基于Jess推理的网络消费者非理性购买预测

随着电子商务的高速发展,网络购物越来越经济便捷,相比于传统的网下购物,更多的消费者选择网购,这就使得非理性购买行为大量涌现,研究网络消费者非理性行为势在必行。然而,学者们大多关注传统购物环境下的非理性购买行为,并且研究内容比较琐碎,缺乏系统的框架。考虑到很多消费者选择通过在线评论表达对购买行为的情感和观点,因此首先利用情感计算和文本挖掘技术,在充分挖掘语义资源的基础上,借助模糊数学理论构建模糊语义模型,同时,以内、外部诱导因素为前件,以消费者非理性购买程度作后件,建立了模糊推理模型;然后,针对消费者非理性购买行为和过程,通过protégé建立本体,梳理各个因素之间的联系,构建知识库;最后,利用Jess构建模糊推理事实库与规则库,通过Jess推理机获取消费者非理性购买程度。

基于Fisher算法的本体推理安卓恶意软件安全检测

针对Android平台日趋增多的恶意软件安全问题,以及缺乏有效措施解决恶意软件的危害,提出一种基于Fisher归类算法结合本体推理的Android恶意软件安全检测方法。用Fisher分类算法对运行在手机端采集的应用程序所产生的系统调用频率信息进行处理,得出最佳线性判别函数,并据此求出最佳调用频率分界点,结合SWRL语言制定推理规则,应用本体JESS推理技术推理,实现了Android恶意软件的安全检测。实验结果表明,该方法可行、有效。

基于本体与规则的语义推理研究

为解决本体相关概念的共享和信息集成，发现本体间的语义关联，提出了本体与规则整合下的语义推理模型ORRM，构建了家庭本体FO。将推理集中在两个不同层次，第一层的推理使用Racer推理机进行描述逻辑的推理，检测本体的冲突。第二层使用本体中表示的概念和属性制定成员规则库，采用基于XML的SWRL呈现规则和Jess推理引擎，增加了本体概念间语义的关联。该模型在本体中引入规则表示，弥补了OWLDL在推理机制上的不足，推导出的新本体在原本体的基础上实现了本体成员间隐含关系的语义推理，完善了本体知识库的内容。在语义Web领域，该模型的应用能够提高本体知识的利用率。

数控机床多故障诊断专家系统设计

系统以数控机床的数控系统为分析对象,结合某数控公司提供的故障分析手册和积累的案例以及参照该公司故障诊断专家给出的诊断方法,学习其他的专家系统的成功经验,设计了一套数控机床图形化多故障诊断系统。文中介绍了数控机床故障诊断专家系统中的一个故障诊断的方法,它具有多故障诊断的能力,可以图形化辅助诊断过程。开发了一种新的匹配算法,它是由最近相邻算法根据本系统的实际情况而开发的一种新算法。对于多故障诊断,系统采用化多故障为单故障处理的方法。开发了图形化辅助诊断功能,提高了诊断系统的实用性。开发了针对数控机床故障诊断的自学习功能,实现了故障诊断的经验积累。