概念匹配方法综述*

详细介绍了概念匹配方法研究的背景和意义,分析和比较了现有的概念匹配方法及其优缺点和应用,并展望了概念匹配方法发展的方向。     

本体概念层次获取方法综述

概念层次是本体的基本骨架,而概念层次的获取又是本体学习中非常重要的一步.参考大量的文献资料,分析了当前国内外本体概念层次获取研究中采用的多种方法和技术,指出了研究中的关键问题,阐述了其研究进展,探讨了研究中存在的问题和未来的发展方向.     

形状匹配综述

本文对形状匹配的方法进行了回顾.介绍了一些形状表示方法,其中主要是形状简化的方法.形状匹配的方法可以分为基于各种变换不变量的形状匹配方法和基于局部特征的形状匹配方法,并根据这一分类介绍了很多有代表性的匹配方法.     

计算机视觉中的图匹配方法研究综述

图匹配是值借助匹配算法,从两幅图像或者多副图像中寻找相似之处,进而实现对图像的科学化和精准化处理,是当前计算机视觉领域中尤为重要的一项技术.图匹配的本质为离散组合优化问题,经过长期的研究及时间应用,当前已经形成了多种图匹配方法,文章从计算机视觉中的图匹配基本要素出发,对几种常见的图匹配计算方法进行了总结,对研究图匹配方法具有指导性作用.     

数据流概念漂移处理方法研究综述

目前非稳态数据流中的概念漂移愈来愈呈现出不同速度、不同空间分布的趋势,给数据挖掘、机器学习等诸多领域带来了极大的挑战。近二十年来,许多致力于在非稳态数据流中处理概念漂移的技术方法被提出。从一种新颖的角度,分别针对主动检测的显式方法和被动自适应的隐式方法对目前的概念漂移处理技术方法进行了全面的阐述。首先,从处理某一特定类型和多种类型的概念漂移的角度对主动检测方法进行了分析,并从单学习器和集成学习的角度对被动自适应方法进行了分析;其次,对诸多概念漂移处理方法的对比算法、学习模型、适用漂移类型、算法的优缺点进行了全面总结;最后给出了未来的研究方向,包括类不平衡的数据流概念漂移处理方法、含新颖类的概念漂移数据流处理方法、含噪声的数据流概念漂移处理方法等方面。     

概念漂移复杂数据流分类方法综述

传统分类器难以应对含概念漂移的复杂类型数据流分类这一难题,且得到的分类效果往往不尽如人意。针对不同类型数据流中处理概念漂移的方法,从不平衡、概念演化、多标签和含噪声4个方面对概念漂移复杂数据流分类方法进行了综述。首先,对基于块的和基于在线的学习方式对不平衡概念漂移数据流、基于聚类和基于模型的学习方式对概念演化概念漂移数据流、基于问题转换和基于算法适应的学习方式对多标签概念漂移数据流和含噪声概念漂移数据流这四个方面的分类方法进行了分析介绍;然后,对所提到概念漂移复杂数据流分类方法的实验结果及性能指标进行了详细的对比和分析;最后,给出了现有方法的不足和下一步研究方向。     

语义Web中本体概念的语义匹配分离方法

本体概念能够有效表达Web服务的语义信息,可通过推理机实现自动语义匹配,但推理机的推理过程比较耗时,会对服务计算技术多个环节的效率产生很大影响。以本体概念间的匹配度为基础,建立公共本体概念库,可在不影响本体概念表达能力的前提下,实现语义匹配过程的分离。为适应公共本体概念库的动态特性,给出对其进行更新(添加、删除和修改)的算法。实验结果表明,该方法大幅提高了语义匹配的效率,且不会对语义匹配的性能产生影响。     

面向地下管线空间数据匹配的概念语义相似性方法

<正>针对城市地下综合管线和专业管线空间数据匹配中语义表达不足、语义相似性计算方法简单及匹配质量不高等问题,提出一种顾及管线空间特征的概念语义相似性方法.首先列举管线概念属性项以表达概念语义,分析管线实体拓扑特征确定实体空间关联情况,融合其他特征建立管线本体;然后从管线信息概念内涵出发,提出基于概念语义的管线空间数据匹配模型,其中利用概念属性、空间特征及本体层次结构匹配指标,结合权重信息计算管线实体相似度大小确定匹配实体.实验结果表明,该方法能更合理地计算管线实体间的相似度,明显提升管线空间数据匹配的质量.     

