当前数字信息资源共享与服务融合过程中呈现出的典型特征。基于上述网络环境,实现充分的数字信息资源共享和安全的交互协作面临若干新的问题。信任管理机制作为当前能够有效解决分布式、开放网络环境中安全问题的核心支撑技术之一,有助于在没有足够先验知识的参与实体之间进行有效、健康协作关系的构建与维护。针对信任管理领域的相关问题,国内与国外研究人员都进行了较为广泛的研究工作,多种专用或通用信任管理模型被先后提出。然而,当前已经存在的信任管理机制或模型在应对不断涌现的新需求、新环境和新应用时,还是在信任表征、信任获取、反馈信任聚合以及信任度评估等方面表现出种种不足。本文拟从数字资源互操作和数字化服务融合用户交互的双重视角出发,为满足分布式开放环境中数字资源互操作和服务融合的安全及信任需要,在深入分析国内外现有研究成果的基础上,进行数字资源互操作信任管理机制、数字化服务融合信任协商机制等相关研究,为图博档数字资源互操作与服务融合提供安全可靠、方便快捷的网络环境。本文首先对选题意义及研究背景进行简要介绍,探析国内外相关领域的研究进展,详细阐述本研究工作中涉及的相关核心概念和基础理论,为本研究的顺利进行寻找理论依据。然后对当前信任管理和自动信任协商存在的系统架构与典型模型进行论述,深入分析现阶段信任管理机制存在的多种应用模式;针对数字资源互操作及服务融合这一研究主题,分析国内外典型的应用实践,论述数字资源互操作存在的典型应用系统,从可行性、广度和深度等方面探析数字化服务融合模式;针对当前开放、动态网络环境下数字资源互操作、数字化服务融合用户交互过程中存在的信任问题和安全需求,分别构建数字资源互操作的信任管理模型和数字化服务融合的自动信任协商模型;在数字资源互操作信任管理模型的研究中详细设计各个功能模块,并给出其中动态信任评估模型的设计原则,针对反馈信任聚合机制存在的问题进行新型反馈信任聚合机制的研究,通过仿真实验验证该机制的有效性;在数字化服务融合自动信任协商模型的研究中详细设计各个功能模块,具体论述自适应自动信任协商流程及其实例、访问控制策略描述方式、一致性校验算法、改进的策略语言逻辑结构等。最后系统归纳本文相关的研究工作,总结研究结论和研究贡献,指出本文研究工作的局限并探讨后续还需努力的研究方向。
巫建伟[5](2014)在《空间数据挖掘问题的语义解析与智能化求解方法研究》文中研究指明人类正快速迈进“大数据”时代,随着遥感传感器、位置服务终端的日益普及,空间数据资源呈急剧增长态势,面向服务的空间数据挖掘已成为地学领域数据增值与知识发现、解决大数据科学问题的重要手段。如何合理地运用自然语言实现人-机间的信息交互,为挖掘服务用户屏蔽高深的专业知识、简化复杂的服务流程建模工作,实现复杂、众多的空间数据挖掘服务的遴选与服务流程组合的自动化、智能化,是当前云服务环境下空间数据挖掘与知识发现领域的重要研究内容。本文开展自然语言描述的空间数据挖掘问题的语义解析与智能化求解方法研究,集成空间数据挖掘本体构建、空间数据挖掘问题的语义解析、基于智能规划的空间数据挖掘服务自动组合等技术,致力于形成一套从自然语言描述的空间数据挖掘任务向可执行的挖掘服务流程转化的问题智能求解解决方案与软件原型。主要研究工作和成果总结如下(1)提出了结合核心本体构建与中文概念术语扩展的空间数据挖掘本体构建方法。在提取领域相关概念术语的基础上,着重探索了空间数据描述涉及的空间数据类型、空间数据服务、数据属性特征以及数据集空间关系的组织方法,并提出了以行政区划作为中介的数据集空间关系确定方式。依据本体概念、属性关系进行本体形式化描述工作,形成空间数据挖掘的样例本体;基于ICTCLAS扩展了面向空间离群的本体中文概念术语。实现了空间数据挖掘算法服务、空间数据服务的语义注册,并结合Jena提供的本体操作接口、SPARQL查询语言、以及Jena规则推理引擎,实现了算法服务与空间数据服务的语义推理查询。(2)创新性提出了面向空间数据挖掘问题的语义解析方法。在分析本体在语义解析过程中所起作用的基础上,概括了以挖掘任务与对象数据作为主概念、从属概念与关联关系为扩展概念的问题语义要素,进而提出了能够有效体现要素间语义关系的三元组语义关系识别方法,并实现了由关键概念提取、语义模式判断、问题形式化等三个阶段构成的问题语义解析方法。该方法以邻近断句的特征向量逐次向外扩展的方式进行空间数据挖掘问题的语义要素三元组填充,能够充分考虑断句间的语义相关性,准确地把握挖掘问题的语义内涵。(3)针对空间数据挖掘流程的复杂多阶段特征,提出了面向空间数据挖掘的多阶段智能规划求解方法。从领域模型与问题模型两个方面,对多阶段PDDL规划建模方法进行详细阐述。针对领域模型生成,重点探索了在从本体类&属性向PDDL原语的类型&谓词的转化,提出了算法服务的语义信息向PDDL领域模型原子动作的转化方法;针对问题模型生成,采用数据服务语义信息向PDDL司题模型的转化方式,实现了面向不同任务、不同智能规划求解空间的多阶段PDDL规划建模,并结合FF规划方法,详细描述了多阶段服务自动组合的实现流程。该方法能依据阶段划分有效地限定规划搜索空间,实现挖掘服务流程的自动组合,显着提高了智能规划时间效率。(4)依托地理知识云服务平台GeoKSCloud,开展空间数据挖掘问题智能求解功能模块设计,实现了云服务语义注册与查询、问题语义解析、服务组合智能规划等功能,并以土壤数据异常分析为例开展了示范应用研究。实际应用结果验证了课题提出的问题语义解析与智能化求解方法的可行性与有效性。首先,能够为用户屏蔽所需的大量专业知识,大大降低服务功能的使用门槛。其次,基于语义的服务查询能够更好地满足用户需求,返回更准确、更全面的查询结果;再者,多阶段智能规划方法能有效地提高智能规划的效率,大致能够缩短10-40%不等的规划时间。
李楠[6](2012)在《基于关联数据的知识发现研究》文中认为网络资源环境面向结构化、语义化和智能化的方向不断地发展,最终目标是实现语义网。近年来,关联数据已经被W3C推荐为语义网的最佳实践,它实质性地促进了面向语义网的网络变革。关联数据的发展和广泛应用使得“数据网络(关联数据网络)”资源环境呈现在我们面前。这一网络资源环境具有明显地特点和优势,并且为人工智能、知识发现等领域的应用提供了巨大地潜力。但如何发挥这些潜力和优势实现知识发现的应用,是当前研究需要解决的问题。本研究按照文献调研、分析思考、理论研究、应用研究和实践验证的思路,首先识别了基于关联数据的知识发现问题,继而采用综合分析的方法,通过相关基础理论的分析与讨论,解析了基于关联数据的知识发现过程,建立了基于关联数据的知识发现的模型;然后,面向知识发现的应用,分析了基于关联数据的知识发现应用中的主要功能和它们之间的关系,构建了基于关联数据的知识发现应用体系;最后,根据综合分析和应用体系的研究成果,设计了基于关联数据的应用系统模型,并且针对基于关联数据的知识发现应用进行了实验与验证。基于关联数据的知识发现问题源于充分利用关联数据资源和实现知识发现,以及通过知识发现促进网络发展的双重需求。知识发现活动和关联数据网络的发展需要两个领域的理论和应用体系的融合和扩展。