基于本体的电力系统中数据集成方法的研究

被引量 : 8次 | 上传用户:dreamlisheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络的发展和电力系统管理的需要,大量的异构数据源应运而生。但是在电力系统信息化建设过程中需要将一些分布的、异构的数据根据应用需求集成起来。传统的数据集成方法缺乏对形式化语义的描述,使得集成过程中常常出现的语义缺失的问题。本文研究的就是利用本体来建立一个语义保持的数据集成系统。本文首先对国内外研究现状进行叙述,对几种传统的数据集成技术进行的介绍并论述了优缺点,接着对数据集成概念进行了阐述,再次基础上引出了本体的概念和理论。本文利用本体技术设计了基于本体的电力系统数据集成体系结构,此体系结构
其他文献
目前,随着高校网络环境的改善,图书馆自动化条件的不断优化,很多高校图书馆都已经或正在着手特色数据库的建设工作。其中,学生毕业论文库的建设也是图书馆的一项重要工作。学
人脸检测是指对输入图像或视频序列进行检测,以确定其是否包含人脸,并对包含人脸的数据提取其大小、形状、姿态和位置等信息的过程。人脸检测技术是机器视觉、模式识别和人工智
在过去,传统的奈奎斯特采样定理一直统治着信号处理领域。随着人们对信息需求量的日益增加,信号的带宽越来越宽,在信息获取中对采样速率和处理速度等的要求也越来越高,这无疑
学位
图形处理器(GPU)具有很强的并行处理能力,并且计算成本低,利用GPU加速字符串操作已经成为了当前并行计算领域的研究热点。近似字符串匹配技术在病毒检测、文件检索、计算生物学等
为了有效利用Deep Web中丰富的信息,当前的许多研究多集中于对Deep Web数据集成中子问题的研究。而在这些子问题中,Web数据库选择是影响Deep Web数据集成质量的重要因素之一
近十几年来,数字多媒体正在逐渐渗透到人们的日常生活中。在各种各样的多媒体信息中,数字图像占据了非常重要的位置。但是随着图像处理技术的发展,对图像的编辑修改等操作变得非
最近,机器学习领域出现了一系列基于多层神经网络架构的学习方法,称为深度学习方法。深度置信网络作为经典的深度学习方法,可以包含较多隐藏层,可以更好的学习各种复杂数据的
分类是机器学习领域的重要研究方向之一,经过多年发展形成了一些较为成熟的算法,并在实际中取得成功的应用。这些传统的分类算法以分类正确率作为最大的目标,且假定数据集中各类
模式匹配是计算机应用领域重要的研究方向,广泛应用于入侵检测、信息检索、生物科学计算等方面。随着计算机网络技术的飞速发展,数字信息量出现了爆炸式增长。如何提高模式匹