在城市交通信息集成中基于本体的语义融合模型

交通信息融合技术已成为智能交通系统中研究热点,它对于城市交通综合管理、交通预案应急联动以及数字城市建设有着十分重要的意义. 采用本体技术和语义逻辑代数方法,
对多源异构的城市交通信息的统一表示、融合等问题进行了深入探索. 通过城市交通本体建立静态和动态的城市交通信息的统一语义模型,并定义本体在语义层面上的融合规约和代数操作,以实现城市交通信息融合在语义上的完备性和一致性. 在城市交通信息集成中增加语义融合功能,对降低交通信息集成的数据量,提升集成后交通信息的查询和分析效率及准确性都有较大帮助,在实践应用中也体现了一定的效果.     

�ڳ��н�ͨ��Ϣ�����л��ڱ���������ں�ģ��

交通信息融合技术已成为智能交通系统中研究热点,它对于城市交通综合管理、交通预案应急联动以及数字城市建设有着十分重要的意义. 采用本体技术和语义逻辑代数方法,
对多源异构的城市交通信息的统一表示、融合等问题进行了深入探索. 通过城市交通本体建立静态和动态的城市交通信息的统一语义模型,并定义本体在语义层面上的融合规约和代数操作,以实现城市交通信息融合在语义上的完备性和一致性. 在城市交通信息集成中增加语义融合功能,对降低交通信息集成的数据量,提升集成后交通信息的查询和分析效率及准确性都有较大帮助,在实践应用中也体现了一定的效果.     

METADATA EXPANDED SEMANTICALLY BASED RESOURCE SEARCH IN EDUCATION GRID

With the rapid increase of educational resources, how to search for necessary educational resource quickly is one of most important issues. Educational resources have the characters of distribution and heterogeneity, which are the same as the characters of Grid resources. Therefore, the technology of Grid resources search was adopted to implement the educational resources search. Motivated by the insufficiency of currently resources search methods based on metadata, a method of extracting semantic relations between words constituting metadata is proposed. We mainly focus on acquiring synonymy, hyponymy, hypernymy and parataxis relations. In our schema, we extract texts related to metadata that will be expanded from text spatial through text extraction templates. Next, metadata will be obtained through metadata extraction templates. Finally, we compute semantic similarity to eliminate false relations and construct a semantic expansion knowledge base. The proposed method in this paper has been applied on the education grid.     

基于上下文自编码的船舶行为语义表征

考虑船舶行为的时序相关性，提出了一种基于上下文自编码的船舶行为语义表征(SRCAE)模型；提取船舶经度、纬度、航速、航向等行为特征参量，建立了行为特征序列；借助连续词袋模型将行为特征序列划分为中心船舶行为和上下文船舶行为，利用深度自编码网络构建了船舶上下文行为的语义表征模型，将得到的中心船舶行为编码作为表征向量输出，通过聚类算法构建船舶行为词典；选取长江口南槽交汇水域作为研究对象，利用船舶自动识别系统产生的数据对提出的模型和方法进行了验证。分析结果表明:所提出的SRCAE模型能有效表征船舶行为之间的上下文联系，与传统自编码器和长短期记忆网络自编码器等模型相比SRCAE模型具有更低的表征误差；分别采用k均值(k-Means)、高斯混合模型(GMM)与核k均值(Kernel k-Means)3种聚类算法提取船舶行为词典，与原始数据相比SRCAE模型产生的表征向量更易于区分不同船舶行为模式，其中k-Means效果最优，轮廓系数、卡林斯基-哈拉巴斯指数和戴维森堡丁指数指标分别达到了0.384、18.308、0.531，共产生转向加速、转向减速、直行加速、直行减速等30种复合行为，有效提取了不同行为模式下船舶行为词组合关系。      

����Web Services�Ľ�ͨ��Ϣ����ϵͳ�������ʵ��

分析了交通行业相关业务处理信息系统进行数据集成的必要性；对现有信息集成的方法和技术进行总结、对比和分析，结合交通信息化的进展和实际需求得出：基于Web Services的信息集成方案是构建交通异构数据集成系统较为理想的体系结构。根据Web Services的体系结构和特点，设计了交通异构数据集成系统的方案，对其中的关键技术进行了说明。以客运管理信息系统为例给出了基于VS.Net平台的交通异构数据集成的实现方法和具体步骤。     

Modeling of additive manufacturing process relevant feature in layer based manufacturing process planning

Compared with general machining processes, additive manufacturing (AM) process has stabler planning route and limited process variables and this makes it to be more easily designed and planned with knowledge based systems and computer aided techniques. Case based reasoning approach is applied to the process planning of additive manufacturing in this paper. The concept of “AM process relevant design features” is proposed after the analysis of the characteristics of AM processes. The concept is used as the basis of the knowledge representation, and AM relevant feature graph is used as the case representation schema. The case retrieval method is discussed based on this graph. The case representation of a machine arm is given to illustrate the brief process of the proposed approach.     