在基于关联数据的知识发现综合体系中,关联数据是数据、是网络资源环境、是数据发现工具,为知识发现注入新的活力;知识发现是一般规律、是解决问题的支点和方法、是关联数据网络资源环境上知识活动的目标,帮助实现关联数据的最佳潜力。基于关联数据的知识发现问题研究从知识发现理论研究和关联数据应用研究两个方面入手,结合对科学研究的一般规律和应用发展的特殊需求的分析展开。本研究通过对关联数据基本特征和应用特征的分析,识别了关联数据对知识发现的影响和为知识发现提供的潜力,推知了基于关联数据的知识发现的基本特征和潜力;根据特征的分析,结合知识发现的一般规律,分析了基于关联数据的知识发现过程,并且在此基础上,进一步分析和构建了基于关联数据的知识发现模型。知识发现与关联数据都是重要的实践方法,二者结合的目标也在于指导新的网络环境下的知识发现活动,因此相关应用体系的研究具有重要的实践意义。本研究分析了基于关联数据的知识发现的主要任务,从而构建了综合应用体系模型。通过应用体系,明确了基于关联数据的知识发现应用的层次、结构、目标、主要功能以及各要素之间的关系。在基本规律分析和应用体系研究基础上,本研究进行了基于关联数据的知识发现应用系统原型的设计,并且根据原型进行了系统实现与验证。应用系统原型设计充分利用了理论分析和应用体系研究的成果,提出了一个以模式整合为核心的应用系统模型,能够更好地支持基于关联数据的知识发现活动。本研究构建了以关联数据为底层支撑和逻辑控制,以知识发现作为流程和结构的控制,以关联数据的应用功能为关键操作控制的基于关联数据的知识发现模型。该模型抽象了基于关联数据的知识发现活动的新规律。本研究也面向知识发现的应用和实现,分析和构建了基于关联数据的知识发现应用体系,这一体系可以作为整合已有研究和应用成果和未来相关工作的框架。在基本规律分析和应用体系研究的基础上,本研究设计了基于关联数据的知识发现应用系统的原型。原型设计可以作为知识发现系统开发的框架,并且为相关研究工作提供借鉴。根据研究的结果,本研究组织了实验环境并且实现了基于关联数据的知识发现实验系统,并且使用系统实现了关联数据挖掘和关联规则的发现,验证了本研究的理论和系统设计框架及部分功能。基于关联数据的知识发现研究延伸了知识发现研究的理论体系,同时也加强了关联数据的应用研究。通过综合分析和研究揭示了基于关联数据的知识发现的新规律,为未来的应用开发和实践提供了基础和借鉴。本研究的目标是解析关联数据对于知识发现效率和能力的影响,实现关联数据背景下的知识发现。同时促进二者之间的相辅相成和不断优化,实现对关联数据发展乃至语义网发展的促进。
王少华[7](2010)在《基于语义与多Agent的分布式空间知识管理》文中指出随着信息化和经济全球化的快速推进,以现代科技为核心的生产力系统日益成为世界经济增长的巨大推动力,知识经济作为一种全新经济模式已经登上人类社会发展的历史舞台。知识经济时代的社会组织不再仅仅以单纯的金融资本或自然资源作为其战略资源,知识作为一种新的资源正逐渐成为主要竞争手段。这使得企业或政府必须开展有效的知识资源的生产、管理与应用以求在激烈的知识经济环境中获取优势。从数据到信息再到知识,在一定程度上解决了信息时代数据爆炸但知识贫乏的问题。但是知识作为一种特殊的数据存在,要求对知识管理提出了更高的要求,如何控制知识生产、存储、应用、更新等各个环节,是基于知识的系统应用的关键所在。空间数据是人们藉以认识自然和改造自然的重要数据,据统计,人类85%的决策与空间位置有关。迄今,人类所采集的海量空间数据中有着比一般关系数据库和事务数据库更加丰富和复杂的语义信息,隐藏着丰富的知识。如空间分布规律,空间关联规则,空间聚类规则,空间演变规则等。随着空间决策支持系统在信息系统建设中地位的不断加强,围绕着空间知识的生产、存储、应用、更新等知识管理相关内容的研究已经得到广泛重视。而随着互联网的发展,对空间知识管理中相关问题的研究也在发生着变化。知识经济的发展,要求多源采集和建设所形成异构数据库和GIS系统实现互联互通,能够将各自空间数据库中所蕴含的空间知识进行智能化集成和共享,为协同决策支持提供支撑。然而,空间知识管理因其中知识所蕴含的分布性、空间特性、非结构性等使得无缝智能化空间知识集成与共享一直得不到良好解决。本文在深入研究语义技术和人工智能相关技术的基础上,提出了基于语义与多Agent的分布式空间知识管理课题并进行了研究,将本体论语义技术与多Agent技术引入空间知识管理,分别解决分布式空间知识管理中存在的知识共享中数据语义一致性问题和应用集成中智能化协同问题。文章首先分析了知识管理与空间知识管理发展动态和存在的问题,针对所存在的问题,深入讨论了拟用于解决这些问题的两大关键技术及其在空间知识管理中的应用角度。接着展开了分布式空间知识管理的几个关键问题研究,利用地理本体论完善了基于语义的空间知识表达、建库以及异构本体的集成策略,着重研究了多Agent间集成及多Agent与WebService间的集成问题,提出了多Agent分级注册策略、多Agent间的语义级集成模型和其与WebService间的语义级集成模型,并基于此提出了一个基于语义的多Agent分布式空间知识管理框架。在这些研究基础上,作者又以知识管理的重要环节“智能协作空间知识检索”为对象进行了深入研究,提出了基于语义的多Agent智能协作空间知识检索模型,研究了空间知识检索语义匹配、空间匹配机制。文章的最后,在一个实际项目课题的支撑下,通过一个模拟实验对研究成果进行了验证。这一课题的研究,实现了语义级的分布式空间知识智能化集成与共享,具有良好的松耦合性和智能性,更好的解决了语义异构、计算模式异构、网络异构的问题,这一特点非常适合解决当前参差不齐、大小不一的“信息孤岛”的资源整合与共享问题,为解决当前存在的“信息孤岛”和“协同决策”问题带来新的解决方案。也因此,它可以用作开展各项空间知识管理活动、构造各类空间知识管理应用(如“一站式空间知识服务”、“个性化空间知识检索”等)的重要参考。
郭军军[8](2009)在《个性化职位推荐系统研究与实现》文中认为在网上人才招聘系统中,由于求职方和招聘方之间信息不对称,求职者往往花费大量的时间和精力挑选适合的应聘职位,从而造成了“一职难求”的尴尬局面。传统的职位推荐方式不能满足当前招聘系统的需要,因此,个性化职位推荐系统应运而生。个性化职位推荐系统可根据求职者的能力结构、职业素质和求职意向等条件,在现有职位库中进行模糊智能匹配,为用户提供满意的职位推荐服务。本文在认真研究了当前个性化信息服务领域中应用的关键技术的基础上,提出了基于多智体的个性化职位推荐系统,该系统采用轮盘模型表征用户求职意向,使用反馈用户空间向量模型并结合领域本体知识库对用户和职位资源进行建模,使得各特征项之间具有更丰富的语义,应用改进的基于领域知识内容推荐和协同过滤推荐相结合的算法,其推荐结果更加精准。多智体技术提高了系统的智能性和鲁棒性,本体增强了系统的可用性和扩展性。最后,本文对所提出的原型系统进行了综合性能测评,进一步证实了该系统具有明显的技术优势,极具应用推广价值。
