基于本体的语义数据融合方法

针对网格中语义数据的按需访问问题,提出了基于本体的语义数据融合方法OSDF.该方法以数据对象为基本元素,利用数据对象和领域本体之间的映射关系来表达数据对象的语义,使用嵌套关系模型来表达数据对象的模式信息,通过把一个网格节点中集成的所有数据对象作为下一个节点的数据对象来实现数据资源由粗到细的融合.文中定义了OSDF的语义模型,给出了虚拟数据库的查询执行过程和算法,为使用者提供了具有语义支持、服务质量保障的数据访问服务.原型系统验证了OSDF的正确性和可行性.     

基于灰色关联分析的多传感器数据融合方法

提出了一种基于灰色关联分析的多传感器数据融合方法，计算多传感器测量数据的灰色关联矩阵，进行灰色优势分析，然后进行数据融合。此方法考虑了各传感器测量数据的精确度，而且删除了测量比较差或测量不到的数据。仿真结果表明，应用该方法可进一步提高多传感器的测量精度和可靠性，适用于多传感器的数据融合。     

数据融合中的概率数据关联算法

阐述了多传感器数据融合中的概率数据关联算法,并采用ＭＡＴＬＡＢ高级语言进行模拟,最后得到了满意的目标跟踪曲线和跟踪误差。     

基于语义分析的运维数据关联知识库构建方法研究

传统方法采用数据挖掘的方式构建运维数据关联知识库,返回的关联信息并非用户想要的最终结果,不符合用户意图。为此,提出一种新的基于语义分析的运维数据关联知识库构建方法。给出运维数据关联知识库结构。采用文档主题生成模型LDA获取关键词,通过语义相似度求出知识案例与检索词间的相近程度,将和检索词相似度最高的结果作为检索结果。对运维知识项的各个属性赋予权值,依据构成元素的权值与知识库各个属性的匹配关系计算权值和,求出相似度。采用关键词权重量化法对检索结果进行处理。将构建知识库应用于动车系统中,结果表明,通过构建知识库可有效检索运维数据关联知识,为运维人员提供依据。     

基于关联数据的开源情报语义聚合框架研究

为避免搜集的开源情报产生"信息孤岛"和资源浪费,应聚合现有的开源情报.在明确开源情报语义聚合内在需求的基础上,根据情报语义聚合的目标、原则和流程,探索关联数据在开源情报语义聚合的作用机理,深挖本体在语义聚合中的协同性,构建开源情报语义聚合架构.     

一种数据元语义描述方法

随着数据元标准的建立,数据元在数据集成中有重要作用.当前数据元的语义是通过自然语言解释的,难以满足计算机自动应用数据元的需求.采用本体的思想,提出了一种形式化的数据元语义描述方法,以领域本体的概念为原子概念,以数据元为复合概念,按照数据元的语义特点,建立树形语义描述结构,并定义数据元语义的XML描述方法及图形描述方法.     

大规模关联数据的语义查询技术研究

本文在研究了当前关联数据语义查询技术的基础上,提出一种适应大规模关联数据的语义查询技术及其实现方案。     

一种基于关联匹配度计算的语义Web服务匹配方法

在现有的语义Web服务匹配方法基础上加入服务语义关联匹配度计算,从而提出一种改进的语义服务匹配方法。该方法通过语义关联将一对一匹配淘汰的服务进行组合来实现一对多的服务匹配,在得到的候选服务和候选服务集中进一步计算Web服务的匹配度,经过匹配度的排序,得到最佳匹配度的服务。该方法避免了仅从单一接口参数上进行语义服务匹配,能在一定程度上提高匹配的效率,实现查准率、查全率和查询效率之间的有效平衡。     

两种数据关联算法的比较

近年来,随着传感器技术的发展及其应用的广泛,数据融合也日益受到人们的重视。数据关联作为数据融合的一个基本问题也得到了深入的研究。本文就两种典型的数据关联算法进行了研究,并通过实验比较分析了它们的优缺点。     

面向道路交通监控网的异构大数据语义融合方法

为解决广域网分布式环境下异构车辆轨迹大数据的语义融合问题,基于MapReduce和ACO算法提出可在广域网环境分布式并行执行的异构大数据语义聚类融合DPACO方法.该方法在数据源端节点并行完成聚类运算中复杂度最高的部分,将所得结果合并为数据量较小的中间结果,然后将中间结果传送到中心节点并自适应地生成聚类中心.此外,该方法无需预设公共语义模型,通过移动计算避免移动大数据,大大提高了运算效率.实验比较了DPACO方法和已有基于MapReduce的并行化ACO方法,结果表明DPACO方法在广域网环境异构大数据语义融合中具有更好的可用性.     

