应急案例本体模型的研究及应用

应急案例是应急指挥决策的重要依据。以网页形式存储的应急案例数据量呈指数趋势上升,但是网页开放性特点决定数据异构性强,导致应急案例信息理解和利用困难。针对上述问题,提出了应急案例本体模型（ECOM）,构建应急案例知识模型,模型包括上层本体和应用层本体。以ABC本体为基础扩展形成eABC作为上层本体,应用层本体则从应急主体、客体、发展过程、救援过程等方面建立应急案例概念、关系、函数、公理和实例的五元组,其中考虑应急案例网页位置信息以评估信息可信度。最后,以汶川地震描述为实例验证了ECOM模型。     

传染病应急案例共享本体模型研究

世界范围爆发的大规模传染病事件使应急处置人员对规范的应急知识与信息需求急剧增加。为了解决传染病应急案例知识共享与语义冲突问题,对传染病应急案例本体模型(IDECOM)进行了分析与定义,提出了基于本体的传染病应急案例共享框架,并以北京应对SARS事件为例,描述基于本体的传染病应急案例部分知识片段。     

CBR的应急案例通用表示与存储模式

针对目前基于案例推理的应急辅助决策研究中只能对某一特定类型应急案例进行案例表示和案例推理的局限,设计一种基于应急概念树-突发事件本体模型-事件元模型的三层架构的通用应急案例表示与存储模式,为4大类突发事件应急案例的表示、存储与推理提供一个通用的平台。通过原型系统的开发证明该通用模式的实用性。     

基于应急案例本体的信息抽取的模型及应用

为了对重大突发性危机事件的应急预警并及时有效的处理,提出了一个基于应急案例本体的信息抽取的模型的设计思想和实现方法,该模型首先使用本体来描述应急知识领域中的案例,再在领域知识的指导下抽取Web资源中的相关案例并构建其案例库,供决策者或领域专家选用。应急决策系统既利用了特征模式匹配的快速性,同时又利用了同一数据项在层次结构中的优良特性,从资源中抽取了更为精确的知识,取得了较好的效果     

基于案例推理的应急辅助决策方法研究*

将案例推理的方法应用到应急决策中,为应急决策提供了一种实用的科学辅助方法。在分析了应急案例特征的基础上设计了一种基于概念树—突发事件本体模型—事件元模型三层架构的应急案例通用的案例描述与组织方法;根据应急案例属性复杂及属性值缺失的问题设计了基于结构相似度和属性相似度双层结构的案例全局相似度计算算法,避免了传统最近相邻算法中的属性值缺失问题;最后通过基于案例推理的应急辅助决策原型系统的开发使设计方法得以实现,证明了该方法具有较好的实用性。     

基于本体和CBR的钻井工程风险决策模型研究

为了实现钻井工程风险智能决策,从钻井专家决策过程的特征出发,针对传统的CBR技术的不足,提出并构建了一种基于本体和CBR的钻井工程风险决策模型。通过对风险决策案例的分析,设计了钻井风险决策案例的结构,并结合本体技术构建了风险决策案例本体,使案例表示更规范化、语义化,同时为案例知识提供了良好的可扩展性与共享性;为了提高案例检索效率,按照本体中风险的类别对案例进行分层组织,建立了风险案例库;针对现有的案例相似度计算模型的缺陷,提出了一种改进的基于本体的语义相似度计算模型,并由此构建了风险案例检索模型,经现场实例测试,结果表明该模型有效地提高了案例检索的查准率和查全率。在以上基础上,开发了钻井工程风险决策原型系统,为钻井专家、技术人员提供了高效的决策支持。     

基于本体的网络攻击案例库模型研究

在网络安全研究中,网络攻击案例对有效分析和防御网络非法入侵起着重要作用。然而,如何有效地构建网络攻击案例库是研究的难点之一。鉴于目前还没有一个完善的网络攻击案例库,基于本体研究了网络攻击案例库模型。首先定义了网络攻击行为的案例形式化表示,对网络攻击案例领域知识进行了分类,在此基础上,应用知识共享工具本体,构建了一个共享、重用、可扩展的网络攻击案例本体模型。最后,应用构建的基于本体的网络攻击案例库模型,对一次网络攻击事件进行知识获取,以验证模型的有效性。     

基于本体的案例推理模型研究*

提出了基于本体的案例检索及相似性评估方法和基于本体的案例适配模型,使得CBR(case-based reasoning)系统的开发可在语义层次上进行相似性评估和案例适配,这样得到的结果更能反映用户的真实需求;并且CBR所需要的领域知识可从本体中获取,大大降低了传统CBR系统中知识获取的瓶颈。最后在此基础上,提出了基于本体的CBR系统模型框架,从软件复用的角度提高了CBR系统的开发效率。     

民航突发事件应急案例语义检索方法研究

针对突发事件条件下民航应急管理与决策的特殊性,设计了一个基于领域本体的民航突发事件应急案例语义检索系统模型。通过民航突发事件领域本体与语义案例库构建方法的研究,提出了一种针对语义查询请求及其语义分析过程的语义模式表达式匹配算法,并采用基于SWRL规则的推理过程实现了民航突发事件应急案例的语义检索。给出了仿真实验与结果分析,为基于本体的民航突发事件应急管理与决策提供了理论与方法支持。     