谢兴生[9](2007)在《基于数据服务匹配的数据集成方法研究与实现》文中研究指明充分利用各种分散、异构的数据资料,建立数据集成应用系统,为管理决策服务,已成为当前信息化发展的一个新课题。构建数据集成系统的基本目标是,在不影响现有应用系统运行的情况下,集成这些可能是高度分布、异构或分立运行的应用系统所产生的数据,并为用户或高级应用提供透明、一致的信息服务和统一的数据应用入口。然而,在数据资源快速增长和高速演化的网络应用环境下,实现这一目标是一个困难而且复杂的任务。本文在充分研究已有数据集成方法和相关技术的基础上,结合有关工程实践,围绕数据集成这一应用主题,展开了较为系统深入的工作。本文中重点研究了能适应复杂网络环境,且具有良好性能和可伸缩性的数据集成方法。论文的主要研究工作和创新成果如下:1.提出一种数据集成处理说明语言DISL,并以DISL为基础实现了一个异构数据集成平台。DISL语言的主要成份都可对应到图元,能从一个高度抽象的层次来表达数据抽取、加工变换和合成等数据处理语义。借助该平台,可针对局域网范围内一个或多个数据源,以图形化方式,辅助构造可解释执行的数据集成处理说明包DISL-Mediator,实现局部异构数据集成。该数据集成平台,已被集成到本文“基于数据服务概念的数据集成系统”中,作为实现该系统在数据源端服务组件的内核。此外,该平台目前也已通过山西省电力公司验收,并在太原、阳泉等几家电力企业投入了业务试运行。还以“企业数据集成平台系统(简称EDIS)”为名称进行了软件着作登记(登记号:2005SR12507,着作权号044008)。2.提出了一种采用多层结构组织DW数据的设计方案,能有效提高DW系统对需求变化的适应能力。该方案除了一般DW都有的分析数据层外,还附加引入规范后的业务数据层。业务数据层本身还可按业务数据特点进一步分层组织,并采用规范、无冗余的结构设计;分析数据层则按数据分析的主题进行组织,也可按数据浓缩度或粒度大小进一步分层,并可引入适度的冗余技术以提高查询性能。3.对移动Agent平台Aglets进行了面向分布数据收集方面的功能扩展,并将扩展的Aglets平台集成到本文基于数据服务概念的数据集成系统中,作为系统下层获取各数据服务单元执行结果的支持平台。有关实验测试结果表明,移动Agent可显着提高系统在获取分布数据环节的性能、灵活性和可靠性。4.研究了描述逻辑(DL)有关技术及其推理算法,优化改进了DL-推理机中计算本体概念层次结构树的算法。该算法可以充分利用DL-知识库的显式知识,从而可减少大量的实际推理计算,有效提高算法性能。同时借助改进后的算法,还可更方便计算层次结构树中指定概念的超类概念集、子概念集、等价概念集、不相交概念集和实例集。5.设计了一种具有智能化特点的、基于数据服务单元(DS-Cell)的匹配检索算法。该算法的实现融合了基于逻辑的语义匹配技术和基于内容的语法相似匹配技术。算法的有效性测试结果表明,该算法能很好工作,能有效解决数据服务匹配检索中两概念子集的匹配判定问题。6.提出了一种基于数据服务匹配的数据集成新方法:该方法将能提供数据资源的各个网络节点,以DS-Cell作为基本单位向数据服务中心注册,由此实现分散数据服务的主动发布和集中管理。然后以数据服务注册库为中心,并融合应用语义WEB、OWL和DL推理等智能化技术,匹配检索已注册的数据服务单元,实现动态的数据集成查询处理。该方法能充分利用数据的形式语义和基于本体的概念进行知识推理。基于该方法,本文设计了一个相对完整的数据集成原型系统,完成主要的算法设计、调试和部分模块实现,并针对目标系统的核心组件“数据服务匹配器”进行实验测试和分析。结果表明,基于该方法设计的系统能有效、可靠工作,能以透明、一致的方式实现分布异构数据集成,并且能很好兼顾系统灵活性和性能。
周建华[10](2007)在《计算机犯罪取证模型及关键技术研究》文中研究说明随着信息技术的发展,计算机与网络成为社会、政治、经济、文化生活的重要组成部分,与此相关的各种计算机犯罪现象日益突出。计算机取证技术成为打击计算机犯罪的重要手段,是目前计算机界和法学界共同研究和关注的重点。论文对计算机取证技术的现状和发展进行了深入的研究和探讨,分析了现有的计算机取证模式,就目前主要的动态取证技术进行了比较,为正确认识计算机取证技术的发展水平,把握计算机取证研究的正确发展方向建立了一定的基础。结合当前知识管理领域的最新技术,论文提出了基于Ontology的数字证据表示方法,对数字证据进行了统一的知识表示。文章概述了Mobile Agent的关键技术、特点及在分布式计算方面的优势,在此基础上提出基于移动Agent和静态Agent技术相结合的动态取证系统MADDFS,它采用“分布取证、动态协调、区域监督、全局推理”概念模型,用一个类似树状的结构来构造分布式动态取证系统,对MADDFS中证据完整性保护等关键技术进行了分析,并提出了较好的解决方案。本文还在分析数据挖掘技术与动态取证技术两者特点的基础上,提出一种基于“过滤、归一、关联、序列、重构”的取证数据融合处理机制。总之,本文的研究成果为进一步探讨计算机取证基本方法,从而构建实用有效的计算机取证系统建立了基础。
二、基于移动Agent及RDF的网络数据挖掘系统体系结构(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于移动Agent及RDF的网络数据挖掘系统体系结构(论文提纲范文)
(1)面向个性化定制的智能糖果包装数据分析系统设计与实现(论文提纲范文)
摘要 |
Abstarct |
第一章 绪论 |
1.1 课题的研究背景和意义 |
1.2 个性化定制的研究现状 |
1.3 面向个性化定制的智能糖果包装数据分析系统的关键技术研究现状 |
1.3.1 面向个性化定制服务的数据采集研究现状 |
1.3.2 面向个性化定制的Web离线数据处理技术研究现状 |
1.3.3 Web语义本体与知识图谱的研究现状 |
1.4 论文内容组织 |
第二章 个性化定制的智能糖果包装数据分析系统架构 |
2.1 系统设计目的与需求分析 |
2.1.1 系统设计目的 |
2.1.2 面向个性化定制的Web应用需求分析 |
2.2 面向个性化定制的智能糖果包装数据分析系统功能模块组成 |
2.2.1 个性化定制的移动端Web模块 |
2.2.2 离线数据分析模块 |
2.2.3 Web语义本体知识表达模块 |
2.3 相关技术与开发平台 |
2.3.1 移动端Web应用的开发平台 |
2.3.2 Web离线数据分析的开发平台 |
2.3.3 制造资源本体构建与用户个性化知识图谱构建 |
2.4 本章小结 |
第三章 移动端Web应用和Web离线数据分析的设计 |
3.1 移动端Web应用的设计 |
3.1.1 移动端Web应用 |
3.1.2 移动端数据交互 |
3.2 Web日志数据收集 |
3.2.1 前端数据采集技术 |
3.2.2 前端数据采集方案的设计 |
3.2.3 数据采集的实现方式 |
3.3 基于Hive的 Web离线数据分析 |
3.3.1 Web数据离线计算的指标分析 |
3.3.2 基于Hive的关键指标数据计算 |
3.4 用户个性化特征知识图谱表示 |