基于网格的城市应急系统方案设计

目前政府应急指挥系统许多还是基于C／S或B／S模式．功能限于信息发布、上报与制定应急预案．文中研究基于网格环境设计应急指挥系统．讨论了政府应急指挥系统与基层应急子系统的设计方案．政府应急指挥系统中心要能实对且充分地获得各方面信息．并与下级执行部门保持紧密的联系；各网点子系统也要帮助下级部门紧急动员，实时地将应急处理过程上报中心．并与其他相关部门建立密切联系．该设计是应急指挥一体化解决方案，可以较好地解决政府应急事务处理问题．     

���������ھ�ij��н�ͨ��Ϣ������άģ��

经过规范化的发展,已经涌现出不少成熟的企业信息集成(EII)模型,而城市交通信息集成（UTII）方面还缺乏规范、成熟的模型。基于此,本文从流程再造、数据交互以及数据挖掘三个方面,提出了一种城市交通信息集成三维模型（3D-UTII)。这三个维度的集成即为：基于流程再造的交通信息系统内部的深度集成（DDII）,基于异构数据库技术的交通信息系统间的广度集成（EDII）,以及基于数据挖掘技术的分析式集成（ADII）。本文对这三个维度的实施框架和具体实现技术分别做出了进一步阐述,最后使用北京市奥运交通应急系统的信息集成方案为实例对模型的实施做出了说明和验证。     

铁路地理标记语言的研究

本文提出了RGIS面临数据之间和系统之间不统一的问题,介绍了一种具有高效空间数据交换机制的铁路地理标记语言(RGML)来解决,重点论述铁路地理标记语言的对象模型,包括地物特征对象和几何对象,地物特征对象定义了空间对象的内容和结构,几何对象提供了详细的基本空间几何组件定义.最后给出RGML描述省界的实例,说明用RGML处理铁路空间数据的优势.     

基于语义挖掘的快递运输货品风险评价研究

为提高快递运输的风险监测管控能力，降低因快递货品风险导致城市安全事件发生的可 能性，本文基于语义挖掘方法将快递运输货品描述转化为风险的量化表征，为快递运输风险评价 提供可量化的客观指标依据。基于网络大数据资源提供的法院判决书数据，将物品词条与判决 结果相关联，通过隐狄利克雷分布模型挖掘物品风险主题，结合模糊均值聚类方法，实现对快递 货品语义风险的量化表征与柔性划分。与传统方法中依赖检视人员查验既定违禁品清单后的主 观判断方法不同，本文充分挖掘网络文本数据中的可迁移知识，并应用于种类繁多的快递运输货 品，有效避免人工评价造成的漏检、错检情况。研究结果表明，本文方法具有较高的准确率与较 低的误报率，获得的风险评价值不再是0或1的是非判断，有利于开展多样化、针对性的风险预警 及应对措施。     

Semi-supervised learning in large scale text categorization

The rapid development of the Internet brings a variety of original information including text information, audio information, etc. However, it is difficult to find the most useful knowledge rapidly and accurately because of its huge number. Automatic text classification technology based on machine learning can classify a large number of natural language documents into the corresponding subject categories according to its correct semantics. It is helpful to grasp the text information directly. By learning from a set of hand-labeled documents, we obtain the traditional supervised classifier for text categorization (TC). However, labeling all data by human is labor intensive and time consuming. To solve this problem, some scholars proposed a semi-supervised learning method to train classifier, but it is unfeasible for various kinds and great number of Web data since it still needs a part of hand-labeled data. In 2012, Li et al. invented a fully automatic categorization approach for text (FACT) based on supervised learning, where no manual labeling efforts are required. But automatically labeling all data can bring noise into experiment and cause the fact that the result cannot meet the accuracy requirement. We put forward a new idea that part of data with high accuracy can be automatically tagged based on the semantic of category name, then a semi-supervised way is taken to train classifier with both labeled and unlabeled data, and ultimately a precise classification of massive text data can be achieved. The empirical experiments show that the method outperforms the supervised support vector machine (SVM) in terms of both F1 performance and classification accuracy in most cases. It proves the effectiveness of the semi-supervised algorithm in automatic TC.     

