基于混合增强智能的知识图谱推理技术研究

如今,知识图谱被广泛应用在各个领域,例如问答系统、推荐系统等。而基于知识图谱的应用表现很大程度上依赖于知识图谱本身的知识完备性与准确性。单纯通过人工补齐与审核的方式来构建知识图谱已无法满足超大规模知识图谱的需求。针对上述问题,提出一种基于混合增强智能的知识图谱推理框架,即同时利用机器模型与人的知识信息来完成知识图谱推理。该框架在基于知识图谱嵌入的向量空间中,利用混合增强智能模型来寻找到实体节点之间的有效路径。与现有方法不同的是,该方法在训练模型时,高效地利用人的知识信息来指导模型的优化。实验表明,该框架在公开数据集上的表现相较于现有方法有一定提升。     

浅析阳极板对电解铜残极率的影响

运用理论和数据相结合的方法,将阳极板对残极率的影响因素进行了较为全面的分析.结合生产实际数据,提出了具体的分析计算方法,通过对具体数据计算结果相比较,得出了阳极板的重量、规格大小以及耳厚的均一性对降低电解铜残极率具有重要影响.     

双酚S型EP的制备及其复合体系粘接性能的研究

以双酚S单体、ECH(环氧氯丙烷)为原料,在碱性条件下制得双酚S型EP(环氧树脂);然后以双酚S型EP/双酚A型EP作为复合EP,采用柔性固化剂制得复合EP胶粘剂。研究结果表明:当固化剂为D230时,复合EP胶粘剂的剪切强度相对最大;以复合EP胶粘剂胶接不同基材,则相应胶接件的剪切强度随双酚S型EP或D230含量增加均呈先升后降态势,并且在w(D230)=40%、w(双酚S型EP)=30%(相对于总树脂质量而言)时相对最大。     

基于LCD和改进棋盘格模板的摄像机标定

为了克服传统棋盘格模板标定点检测算法对于遮挡、视角、照明和畸变的局限性,提出一种利用基准点标记代替传统棋盘格黑白方块的改进模板,同时提出模板标定点的相应全自动识别算法.为了提高标定模板的质量,标定模板通过LCD(liquid crystal display)显示.因为LCD具有极高的几何精度和纯平面性,从而提高标定精度.传统摄像机标定同时计算针孔模型和透镜畸变模型,从而2种模型耦合在一起,所得到的标定结果仅对训练数据是有效的,而算法对于新数据的标定误差增加.为了克服2种模型的耦合,提出一种分离地标定2种模型的方法.算法利用模板的射影不变量约束,即交比和直线的射影为直线,求解带有畸变的标定点的校正的坐标,然后线性地求解2种模型.实验结果表明算法稳定且精度高.     

基于本体分割的本体映射算法

映射效率对于Web服务发现和组合、智能空间上下文感知等领域的动态映射至关重要。现有方法对相似度计算方法加以简化来提升效率,但当候选匹配实体对的数目随本体的规模增大而急剧增加时,就无法有效地处理。文中提出一种基于本体分割的高效本体映射算法。通过自下而上的聚类,将本体划分为一组大小合适的本体块。然后基于向量空间算法进行块映射,并从块映射结果中选取实体映射的候选匹配对,从而削减其数量,达到减少时间复杂度的目的。实验表明,文中方法显著提升运行时本体映射的效率,比Falcon-AO本体映射方法快6倍。     

元数据在网上高校中的应用研究

针对目前高校信息化建设过程中存在着大量的信息资源需要共享、交换、发布,然而基础数据的格式不统一、信息描述格式的混乱,造成系统间难以有效地进行信息共享和互操作.为了进一步增强电子政务办公系统的可操作性、可移植性、可扩展性、可维护性和数据一致性,论述了元数据定义及其在电子政务办公系统中的作用.     

普适环境中面向推理的上下文缓存置换算法

上下文缓存是减少上下文信息访问开销、降低信息传输数量、缓解连接中断引起的程序不可用性的有效途径.面向推理的上下文缓存置换算法CORA的目标是使上下文缓存达到较高命中率,有效节省普适计算中传输上下文的开销.CORA采用状态空间对低级上下文到高级上下文的推理进行建模,对各种上下文推理方法具有普遍适用性.CORA算法分为两个部分：1)在缓存端,该算法计算低级上下文的访问概率和预计失效时间,获得数据的缓存价值,作为上下文缓存置换的依据,以提高缓存的命中率;2)在传感器端设置相应的可变化范围,当传感器读数超出该范围时,主动更新缓存,以保证缓存数据的一致性.模拟实验将CORA和经典的缓存置换算法LRU进行对比,分别通过改变缓存容量、对上下文访问概率的不均匀程度和上下文更新访问比来考察两种算法的命中率,结果显示,当缓存容量相对上下文总数较小、访问概率分布较不均匀、更新访问比较高的情况下,CORA的命中率大大高于LRU.由此证明,CORA更适用于较为动态的普适计算环境.     

武汉煤炭科技综合楼高层结构设计与分析

本文简要介绍了武汉煤炭科技综合楼的概况、结构选型、设计方法，并对计算结果进行了对比分析。     

基于Hadoop和Mahout的大数据管理分析系统

随着数据量的爆炸性增长、数据结构的多样化和数据的流动性,传统的关系数据库系统已经无法满足大数据管理和分析的要求。因此有必要对基于大数据的数据管理和分析系统进行研究,以达到快速地统计和分析特定领域中海量结构化/非结构化数据,最终为决策提供支持的目的。提出一种基于Hadoop和Mahout的大数据管理分析系统。通过数据特性的分析,将数据分解后存入对应的数据库中进行管理。并在特定的应用领域中实现和验证了所提出的大数据管理分析系统,获得了优于已报道相关研究工作的数据分析结果。