3.4.1 个性化定制的知识图谱表示应用场景 |
3.4.2 用户个性化特征的知识图谱构建 |
3.5 本章小结 |
第四章 面向个性化定制的Web语义本体信息交互及推理机制 |
4.1 Web语义本体建模 |
4.1.1 基于范畴论的本体表示 |
4.1.2 Web语义本体模型构建 |
4.1.3 Web语义本体数据关联 |
4.2 个性化定制的Web语义知识推理机制 |
4.2.1 语义规则库的建立 |
4.2.2 Web语义知识推理 |
4.3 本章小结 |
第五章 面向个性化定制的智能糖果包装数据分析系统案例 |
5.1 实验平台介绍 |
5.2 面向个性化定制的智能糖果包装数据分析系统案例实施 |
5.2.1 环境部署 |
5.2.2 移动端Web应用 |
5.2.3 Web数据离线分析 |
5.2.4 用户个性化文本数据的知识图谱构建 |
5.2.5 个性化定制的Web语义本体建模与推理机制 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(2)基于语义网的傣族历史档案信息资源开发研究(论文提纲范文)
中文摘要 |
abstract |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究现状与评析 |
1.2.1 语义网国内外研究现状 |
1.2.2 傣族历史档案信息资源开发研究现状 |
1.2.3 相关研究述评 |
1.3 研究内容与设计 |
1.3.1 研究内容 |
1.3.2 思路设计 |
1.4 创新点 |
2 相关概念与理论阐述 |
2.1 傣族历史档案信息资源开发相关概念和理论 |
2.1.1 傣族历史档案信息资源相关概念 |
2.1.2 傣族历史档案信息资源开发相关理论 |
2.2 语义网相关理论 |
2.2.1 语义网概述 |
2.2.2 语义网信息组织方法与本体理论 |
2.2.3 语义网最佳实践——关联数据 |
2.3 语义网和傣族历史档案信息资源开发的关系 |
2.3.1 语义网是傣族历史档案信息资源开发的外部环境 |
2.3.2 语义网为傣族历史档案信息资源开发提供技术方法 |
2.3.3 语义网的实现得益于傣族历史档案信息资源开发 |
3 基于语义网的傣族历史档案信息资源开发总体方案设计 |
3.1 傣族历史档案信息资源开发管理工作现状 |
3.1.1 收集与保管的现状 |
3.1.2 整理、翻译和编目的现状 |
3.1.3 传播和传承的现状 |
3.2 基于语义网的傣族历史档案信息资源开发的必要性 |
3.2.1 必需手段:充分实现傣族历史档案信息资源的价值 |
3.2.2 必要条件:发挥档案工作作用和适应学科发展规律 |
3.2.3 必需方法:顺应社会发展规律和满足社会利用需求 |
3.3 基于语义网的傣族历史档案信息资源开发的可行性 |
3.3.1 实体储备与数字资源基础 |
3.3.2 业务规范与技术标准支持 |
3.3.3 理论研究和实现方法参考 |
3.4 基于语义网的傣族历史档案信息资源开发工作内容与方法 |
3.4.1 基于语义网的傣族历史档案信息资源开发工作内容与基本任务 |
3.4.2 基于语义网的傣族历史档案信息资源开发实施步骤与技术方法 |
4 傣族历史档案信息资源的语义组织 |
4.1 傣族历史档案信息资源的分类 |
4.1.1 傣族历史档案信息资源的分类现状 |
4.1.2 傣族历史档案信息资源分类体系构建 |
4.2 傣族历史档案信息资源元数据方案设计 |
4.2.1 傣族历史档案信息资源元数据方案设计原则与步骤 |
4.2.2 傣族历史档案信息资源相关元数据方案分析 |
4.2.3 傣族历史档案信息资源元数据方案构建 |
4.3 傣族历史档案信息资源本体构建 |
4.3.1 傣族历史档案信息资源本体构建原则 |
4.3.2 傣族历史档案信息资源本体构建方法与工具 |
4.3.3 傣族历史档案信息资源本体构建的实现——以傣族医药本体构建为例 |
5 基于语义网的傣族历史档案信息资源整合 |
5.1 基于语义网的傣族历史档案信息资源整合的目标与任务 |
5.1.1 基于语义网的傣族历史档案信息资源整合目标 |
5.1.2 基于语义网的傣族历史档案信息资源整合任务 |
5.2 基于语义网的傣族历史档案信息资源整合模型设计 |
5.2.1 基于关联数据的傣族历史档案信息资源整合的优势分析 |
5.2.2 基于关联数据的傣族历史档案信息资源整合参考模型 |
5.2.3 基于语义网的傣族历史档案信息资源整合模型构建 |
5.3 基于语义网的傣族历史档案信息资源整合实现方法 |
5.3.1 傣族历史档案关联数据创建模块的实现方法 |
5.3.2 傣族历史档案关联数据发布模块的实现方法 |
5.3.3 傣族历史档案关联数据融合模块的实现方法 |
6 基于语义网的傣族历史档案信息资源开发实现策略 |
6.1 面向语义网环境的档案信息资源开发工作模式转型 |
6.1.1 传统档案信息资源开发工作模式的局限性 |
6.1.2 基于语义网的档案信息资源开发工作模式 |
6.2 基于语义网的傣族历史档案信息资源开发保障机制构建 |
6.2.1 意识观念与政策法规保障机制 |
6.2.2 组织管理体制与合作交流机制 |
6.2.3 标准规范建设与人才培养机制 |
总结与展望 |
参考文献 |
攻读博士学位期间完成的科研成果 |
致谢 |
(3)中文学科术语本体学习方法研究 ——以数字图书馆领域为例(论文提纲范文)
中文摘要 |
英文摘要 |
第1章 绪论 |
1.1 研究背景 |
1.1.1 语义网 |
1.1.2 本体构建 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究现状评价 |
1.3 研究内容 |
1.4 研究思路与方法 |
1.4.1 研究思路 |
1.4.2 研究方法 |
1.5 研究意义 |
1.6 创新之处 |
1.7 论文的组织结构 |
第2章 本体学习基本理论 |
2.1 本体 |
2.1.1 本体的定义 |
2.1.2 本体的分类 |
2.1.3 本体的主要描述语言 |
2.1.4 本体的作用 |
2.2 本体学习工具和方法 |
2.2.1 Hasti |
2.2.2 OntoLearn |
2.2.3 Text-To-Onto |
2.2.4 OntoBuilder |
2.2.5 OntoLiFT |
2.2.6 GOLF |
2.2.7 OntoSphere |
2.2.8 各本体学习工具比较分析 |
2.3 本体与叙词表的联系与区别 |
2.3.1 术语与概念 |
2.3.2 叙词表的概念和应用 |
2.3.3 本体与叙词表的比较分析 |
2.4 本章小结 |
第3章 学科领域术语分类关系构建 |
3.1 数据基础 |
3.2 术语抽取 |
3.2.1 初步抽取 |
3.2.2 二次抽取 |
3.3 术语文档向量空间模型构建 |
3.3.1 非结构化文本NLPIR分词 |
3.3.2 文档术语频数矩阵 |
3.3.3 基于TF-IDF的特征项权重计算 |