动态分段技术在道路空间数据建模中的应用

介绍了线性参考系统与动态分段技术中的基本概念及其原理,详细论述了在南昌市道路管理系统中空间数据建模过程中涉及到数据结构、车道的几何数据语义描述和车道之间拓扑数据语义描述这三个关键点。通过运用基于动态分段技术数据模型的建模方法,构建南昌市城市道路管理信息系统,能够支持城市道路交通规划、建设和管理。     

认知语境与英语听力教学

认知语境是一种心理建构体，是听者在话语含义推理过程中挑选的一组知识。从认知语境的定义及构成出发，文章指出了认知语境的建构对听力理解的重要作用，并提出其对英语听力教学方面的一些启示，如引导学生预测形成命题，帮助学生组合心理图式及根据新旧信息关系整体把握听力内容。     

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。     

大型企业信息集成解决方案

针对企业信息集成问题，基于新的通用性企业多元化复杂信息集成模型，提出大型企业信息集成解决方案。该方案已成功应用于青岛港集团有限公司，实施效果证明该方案的可行性和有效性，具有全面推广的价值。     

电力企业信息系统应用集成技术研究

国内电力企业信息系统存在重复开发、独立运行、分散管理、缺乏规划等问题,难以满足集约化、集中化和精细化管理的要求.文章研究了面向国内电力企业的基于SOA架构的多层次应用集成方案和技术,支持在数据层、服务/消息层和流程层3个层面进行电力行业的应用集成,所采用的集成方案和技术体系都是基于最新的服务应用集成标准和较成熟的技术体系,不仅能降低应用集成的风险,而且还能降低集成工作的成本.     

基于XSLT的知识表示方法研究

由于知识库缺乏统一的标准和规范,知识库资源存储格式各不相同,导致了严重的重复投资和信息资源的浪费.针对当前知识表示的共享问题,文中在XML表示知识方法的基础上,从技术的角度提出一种基于XSLT的知识表示方法,能有效增强知识表示可读性与可扩展性以及基于网络的共享问题.用实例验证该方法的可行性并简要地总结了该方法的优点、前景和值得改进之处.     

滑坡灾情数据多层级语义检索方法

如何在海量多源多模态的滑坡灾害时空大数据中快速精准地发现满足灾情评估任务需求的优势信息,是综合减灾救灾的关键.传统灾害数据检索多以"人工经验+关键字"的被动检索方式为主,难以兼顾任务的精确性与时效性,为此,提出了一种面向评估任务的滑坡灾情数据多层级语义检索方法.通过建立滑坡灾情评估任务对数据特征需求的显式语义描述及任务需求与数据特征之间的高级语义映射,并据此设计多层级语义匹配的数据检索算法,面向灾情评估任务实现优势数据汇聚.以四川茂县滑坡灾害评估为例进行实验分析,本文检索方法查询效率具有明显优势,900 km²、90 d范围内的灾情数据精准检索效率达到秒级,且推荐优势数据集的准确性高,60 d时间差距阈值下推荐结果平均贴近度达到90%以上.结果表明本方法可根据任务需求准确可靠地快速自动获取灾害数据,从而显著提高减灾应急响应能力.     

Research on Web Page Classification Method Based on Query Log

Web page classification is an important application in many fields of Internet information retrieval, such as providing directory classification and vertical search. Methods based on query log which is a light weight version of Web page classification can avoid Web content crawling, making it relatively high in efficiency, but the sparsity of user click data makes it difficult to be used directly for constructing a classifier. To solve this problem, we explore the semantic relations among different queries through word embedding, and propose three improved graph structure classification algorithms. To reflect the semantic relevance between queries, we map the user query into the low-dimensional space according to its query vector in the first step. Then, we calculate the uniform resource locator (URL) vector according to the relationship between the query and URL. Finally, we use the improved label propagation algorithm (LPA) and the bipartite graph expansion algorithm to classify the unlabeled Web pages. Experiments show that our methods make about 20% more increase in F1-value than other Web page classification methods based on query log.     

利用语境理论进行英语阅读教学的探索

针对认知语言学研究领域中的语境理论在英语阅读理解中的作用,本文介绍了语境理论,着重分析了语境和阅读理解,探讨了语境理论在英语阅读教学中的实际应用。