一种基于语义网的本体映射改进算法

针对目前基于语义网的本体映射算法中背景本体搜索面少、本体收集不精确的问题,利用基于虚拟文档的映射技术提取在Word—Net中与概念同义的同义词集,将对单个概念进行搜索转换成对同义概念集进行搜索,从而扩大本体搜索面,获取更多背景本体。提出基于语义环境的动态本体映射算法来排除错误背景本体,使本体收集更加精确。实验结果表明,该算法可有效提高映射的查全率和查准率。     

基于UML类图的OWL本体映射方法

传统的本体构建在抽取关键观念和关系时,各领域专家的参与增加了构建领域本体的成本,限制了以领域本体为基础的语义两的发展和普及。针对该问题,通过分析UML类图和OWL的异同点,提出从现有UML模型中提取本体的概念、属性、关系、约束等领域知识并将其映射为OWL本体的方法,利用该方法将加油卡发行UML模型成功转换为OWL本体,从而实现本体创建的经济性和高效性。     

一种数字家庭环境下的本体服务映射模型

当前的数字家庭系统大多使用预定义的服务调用模式,无法从语义层面上理解服务的含义并会导致系统可伸缩性差等问题.为了解决这些问题并借鉴语义网的经验,提出一种数字家庭环境下的本体服务映射模型(OSMM).OSMM以家庭环境本体为基础,以Jess推理机为推理核心,使用决策语义输入,输出映射后的实际物理设备调用接口.在虚拟数字家庭仿真实验平台(VSM)中的仿真表明,OSMM能够很好地理解决策语义并输出合适的映射结果,并具有低延时的特点,能够满足一般数字家庭决策系统的需求.     

一种在语义网环境中的域间本体模糊映射算法

在语义网中,每个域都拥有自己的本体,机器对于Web上信息语义的处理被限制在某一特定域的内部。如果需要实现跨域之间的机器之间的语义交互,则需要在各个域本体的概念之间建立起模糊映射,也就是要计算出它们之间的语义相似度。本文提出了一种算法,可以有效地在语义网环境中建立域本体的概念之间的模糊映射。     

一种基于同义词词林的中文大规模本体映射方案

本体映射是解决本体异构问题的重要途径和手段,中文知识是网络开放知识库的重要组成部分,但现有的中文本体映射系统在面对大规模本体映射任务时,显得效率较低且可用性不高,目前仍缺乏针对中文大规模本体映射的相关系统。为了解决中文大规模本体的映射问题,设计并实现了一个面向中文的大规模本体映射系统。首先,提出了一种基于拟核力场势函数的大规模本体压缩方法;其次,提出了一种基于同义词词林的中文概念等价关系确定算法;再次,实现了大规模中文本体映射的原型系统;最后,将本系统与相似度计算相关典型算法进行比较,证明其具备一定的可用性和较高的总体性能。     

一种面向语义网服务的本体映射框架*

本体的异构性阻碍了语义网服务的互操作。从解决语义网服务中本体的异构问题出发,同时考虑到目前的本体映射系统大多效率不高、映射结果不够准确的问题,提出了一种适用于语义网服务的本体映射方法及系统框架。该方法利用机器学习技术来提高本体映射的自动化程度,利用综合评判技术修正映射结果,以提高本体映射的准确率。采用OAEI 2007的基准测试数据集benchmarks进行实验测试,结果表明本系统的性能基本达到预期效果,能够有效地解决语义网服务中的本体异构问题。     

一种关于本体复合映射的挖掘算法

为了提高本体映射的精度,往往需要同时考虑1∶1、1∶n、n∶m等多种不同的情况。而对于以往的映射算法而言,它们主要考虑了简单的1∶1的映射,忽略了同样重要并占据相当比例的复合映射问题,这样极大地损失了本体映射的精度。针对这个问题,提出了一个基于多种关系的复合映射发现算法。实验证明,该算法在对本体复合映射的发现问题上非常有效,而且极大地提高了映射结果的精度。     

一种基于片段映射的本体映射模型

在大规模本体映射中,不相关元素的匹配可能造成时间和空间的浪费。本文提出了一种基本片段映射的映射模型,将本体分解后进行片段映射。这种方法可以提高大规模本体的映射效率,并能有效发现m-n映射关系。     

一种新的基于树分割的本体映射算法

在进行本体映射时,由于现有映射算法的不足和本体固有的复杂性,映射的效率仍然不高.本文提出一种基于树分割的本体映射算法,首先根据本体的结构将本体树分割成不同粒度的子树集,然后在各子树之间运用子树映射算法进行映射.理论分析和实验结果证明,本文提出的映射算法在保证映射查准率和查全率的同时,较之现有的映射算法在效率方面有了很大改进.     