3.4 改进的术语文档向量空间模型构建 |
3.4.1 改进原因及方法 |
3.4.2 基于扫描的文档与术语的语义关联 |
3.4.3 基于扫描的文档术语频数矩阵构建 |
3.4.4 基于TF-IDF的术语权重计算 |
3.5 术语词汇向量空间模型构建 |
3.5.1 术语共现关系中介的转变 |
3.5.2 术语词汇关联频数矩阵 |
3.5.3 术语词汇关联权重矩阵 |
3.6 学科领域术语分类关系构建 |
3.6.1 方法描述 |
3.6.2 BIRCH算法预聚类 |
3.6.3 层次聚类 |
3.6.4 类标签的确定 |
3.6.5 实验结果及分析 |
3.6.6 与现有方法及技术对比 |
3.7 本章小结 |
第4章 学科领域术语非分类关系构建 |
4.1 方法描述 |
4.2 关联规则分析 |
4.2.1 关联规则及其有效性和实用性 |
4.2.2 Apriori算法 |
4.2.3 GRI算法 |
4.3 非分类关系的术语对挖掘 |
4.3.1 句子术语向量空间模型构建 |
4.3.2 非分类关系的术语对获取 |
4.4 抽取学科领域动词 |
4.4.1 NLPIR词性标注分词 |
4.4.2 利用VF-ICF抽取学科领域动词 |
4.5 领域术语非分类关系标签分配 |
4.6 与现有方法及技术对比 |
4.7 本章小结 |
第5章 学科领域本体的存储和可视化展示 |
5.1 学科领域本体描述 |
5.1.1 本体描述语言OWL |
5.1.2 学科领域本体的OWL描述 |
5.2 学科领域本体存储 |
5.2.1 本体存储方式 |
5.2.2 关系数据库存储模式 |
5.2.3 学科领域本体存储模式设计 |
5.2.4 学科领域本体存储 |
5.3 学科领域知识本体可视化 |
5.3.1 本体可视化工具 |
5.3.2 基于Protege的学科领域本体可视化 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本论文的研究内容和结论 |
6.2 研究中存在的问题 |
6.3 后续研究 |
致谢 |
读博期间科研成果清单 |
参考文献 |
(4)数字资源互操作及服务融合中的信任管理机制研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究综述 |
1.2.1 数字资源建设、共享与整合 |
1.2.2 国内外LAM研究 |
1.2.3 信任管理研究 |
1.2.4 总结 |
1.3 研究内容与方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 框架结构 |
第2章 相关概念及理论基础 |
2.1 相关概念阐述 |
2.1.1 互操作 |
2.1.2 服务融合 |
2.1.3 信任的定义 |
2.1.4 信任的属性 |
2.2 理论基础 |
2.2.1 系统论 |
2.2.2 协同论 |
2.2.3 知识组织理论 |
2.3 本章小结 |
第3章 信任管理机制及应用模式分析 |
3.1 信任管理 |
3.1.1 定义 |
3.1.2 信任管理模型 |
3.1.3 凭证信任管理系统 |
3.1.4 行为信任管理模型 |
3.2 自动信任协商 |
3.2.1 定义 |
3.2.2 自动信任协商基本概念 |
3.2.3 现有自动信任协商系统 |
3.3 信任管理机制应用模式分析 |
3.3.1 P2P网络信任管理 |
3.3.2 普适计算信任管理 |
3.3.3 网格计算信任管理 |
3.3.4 Ad hoc网络信任管理 |
3.3.5 电子商务信任管理 |
3.4 本章小结 |
第4章 数字资源互操作及服务融合模式分析 |
4.1 国内外应用实践分析 |
4.1.1 Europeana |
4.1.2 世界数字图书馆 |
4.1.3 美国IMLS支持项目实践 |
4.1.4 CALIS |
4.2 数字资源互操作模式探析 |
4.2.1 数字资源整合原则与方法 |
4.2.2 Metalib with SFX系统 |
4.2.3 MAP系统 |
4.2.4 TPI系统及USP平台 |
4.2.5 数字资源互操作典型系统总结 |
4.3 数字化服务融合模式探析 |
4.3.1 数字化服务融合的可行性分析 |
4.3.2 数字化服务融合的广度分析 |
4.3.3 数字化服务融合的深度分析 |
4.4 跨域环境下安全互操作的实践分析 |
4.4.1 安全检测实施维度下的互操作 |
4.4.2 协作架构维度下的互操作 |
4.4.3 建模辅助维度下的互操作 |
4.5 本章小结 |
第5章数字资源互操作中的信任管理研究 |
5.1 OAI-PMH协议 |
5.2 数字化协作模式构建 |
5.3 数字化协作模式面临的问题 |
5.4 数字资源互操作信任管理模型构建 |
5.4.1 动态信任管理的内涵 |
5.4.2 LAM信任管理模型构建 |
5.4.3 动态信任评估模型的设计原则 |
5.5 动态信任评估算法设计 |
5.5.1 传统反馈信任聚合机制研究 |
5.5.2 新型反馈信任聚合机制研究 |
5.5.3 仿真实验及结果分析 |
5.6 本章小结 |
第6章 数字化服务融合的信任协商研究 |
6.1 信任协商策略需求 |
6.2 LAM-AATN模型构建 |
6.3 LAM-AATN信任协商流程 |
6.4 LAM-AATN信任协商实例研究 |
6.5 LAM-AATN一致性校验研究 |
6.5.1 访问控制策略描述研究 |
6.5.2 一致性校验算法研究 |
6.6 LAM-AATN策略语言研究 |
6.6.1 策略语言功能需求 |
6.6.2 LAM-AATN-Jess策略语言 |
6.6.3 LAM-AATN-Jess语法结构 |
6.7 本章小结 |
第7章 总结与展望 |
7.1 研究结论与贡献 |
7.1.1 研究结论 |
7.1.2 研究贡献 |
7.2 研究不足与展望 |
7.2.1 研究不足 |
7.2.2 研究展望 |
参考文献 |
攻读博士学位期间科研成果 |
致谢 |
(5)空间数据挖掘问题的语义解析与智能化求解方法研究(论文提纲范文)
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 立题依据 |
1.2 研究目标与内容 |
1.3 研究方法与技术路线 |
1.4 相关研究综述 |
1.4.1 面向服务的分布式数据挖掘 |
1.4.2 地理信息服务 |
1.4.3 地理本体 |
1.4.4 服务组合与智能规划 |
第二章 空间数据挖掘本体的构建 |
2.1 本体构建概述 |
2.1.1 本体的构成 |
2.1.2 本体构建方法与原则 |
2.1.3 本体建模工具 |
2.2 空间数据挖掘本体构建方案设计 |
2.2.1 空间数据挖掘问题 |
2.2.2 本体构建范围界定 |
2.2.3 本体构建步骤 |
2.3 空间数据挖掘核心本体构建 |
2.3.1 概念识别与定义 |
2.3.2 本体概念类别与属性关系设定 |
2.3.3 本体OWL形式化构建与存储 |