路网匹配算法综述

路网匹配是基于位置服务中的关键预处理步骤,它将GPS轨迹点匹配到实际路网上。以此为基础对数据进行分析和挖掘,能够辅助解决城市计算中相关问题,例如建立智能交通系统,协助用户规划出行。本文对国内外学者在该研究领域取得的成果进行了分类总结,发现这些匹配算法可以较好地解决高采样率的路网匹配问题。但是随着城市交通的快速发展,获取和处理车辆位置信息的成本不断提高,低频采样点越来越多,现有算法匹配精确度大大下降。于是近几年,出现基于隐马尔科夫模型（Hidden Markov Model,HMM）的路网匹配算法。隐马尔可夫模型可以较为平滑地将噪声数据和路径约束进行整合,从有许多可能状态的路径中选择一条最大似然路径。重点总结了基于隐马尔科夫模型的路网匹配算法,主要是从特点与实验结果的角度对其进行对比总结,有的实验结果的正确率在一定条件下最高可以达到90%,说明了基于隐马尔可夫模型的路网匹配算法在低采样率下的有效性。最后对未来研究可能采取的方法进行了展望。     

面向事实的概念建模方法研究综述

领域概念知识建模是构建信息系统分析的关键技术和任务之一,同时也是知识工程的瓶颈问题,其难点在于如何正确完整地捕捉和验证领域专家的知识。ER和UML等有属性特性的建模方法能够很好地描述领域知识,但却难以让领域专家确认知识的正确性和完整性。面向事实的信息建模(FOM)是一种完全面向自然语言交流的领域概念知识建模方法,是一种理想的概念建模和本体工程辅助工具。简要分析了概念建模过程,比较了不同概念建模方法,介绍了FOM的技术演化过程,从业务规则、动态建模、模型抽象机制、模型转换和工程应用等方面评述了FOM的研究现状和待研究问题。     

层次概念的分布式表示和学习方法综述

层次概念能够有效解释语言模型的隐含知识,并且提升语言模型的结构化优化性能。针对层次概念表示和学习模型的多样化发展,该文分析了层次概念表示的线性空间、概率空间和文本蕴含性质,梳理了概念学习模型的层次结构和优化原理,用于促进概念学习模型的应用效果。通过阐述概念学习过程和语义空间的层次性质,归纳层次概念学习的四类计算模型：基于条件熵的文本层次概念抽取;建立语言资源的概念层次和神经网络的隐含层次之间的映射;通过迭代的随机过程拓展主题模型;在正则化因子中添加语义关系约束。通过概念学习综述得出如下结论：层次性的语言模型广泛结合了显明和隐含的概念表示方法;统计模型和语言资源的语义映射是拓展层次结构的主要路径;层次结构具有双曲空间和嵌套球形结构;层次结构分析可以提升统计模型的解释水平。     

高性能正则表达式匹配算法综述

深度检测在维护网络安全、保证服务质量等方面扮演着重要的角色。正则表达式匹配算法作为高性能深度检测的核心技术,具有重要的研究价值和实践意义。随着网络流量不断增长、规则数目持续增多以及网络结构日趋灵活和动态,现有的正则表达式匹配算法面临着匹配速度、内存占用和更新能力等多方面的挑战。介绍了正则表达式匹配算法的研究背景,从空间压缩、匹配加速、新型自动机设计以及规则拆分和分组四个角度入手,分类总结了学术界具有影响力的研究成果。通过基于真实网络流量的评测,比较了几种经典匹配算法在不同规则集上的匹配速度、内存占用和预处理时间等性能指标,并给出了不同需求场景下高效正则表达式匹配算法的选择建议,归纳了高性能正则表达式匹配算法的下一步发展方向。     