基于语义Web的本体及本体映射研究概述

本体在语义Web中具有重要的地位，是解决语义层次上Web信息共享和交换的基础。文中介绍了本体的基本概念、描述语言及其在语义Web中的应用、本体映射的基本知识并综述了相关本体映射工程中的具体思想和方法。     

一种基于马尔科夫网的本体匹配算法

概率模型是解决不确定性推理和数据分析的有效工具。针对本体匹配的不确定性,提出一种基于马尔科夫网的本体匹配改进算法。采用多种传统匹配算法计算相似度矩阵,改进相似度传播规则,添加2种结构稳定性约束规则和1种Disjoint一致性约束规则,定义其对应团的势函数。根据相似度矩阵和上述规则,给出马尔科夫网的构造方法,使用循环置信度传播算法计算随机变量的后验概率,依据后验概率得到最后的本体匹配结果。在OAEI2010数据集上进行实验,结果表明,与iMatch本体匹配系统相比,该算法能有效降低概率模型的复杂度,提高本体匹配的准确率和召回率。     

基于后缀WM匹配算法的改进算法

针对基于后缀WM匹配算法中的字符重复匹配问题,给出了相应的改进算法.该算法针对扫描阶段确定的与模式串前缀、后缀和前m个字符的后缀都相同的文本串字符块,在匹配阶段跳过文本串字符块中已经确定的字符块,避免了对已经确定的字符块的重复匹配,减少匹配开销.实验结果表明,相对于原始算法,改进算法降低了系统匹配的运行时间,提高了系统运行的效率.     

基于多属性的本体实例匹配算法

提出一种基于多属性的本体实例匹配算法,利用关键性属性获得待匹配本体实例间的相似度,使用Similarity Flooding算法,依据由对象属性构成的有向图对实例间的相似度进行修正,并获得初始匹配结果,根据必要性属性过滤初始匹配中的错误匹配。实验结果表明,该算法可提高本体实例匹配的查准率与查全率。     

改进的多分辨率形状匹配算法研究

形状匹配算法虽然在基于内容的视频检索中应用广泛，但由于视频数据量非常大，匹配非常耗时，因此形状匹配算法通常会成为实时视频检索的瓶颈，为了快速准确地进行形状匹配和检索，提出了一种改进的多分辨率Hausdorff距离变换算法，该算法是通过对后向匹配算法进行优化来使匹配速度大大加速，可用干进行实时车型比较和识别。实验结果表明，该改进算法在车型识别上具有速度快和准确性高的优点，尤其在模板图像比较大的情况下，此改进算法优势明显。     

一种改进的基于不变矩的图像匹配算法

通过对不变矩理论的分析,提出以局部图像的边缘不变矩特征及其灰度信息的统计特征相结合的两阶段匹配算法.首先利用不变矩的平移、旋转及伸缩的不变性,计算图像边缘不变矩,将其作为匹配特征,在匹配结果中取前N个较好的匹配结果作为侯选目标;再根据契比雪夫不等式确定候选目标的置信度;最后计算各个候选目标的直方图包含的统计特性进行最终目标的定位.实验结果表明该算法克服了传统图像匹配方法搜索目标时存在的置信度问题,通过与基于不变矩特征直接匹配方法和基于灰度相关的匹配方法比较可见,在性能上明显优于这两个方法,并得到较理想的匹配结果.     

一种基于几何特征的改进模板匹配算法

在线视觉棒材计数系统通过实时处理视频信息对运动对象进行计数，为了满足实时性行要求，本文提出一种基于几何特征的快速模板匹配算法，实验表明该算法能有效地识别出棒材目标，并显著提高了速度。     

一种基于几何特征的改进模板匹配算法

在线视觉棒材计数系统通过实时处理视频信息对运动对象进行计数,为了满足实时性行要求,本文提出一种基于几何特征的快速模板匹配算法,实验表明该算法能有效地识别出棒材目标,并显著提高了速度。     

一种基于图割的改进立体匹配算法

针对基于图割法的立体匹配算法耗时太长的问题,提出了一种基于简化网格图的立体匹配算法．算法 通过区域匹配算法得到每个像素的初始视差值,然后只保留完整网格图的部分可能的视差值,去除其余大部分的节 点和边缘,建立简化的网格图．该方法大大缩减了网格图的容量,缩短匹配所用时间,并且能够选用更大的视差范 围．实验证明,该算法能够得到比较理想的视差图,而且大大缩短立体匹配所用时间．     

基于WordNet的本体概念匹配算法改进

本体（Ontology）是共享概念模型的明确的形式化规范说明。本文首先介绍了斯坦福大学的半自动本体合并工具Prompt在本体概念匹配方面的缺点：忽略了概念的语义信息,无法识别同义词。对Thanh Dao提出的基于WordNet的概念语义相似度算法进行改进,并将其用于Prompt,弥补了其无法进行语义匹配的缺陷。     

改进的基于图像分割的立体匹配算法

提出一种立体匹配算法．首先采用均值平移算法将参考图像根据彩色信息快速聚类成不同区域;然后通过灰度差平方和匹配计算初始视差图;在构造能量函数时,将分割结果作为视差函数的一个参考项;最后采用图切割算法求取使全局能量最小的视差最优分配．通过标准图像对进行测试,并与其他算法进行了比较．实验结果表明,与原有算法相比,该算法可有效地处理大的低纹理区域,匹配精度高,更有利于估计视差图的边界．