2.4 基于核心本体的中文概念扩展 |
2.5 基于本体的服务语义推理查询 |
2.5.1 服务语义描述 |
2.5.2 服务的语义推理查询 |
2.6 小结 |
第三章 空间数据挖掘问题的语义解析 |
3.1 语义解析概述 |
3.1.1 自然语言处理方法 |
3.1.2 中文分词 |
3.1.3 语义分析理论 |
3.2 基于本体的空间数据挖掘问题语义解析技术 |
3.2.1 本体语义关系 |
3.2.2 问题语义要素分析 |
3.2.3 问题语义关系识别 |
3.3 问题的语义解析流程设计与实现 |
3.3.1 关键词提取 |
3.3.2 语义三元组判别 |
3.3.3 问题形式化 |
3.4 小结 |
第四章 空间数据挖掘服务组合的智能规划 |
4.1 PDDL概述 |
4.2 空间数据挖掘服务组合求解框架设计 |
4.2.1 空间数据挖掘任务流程分析 |
4.2.2 空间数据挖掘规划问题的求解思路 |
4.3 基于PDDL的空间数据挖掘服务组合多阶段智能规划 |
4.3.1 多阶段智能规划方法的原理 |
4.3.2 多阶段PDDL规划建模 |
4.3.3 多阶段服务自动组合的实现 |
4.4 小结 |
第五章 空间数据挖掘问题智能化求解应用研究 |
5.1 地理知识云服务平台GEOKSCLOUD |
5.1.1 体系结构 |
5.1.2 平台主要功能 |
5.2 智能化求解模块设计与实现 |
5.2.1 模块设计与功能划分 |
5.2.2 服务资源的语义注册 |
5.2.3 服务的语义查询 |
5.2.4 问题的语义解析 |
5.2.5 服务组合的智能规划 |
5.3 土壤数据异常检测智能求解示范应用 |
5.3.1 应用背景 |
5.3.2 问题语义解析与服务组合智能规划过程 |
5.3.3 服务组合的执行 |
5.4 小结 |
第六章 结论与展望 |
6.1 主要工作总结 |
6.2 创新点 |
6.3 不足与展望 |
参考文献 |
致谢 |
个人简历 |
在学期间的研究成果及发表的学术论文 |
(6)基于关联数据的知识发现研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 相关概念界定 |
1.1.2 网络资源环境的发展 |
1.1.3 关联数据的发展和广泛应用 |
1.1.4 关联数据的应用潜力 |
1.2 基于关联数据的知识发现问题的分析 |
1.2.1 基于关联数据的知识发现问题的提出 |
1.2.2 基于关联数据的知识发现问题基本分析 |
1.3 研究的目标和意义 |
1.3.1 研究的目标 |
1.3.2 研究的意义 |
1.4 研究的方法与路线 |
1.4.1 研究方法 |
1.4.2 研究路线 |
1.5 研究的主要内容 |
1.6 本文的主要创新点 |
第二章 国内外研究现状 |
2.1 关联数据相关研究现状 |
2.1.1 国内外关联数据相关研究概况 |
2.1.2 关联数据相关工具研发应用情况 |
2.1.3 关联数据的领域应用研究概况 |
2.1.4 关联数据的研究和发展趋势 |
2.2 知识发现研究情况与趋势分析 |
2.2.1 知识发现相关研究情况 |
2.2.2 知识发现研究趋势和方向 |
2.3 与知识发现相关的关联数据研究进展 |
2.3.1 关联数据查询主题的研究 |
2.3.2 关联发现和链接挖掘主题的研究 |
2.3.3 关联构建主题的研究 |
2.3.4 关联数据的整合应用主题研究 |
2.4 研究现状的总结与问题分析 |
2.4.1 相关研究现状总结 |
2.4.2 相关研究中存在的问题分析 |
本章小结 |
第三章 理论基础 |
3.1 关联数据的基础理论 |
3.1.1 关联数据的定义 |
3.1.2 关联数据的基本结构 |
3.1.3 关联数据的基本特征 |
3.2 关联开放数据网络 |
3.2.1 关联开放数据网络概况 |
3.2.2 关联开放数据网络的组成结构 |
3.2.3 关联数据网络的底层控制规范 |
3.3 知识发现的基础理论 |
3.3.1 知识发现的定义和相关概念 |
3.3.2 知识发现的基本过程和任务 |
3.3.3 知识发现的技术分类和知识分类 |
3.4 基于关联数据的知识发现的理论起点 |
3.4.1 关联数据为知识发现提供新的潜力 |
3.4.2 知识发现为关联数据应用提供基本方法 |
本章小结 |
第四章 基于关联数据的知识发现规律分析与研究 |
4.1 基于关联数据的知识发现特征分析 |
4.1.1 关联数据的特征分析 |
4.1.2 关联数据的特征对知识发现的影响分析 |
4.1.3 基于关联数据的知识发现特征 |
4.2 基于关联数据的知识发现过程分析 |
4.2.1 知识发现的一般过程 |
4.2.2 基于关联数据的知识发现过程分析 |
4.3 基于关联数据的知识发现模型构建 |
4.3.1 功能要素分析 |
4.3.2 模型的构建 |
4.3.3 模型的特征 |
本章小结 |
第五章 基于关联数据的知识发现应用体系研究 |
5.1 基于关联数据的知识发现应用体系研究的基础和目标 |
5.1.1 应用体系研究的基础 |
5.1.2 应用体系研究的目标 |
5.2 基于关联数据的知识发现的应用体系分析 |
5.2.1 应用体系的模型构建 |
5.2.2 应用体系模型的逻辑关系分析 |
5.2.3 应用体系的主要功能模块分析 |
5.3 基于关联数据的知识发现应用的主要功能研究 |
5.3.1 实现主要功能面对的挑战 |
5.3.2 数据关联发现功能研究 |
5.3.3 关联数据发现功能研究 |
5.3.4 关联知识发现功能研究 |
本章小结 |
第六章 基于关联数据的知识发现应用系统模型设计和验证 |
6.1 基于关联数据的知识发现应用系统框架分析 |
6.2 基于关联数据的知识发现应用系统模型设计 |
6.2.1 应用系统的主要任务分析 |
6.2.2 应用系统模型的设计 |
6.2.3 应用系统模型的功能模块分析 |
6.2.4 应用系统的特点 |
6.3 基于关联数据的知识发现系统实验与验证 |
6.3.1 实验的思路 |
6.3.2 实验系统的设计 |
6.3.3 实验系统中关联数据挖掘功能的实现 |
6.4 验证 |
6.4.1 验证目标设计 |
6.4.2 验证环境的建立 |
6.4.3 验证过程 |
6.4.4 验证评价 |
6.4.5 讨论 |
第七章 结论和未来工作 |
7.1 本研究的总结 |
7.2 未来工作的讨论 |
参考文献 |
致谢 |
作者简历 |
(7)基于语义与多Agent的分布式空间知识管理(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和现状 |
1.1.1 数据、信息、知识 |
1.1.2 知识管理的产生与涵义 |
1.1.3 知识管理发展现状与趋势 |
1.1.4 空间知识管理的提出与发展 |
1.2 选题理由和意义 |
1.2.1 问题的提出 |
1.2.2 解决的思路 |
1.2.3 研究的意义 |
1.3 研究内容与论文结构 |
1.3.1 研究内容 |