Soundex语音匹配算法综述

对Soundex语音匹配算法的原理、缺陷和改进进行综述,分析一个版本的Soundex改进算法的源代码,指出Soundex适合用于模糊匹配挖掘和预处理,简要介绍Soundex及其改进算法目前的应用领域,及其在自然语言处理领域的潜在用途.     

概念建模研究综述

概念建模是指创建概念模型的行为,这些模型用来描述问题,与具体用于解决问题的技术和策略独立无关。在过去数十年中,大量概念建模方法和工具纷纷涌现,许多理论如本体论、语言学和认知学的引入,增强了概念建模的理论基础。基于本体的概念建模研究得到了充分的重视。本文对概念建模的发展、概念建模语言、基于本体的概念建模以及概念模型的质量评估进行系统的阐述。     

概念结构研究综述

概念结构由概念之间的依赖关系构成,它是知识的核心,并且一直潜伏在后台发挥作用,人的认知能力皆来源于此。因此对概念结构的研究有助于提高知识系统的问题求解能力,尤其是领域开放的问题求解。对概念结构的研究要求解决三个问题,即概念结构如何表征与存储、概念结构如何逐步构建、概念结构如何运用于各种智能任务。主要讨论概念结构的表示和构建问题,并对概念结构相关的知识表示方法及其应用作了比较系统的阐述。     

双目视觉的匹配算法综述

双目视觉是获取对现实世界立体感知的重要方法,在自动驾驶等领域得到了普遍 的应用。立体匹配是实现双目感知的前提,该算法对左右摄像机拍摄的照片进行像素级的匹配, 生成稠密视差图,从而获取了三维坐标信息。概述了立体匹配算法近 20 年来的发展过程,围绕 基于人工特征和深度学习两个方向进行了综述,对算法实现过程中的代价计算、代价聚合、视 差计算和视差求精进行分析讨论,评估了算法的准确性和时间复杂度。最后总结了立体匹配算 法面对的挑战和对未来发展的展望。     

字符串近似匹配查询技术综述

字符串匹配是计算机科学中最经典、研究最广泛的问题之一,并且已经被应用到了众多领域当中。然而随着计算机和网络技术的飞速发展以及新问题的不断提出,人们逐渐发现在实际应用中有时更需要进行近似字符串匹配。因此,研究高效的近似字符串匹配算法具有重要的理论价值和实际意义。     

大规模图数据匹配技术综述

在大数据时代海量的多源异构数据间存在着紧密的关联性,图作为表示数据之间关系的基本结构在社交网络分析、社会安全分析、生物数据分析等领域有着广泛应用.在大规模图数据上进行高效地查询、匹配是大数据分析处理的基础问题.从应用角度对用于图查询的图数据匹配技术的研究进展进行综述,根据图数据的不同特征以及应用的不同需求对图匹配问题分类进行介绍.同时,将重点介绍精确图匹配,包括无索引的匹配和基于索引的匹配,以及相关的关键技术、主要算法、性能评价等进行了介绍、测试和分析.最后对图匹配技术的应用现状和面临的问题进行了总结,并对该技术的未来发展趋势进行了展望.     

智能交通系统中的车辆匹配综述

车辆匹配是一种利用图像或视频中的车辆信息,与数据库中的车辆数据进行对比,从而实现车辆的识别、跟踪和分类的技术。它在交通监控领域有着广泛的应用,本质上是一个基于邻近点的重复图像检索问题。目前,车辆匹配技术主要分为三类,包括基于传感器的方法、基于人工设计特征的方法和基于深度学习的方法。