面向资源融合网格的语义数据融合

网格中的数据资源多种多样,为用户提供具有语义支持的、按需访问的数据服务是资源融合网格中数据融合的关键问题。本文提出了基于本体的语义数据容融合方法ODSF;该方法中的基本元素是数据对象,通过数据对象和领域本体之间的映射关系来表达数据对象的语义,使用嵌套关系模型来表达数据对象的模式信息,通过一个网格节点中集成的所有数据对象作为下一个节点的数据对象来实现数据资源由粗到细的融合;定义了ODSF的语义模型,给出了虚拟数据库的查询执行过程和算法,可以为使用者提供具有语义支持、服务质量保障的数据访问服务;通过原型系统验证了ODSF中理论和关键技术的正确性和可行性。     

基于地理网格和灰色关联的目标数据融合

提出了地理网格新概念、编码及其与地理坐标之间的转化,将同一目标在地理网格上的多个雷达信息,用灰色关联的方法进行融合,减小了干扰和随机因素引起的测量误差,使目标信息更统一、精确,同时从数据处理的角度提高了雷达的抗干扰能力,并通过实例验证了本方法的可行性和有效性。     

一种基于数据关联的聚类集成方法

聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题。文章提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果。文中选用了一些标准数据集,采用CEBDR算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明,该算法能够有效地提高聚类质量。     

一种基于数据融合的目标跟踪方法

为了提高相控阵波束的跟踪能力,基于多设备源的测量信息,提出一种基于数据融合的目标跟踪方法。该方法依次进行数据外推时延修正,数据检择,坐标变换,再进行测量数据的平滑滤波处理,最后利用动态加权的数据融合处理方法,提高了目标的跟踪预测性能。仿真实验结果表明,提的基于动态加权数据融合的目标跟踪方法具有较高的目标跟踪精度,满足系统要求。     

数据关联方法研究

在杂波环境的目标跟踪系统当中,使用的数据关联算法会直接影响到目标跟踪的效果。由于实际跟踪平台的限制,系统不仅对采用的跟踪算法有精度上的要求,还有计算复杂度上的限制。本文分析了几种数据关联方法,在不同跟踪环境下对所提及算法对比说明。为目标跟踪系统中数据关联算法的选取提供了依据。     

一种基于语义网技术和本体的数据集成方法

研究语义网技术在数据集成中的应用方法。采用规则系统实现对语义网本体语言的扩展,以提高本体语言的表达能力。在此基础上将语义网相关技术系统地应用到数据集成系统的各个方面,包括数据采集、本体构建、本体映射、数据查询和数据持久化。通过一个实例,展示了上述方法的可行性。     

一种基于障碍物群的移动机器人数据融合方法

首先给出了一种通过融合多个超声波传感器和一台激光全局定位系统的数据建立机器人环境地因的方法，并在此基础上，首次提出了机器人在非结构环境下识别障碍物的一种新方法，即基于障碍物群的方法．该方法的最大特点在于它可以更加简洁、有效地提取和描述机器人的环境特征，这对于较好地实现机器人的导航、避障，提高系统的自主性和实时性是至关重要的．大量的实验结果表明了该方法的有效性．     

多传感器信息融合中的概率数据关联算法

多传感器信息融合是现代C3I系统中的一项关键技术,在军事和民用方面有着极为广泛的应用背景,是目前科技界的一个热门研究.本文提出利用PDA(Probabilistic Data Association)算法最优性能状态来有效减少目标跟踪门内无效观测的数量,达到改善算法性能的目的.通过理论分析,证明本方法的有效性,尤其在强干扰的环境中更为明显.     

数字图书馆与数字博物馆之间的资源复用方法

数字图书馆与数字博物馆之间的资源复用是指一个馆可以通过拷贝或链接的方式使用另外一个馆的相关资源，涉及四个步骤。包括：馆际之间建立数据映射；选择合适的复用粒度；选择合适的复用方式；实现资源复用。