基于本体的应急案例库系统的构建

使用网络本体语言OWL(Web Ontology Language)描述本体。通过本体建模工具(Protégé)对应急案例的本体表示进行定义,实现应急案例库的构建。应急案例库的构建有利于突出多个应急案例间的联系。实验证明,开发的应急案例库系统在案例检索中具有高效性。运用相似度算法来排序应急案例能够满足应急案例的查全率要求,为应急指挥者快速地做出决策提供方便。     

基于本体的可重构实例存储技术

如何实现CBR系统中实例存储的灵活性和可重构性是CBR系统的一个难点。该文分析了如何采用本体技术实现实例存储的灵括性和可重构性，通过本体描述企业的知识框架，并在本体的基础上建立和配置实例模板，实现了实例的存储，给出了系统实现方案。     

融合CBR和本体的决策支持系统框架及应用

分析了将本体与CBR方法结合开发智能决策支持系统的优点,设计了基于该方案的决策支持系统的总体框架,着重介绍了基于本体的案例组织和表示方法以及引入本体后案例检索过程中的相似度计算方法,基于该方案,设计和开发了电子政务项目审批决策支持系统。应用结果表明,利用本体对案例包含的知识进行提取和表示,再利用这些知识对案例进行组织和检索,有效地提高了案例检索的查准率和查全率。     

A CBR system for injection mould design based on ontology: A case study

Case-based reasoning (CBR) often shows significant promise for improving the effectiveness of design support in mould design, which is a domain strong in practice but poor in theory. However, existing CBR systems lack semantic understanding, which is important for intelligent knowledge retrieval in design support system. This hinders the application of CBR in injection mould design. In order to develop an intelligent CBR system and meet the need of design support for injection mould design, this paper integrates ontology technology into a CBR system by constructing domain ontology as case-base with a new method, in which two means of acquisition are combined, one is acquiring ontology from existing ontologies, the other from established engineering knowledge resources, and proposing a new semantic retrieval method as the first grade case retrieval. Numerical measurement is also employed as the second grade case retrieval, which adopts various methods to calculate different types of attribute values. A case is executed to illustrate the use of proposed CBR system, then a lot of experiments are organized to evaluate its performance and the result shows that the proposed approach outperforms existing CBR systems.     

基于本体和规则推理的GUI软件测试用例生成*

为了提高GUI软件测试用例的生成效率和可维护性,提出了一种基于本体和规则推理的GUI软件测试用例生成方法。首先建立一个通用的GUI软件测试用例本体模型,通过对其继承和实例化可获得具体被测软件的测试用例本体模型,同时开发反映测试数据生成和测试路径生成的测试用例生成规则。最后将基于OWL的测试用例本体和基于SWRL的测试用例生成规则导入Jess推理引擎,通过推理得到符合测试需求的、易于维护的测试用例子集。在核电站堆芯换料管理系统上的应用,验证了该方法的有效性。     

案例推理分类器的权重分配及案例库维护方法

由于特征权重分配以及案例库维护对案例推理（CBR）分类器的性能有重要影响,提出了用蚁狮（ALO）算法来分配权重且用高斯混合模型的期望最大化算法（GMMEM）进行案例库维护的案例推理算法模型——AGECBR（Ant Lion and Expectation Maximization of Gaussian Mixture Model Case-Based Reasoning）。首先采用蚁狮算法对特征权重进行分配,在这个过程中将案例推理分类准确率作为蚁狮算法对特征权重进行迭代寻优的适应度函数,以此实现特征权重的优化分配;然后,使用高斯混合模型的期望最大化算法对案例库中的各案例进行聚类分析,并删除其中的噪声案例和冗余案例,从而实现案例库的维护。在UCI标准数据集上进行了实验,所提模型AGECBR比反向传播（BP）、k-近邻（kNN）等分类算法平均分类准确率提升了3.83~5.44个百分点。实验结果表明,AGECBR能够使案例推理分类准确率得到有效改进。     

一种基于本体和CBR的电子政务项目审批决策支持系统

分析了将本体与CBR方法结合开发电子政务项目审批决策支持系统的优点,给出了该系统的总体框架和决策支持流程,着重介绍了基于本体的电子政务项目案例的组织和表示方法以及引入本体后案例检索过程中的相似度计算方法。实验结果表明,利用本体对项目案例包含的知识进行提取和表示,再利用这些知识对案例进行组织和检索,有效地提高了案例检索的查准率和查全率。     

P2P case storage and retrieval with an unspecified ontology

Traditional approaches for similarity-based retrieval of structured data, such as Case-Based Reasoning (CBR), have been largely implemented using centralized storage systems. In such systems, when the cases contain both numeric and free-text attributes, similarity-based retrieval cannot exploit standard speedup techniques based on multi-dimensional indexing, and the retrieval is implemented by an exhaustive comparison of the case to be solved with the whole set of stored cases. In this work, we review current research on Peer-to-Peer (P2P) and distributed CBR techniques and propose a novel approach for storage of the case-base in a decentralized Peer-to-Peer environment using the notion of Unspecified Ontology to improve the performance of the case retrieval stage and build CBR systems that can scale up to large case-bases. We develop an algorithm for efficient retrieval of approximated most-similar cases, which exploits inherent characteristics of the unspecified ontology in order to improve the performance of the case retrieval stage in the CBR problem solving cycle. The experiments show that the algorithm successfully retrieves cases close to the most-similar cases, while reducing the number of cases to be compared. Hence, it improves the performance of the retrieval stage. Moreover, the distributed nature of our approach eliminates the computational bottleneck and single point of failure of the centralized storage systems.