1.3.2 论文结构 |
第2章 基于语义的空间知识表达与存储 |
2.1 空间知识的内涵与框架 |
2.2 知识表达基本理论 |
2.2.1 传统的知识表达方式 |
2.2.2 基于本体的知识表达 |
2.3 本体驱动的空间知识表达 |
2.3.1 地理本体的提出 |
2.3.2 地理本体的结构 |
2.3.3 地理本体的类型 |
2.4 地理本体的形式化表达 |
2.4.1 GeoOWL及其表达 |
2.4.2 GeoOWL与GML |
2.5 空间知识库的关系型存储 |
2.6 本章小结 |
第3章 基于语义的多Agent空间知识集成与共享 |
3.1 异构本体集成问题与对策 |
3.2 多Agent智能集成的基本理论 |
3.2.1 Agent概念与性质 |
3.2.2 多Agent系统理论 |
3.2.3 Agent系统的开放标准——FIPA规范 |
3.3 多Agent间的集成 |
3.3.1 多Agent分级注册策略 |
3.3.2 多Agent系统集成模型 |
3.3.3 基于GeoOWL的Agent通信 |
3.4 多Agent与Web服务的集成 |
3.4.1 Web服务基本理论 |
3.4.2 多Agent与Web服务集成模型 |
3.4.3 Agent与Web服务的通信 |
3.5 融合本体与多Agent的空间知识管理框架 |
3.5.1 体系结构及内部组成 |
3.5.2 空间知识库层构建 |
3.5.3 空间知识管理应用层构建 |
3.6 本章小结 |
第4章 基于语义的多Agent智能协作空间知识检索 |
4.1 基于本体的常规检索模型 |
4.2 基于本体的多Agent智能协作空间知识检索模型 |
4.2.1 界面Agent |
4.2.2 调度Agent |
4.2.3 检索Agent |
4.2.4 协作Agent |
4.2.5 本体Agent |
4.2.6 网关Agent |
4.2.7 搜索Agent |
4.2.8 协作空间知识检索过程 |
4.3 检索匹配机制 |
4.3.1 语义相似性比较 |
4.3.2 空间相似性比较 |
4.3.3 加权匹配机制 |
4.4 本章小结 |
第5章 分布式智能空间知识管理实例 |
5.1 实例背景——长江防汛指挥三维信息系统 |
5.2 实例系统设计 |
5.2.1 软硬件环境搭建 |
5.2.2 系统逻辑结构 |
5.2.3 系统知识结构 |
5.3 实例系统实现 |
5.3.1 协作工作流实例 |
5.3.2 险情智能确认 |
5.3.3 水位实时显示 |
5.3.4 防汛知识查询 |
5.3.5 辅助决策服务 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 论文总结 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
攻读博士学位期间论文与科研情况 |
致谢 |
(8)个性化职位推荐系统研究与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 国内外研究现状及发展趋势 |
1.3 本文主要研究内容和章节安排 |
第二章 个性化信息服务关键技术 |
2.1 用户建模技术 |
2.1.1 用户建模形式化表述 |
2.1.2 用户需求信息的获取与学习 |
2.1.3 常见用户模型表示法 |
2.1.4 轮盘模型表示法 |
2.2 数据挖掘技术 |
2.2.1 数据挖掘概述 |
2.2.2 数据挖掘的处理过程 |
2.2.3 数据挖掘的技术和方法 |
2.3 WEB挖掘技术 |
2.3.1 Web挖掘概述 |
2.3.2 Web挖掘分类 |
2.3.3 Web挖掘应用 |
2.4 多智体技术 |
2.4.1 智体技术 |
2.4.2 多智体系统 |
2.5 信息推荐技术 |
2.6 本章小结 |
第三章 个性化职位推荐系统研究 |
3.1 系统需求分析 |
3.2 用户模型设计 |
3.2.1 用户轮盘模型的构建及表示 |
3.2.2 用户求职需求模型的更新 |
3.3 职位资源模型化 |
3.4 PRICA系统功能结构及流程 |
3.5 本章小结 |
第四章 个性化职位推荐系统实现 |
4.1 关键算法实现 |
4.1.1 轮盘模型刷新算法 |
4.1.2 个性化职位推荐算法 |
4.2 PRICA系统原型实现 |
4.2.1 多智体开发环境介绍 |
4.2.2 PRICA系统实现架构 |
4.2.3 WADE平台下多智体实现 |
4.2.4 多智体系统配置示例 |
4.3 面向用户的职位推荐过程 |
4.4 本章小结 |
第五章 个性化职位推荐系统性能测评及分析 |
5.1 性能测评内容 |
5.2 测评过程及分析 |
5.2.1 测评环境搭建 |
5.2.2 测评过程 |
5.3 测评结论 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 前景展望 |
致谢 |
参考文献 |
研究成果 |
(9)基于数据服务匹配的数据集成方法研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 数据集成技术及其应用背景 |
1.2 数据集成的研究现状 |
1.2.1 一些早期的数据集成方法研究 |
1.2.2 一些比较现代的数据集成方法研究 |
1.3 未来数据集成系统发展的趋势和方向 |
1.4 本论文的主要研究内容和结构安排 |
第2章 XML技术及其在数据集成中的应用 |
2.1 XML技术 |
2.2 XML数据模型(XDM) |
2.3 XML查询语言(XQuery) |
2.4 基于XML技术的数据集成 |
2.5 本章小结 |
第3章 一种基于中介器的异构数据集成平台研究与实现 |
3.1 基于中介器/包装器的数据集成方法研究概况 |
3.2 DISL语言 |
3.2.1 DISL基本语言组件 |
3.2.2 DISL语言程序与DISL-Mediator |
3.2.3 DISL语言的编译结构 |
3.2.4 DISL语言组件静态特性利运行时特性 |
3.2.5 DISL-Mediator对象的应用体系结构 |
3.3 基于DISL的异构数据集成平台实现 |
3.4 相关目标系统实现的软件体系结构 |
3.5 本章小结 |
第4章 基于数据仓库的数据集成方法 |
4.1 数据仓库(DW)技术 |
4.2 数据仓库设计 |
4.2.1 DW设计的总体考虑 |
4.2.2 DW系统的开发模式 |
4.2.3 DW数据的建模设计 |
4.3 采用多层结构组织数据仓库数据 |
4.3.1 多层结构组织DW数据方案的提出 |
4.3.2 方案的应用实例 |
4.3.3 多层结构组织DW数据方案的优势 |
4.4 利用DW技术有效改善虚拟数据集成系统的性能 |
4.5 本章小结 |
第5章 移动代理技术及其在数据集成中的应用 |
5.1 移动代理技术 |
5.2 移动代理平台Aglets |
5.3 扩展Aglets平台 |
5.3.1 实现一个Aglets系统管理工具 |
