一种关于本体复合映射的挖掘算法

来源 :计算机应用研究 | 被引量 : 2次 | 上传用户:zx154028
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
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。
其他文献
提出一种可视化的约束规则建模语言(visual constraint modeling language,VCML),采用XYZ/E语言作为逻辑框架,统一定义约束规则和业务过程两种模型的形式化语义,为约束规则的自动验证提供形式化基础;然后基于模型检验(model checking)技术,简要讨论模型自动验证的实现方法;最后通过一个应用实例说明业务过程约束的建模。
针对传统的均值漂移算法,加入了梯度方向直方图及其与颜色直方图的自适应选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性。传统的均值漂移算法往往选择固定的一个颜色直方图对目标进行跟踪,当目标自身或者跟踪场景发生变化时,容易跟踪失败。通过分析被跟踪目标在当前场景中与目标模板在颜色以及梯度方向上的相似性并设定阈值,从而选择并使用当前有效的目标特征,实现复杂变化场景下的目标跟踪。一系列不同场景下的运动目
目前计算机视频取证的一个重要目标是如何快速准确地在海量视频中定位犯罪事件发生的时刻和地点,最终形成视频证据。针对复杂背景条件下丢弃或拾起等事件的监控视频,提出一种基于光流特征和形状特征结合的事件检测方法。通过实验证明了该方法在视频事件分析取证中的有效性。
目前的聚类算法如K-means、DBSCAN等,采用全局参数而难以发现数据的自然聚类,提出一种新的分级聚类算法C luFNC,能够在数据空间中发现内部聚类特征。该算法的参数包括网格大小、噪声阈值和神经节点数量。算法首先根据参数对数据空间划分网格,接着使用高斯影响函数计算每个单元的场强,然后针对网格位置和网格的场强使用SOM进行聚类,最后使用Chameleon算法对SOM聚类得到的神经网络节点的权值
为了在保证PSNR和bitrate的基础上,提高立体视频编码的速度,首先,对立体视频序列各模式进行统计分析,然后进行快速帧间模式选择算法的比对,并最终确定使用基于图像细节程度的快速帧间模式选择算法进行编码。实验结果表明,在图像质量和压缩效率基本不变的情况下,大幅度提高了H.264立体视频编码的速度。