5.3.2 进行数据集成功能子类扩展 |
5.3.3 用扩展的Aglets平台实现分布数据收集应用 |
5.4 应用效果与分析 |
5.4.1 仿真实验设计 |
5.4.2 数据传输量分析 |
5.4.3 完成时间的测试对比 |
5.5 本章小结 |
第6章 描述逻辑及其在数据集成中的应用 |
6.1 描述逻辑及其技术实现 |
6.1.1 描述逻辑 |
6.1.2 描述逻辑推理服务 |
6.2 计算本体概念层次结构树算法 |
6.2.1 算法主要数据结构 |
6.2.2 算法实现描述 |
6.2.3 算法测试检验 |
6.3 以描述逻辑为中介模式的数据集成系统设计 |
6.3.1 用DL为中介模式的数据集成系统体系结构 |
6.3.2 基于DL表达中介模式 |
6.3.3 基于中介模式的查询表达 |
6.3.4 基于中介模式构建源描述规则库 |
6.4 以DL为中介模式的集成查询处理及其算法实现 |
6.4.1 基于视图回答查询问题的形式化 |
6.4.2 Datalog规则 |
6.4.3 MCD算法及其改进 |
6.5 本章小结 |
第7章 资源描述框架(RDF)、语义WEB和本体语言OWL |
7.1 资源描述框架(RDF) |
7.2 本体与语义web |
7.3 Web本体描述语言(OWL) |
7.4 OWL/RDF本体信息处理支持平台(Jena系统) |
7.5 本章小结 |
第8章 一种支持智能匹配检索的数据集成系统设计 |
8.1 基于数据服务概念的数据集成方法 |
8.1.1 数据服务概念的提出 |
8.1.2 用数据服务匹配进行数据集成查询处理 |
8.1.3 数据服务发布、定位与匹配 |
8.1.4 数据服务注册实现 |
8.2 数据服务匹配的算法设计 |
8.2.1 数据服务匹配度定义 |
8.2.2 I/O相似度算法及其实现 |
8.2.3 数据服务匹配算法实现 |
8.3 数据服务匹配算法测试实验与结果评价 |
8.3.1 实验方案设计与实现 |
8.3.2 实验结果评价指标 |
8.3.3 实验结果与分析 |
8.4 支持智能匹配检索的数据集成系统设计 |
8.4.1 系统体系结构设计概要说明 |
8.4.2 数据服务管理工具 |
8.4.3 领域本体及其管理工具 |
8.4.4 目标系统的性能特点分析 |
8.5 本章小结 |
第9章 总结与展望 |
9.1 全文总结 |
9.2 今后研究展望 |
参考文献 |
附录 一个典型的数据服务单元实例描述样板文档 |
致谢 |
攻读博士期间发表的相关学术论文与取得的研究成果 |
(10)计算机犯罪取证模型及关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.1.1 课题来源 |
1.1.2 计算机犯罪现状 |
1.1.3 计算机犯罪取证问题的提出 |
1.2 计算机取证研究的意义 |
1.3 国内外相关研究评述 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 论文的主要工作及组织结构 |
第二章 现有计算机取证技术分析 |
2.1 计算机取证概念 |
2.2 计算机取证模式 |
2.3 静态取证技术 |
2.4 动态取证技术 |
2.5 本章小结 |
第三章 计算机证据及其表示方法 |
3.1 计算机证据 |
3.2 计算机证据特点 |
3.3 基于 Ontology 的计算机证据表示 |
3.3.1 Ontology 介绍 |
3.3.2 Ontology 在取证中的优势 |
3.3.3 Ontology 的描述语言 RDF 和 DAML+OIL |
3.3.4 计算机证据 Ontology 知识描述 |
3.3.5 计算机证据 Ontology 三元组表示 |
3.4 本章小结 |
第四章 基于移动 Agent 的分布式动态取证系统 |
4.1 动态取证系统及体系结构需求 |
4.1.1 动态取证系统概述 |
4.1.2 分布式动态取证系统结构设计 |
4.2 移动 Agent 技术的应用 |
4.3 MADDFS 体系结构模型 |
4.3.1 MADDFS 体系结构 |
4.3.2 构成系统的组件 |
4.3.3 主机取证 Agent HFA |
4.3.4 网络取证 Agent NFA |
4.3.5 时间同步 Agent TSA |
4.3.6 主机监督 Agent HSA |
4.3.7 网络监督 Agent NSA |
4.3.8 网络级、子网级域监督 Agent DSA |
4.4 系统实现的关键技术及问题讨论 |
4.4.1 证据完整性保护机制 |
4.4.2 网络数据可靠、高速获取 |
4.4.3 系统健壮性 |
4.4.4 动态协同取证 |
4.4.5 系统自适应性 |
4.4.6 静态 Agent 和移动 Agent 相结合 |
4.5 本章小结 |
第五章 计算机动态取证数据分析推理 |
5.1 数据分析是动态取证的关键环节 |
5.2 动态取证数据来源 |
5.3 典型的计算机取证数据分析方法 |
5.4 数据挖掘分析方法的提出 |
5.5 取证数据动态过滤技术 |
5.6 取证数据归一 |
5.7 关联规则证据挖掘技术 |
5.7.1 关联规则的形式化定义 |
5.7.2 关联规则挖掘算法 |
5.7.3 Apriori 算法在日志取证中性能分析 |
5.7.4 针对动态取证日志数据 Apriori 算法的改进与实现 |
5.8 频繁序列模式证据挖掘 |
5.9 重构犯罪现场 |
5.10 本章小结 |
第六章 工作总结与未来的展望 |
6.1 本文的主要工作 |
6.2 未来工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的主要研究论文、参与的科研项目 |
四、基于移动Agent及RDF的网络数据挖掘系统体系结构(论文参考文献)
- [1]面向个性化定制的智能糖果包装数据分析系统设计与实现[D]. 尹博星. 江西理工大学, 2019(01)
- [2]基于语义网的傣族历史档案信息资源开发研究[D]. 刘为. 云南大学, 2018(01)
- [3]中文学科术语本体学习方法研究 ——以数字图书馆领域为例[D]. 朱惠. 南京大学, 2015(12)
- [4]数字资源互操作及服务融合中的信任管理机制研究[D]. 郝世博. 南京大学, 2015
- [5]空间数据挖掘问题的语义解析与智能化求解方法研究[D]. 巫建伟. 福州大学, 2014(12)
- [6]基于关联数据的知识发现研究[D]. 李楠. 中国农业科学院, 2012(08)
- [7]基于语义与多Agent的分布式空间知识管理[D]. 王少华. 武汉大学, 2010(05)
- [8]个性化职位推荐系统研究与实现[D]. 郭军军. 西安电子科技大学, 2009(03)
- [9]基于数据服务匹配的数据集成方法研究与实现[D]. 谢兴生. 中国科学技术大学, 2007(08)
- [10]计算机犯罪取证模型及关键技术研究[D]. 周建华. 中南大学, 2007(06)