基于混合本体的政务异构数据集成研究

随着政务信息化的不断进行,现有信息共享方式的局限使得各政府部门间的信息交换障碍重重。因此,通过研究,说明了现有异构数据集成方式的优缺点,并针对政府部门信息集成过程中存在的数据异构问题,提出了基于混合本体的集成模型,描述了集成模型各个部分作用和主要功能,该模型能有效屏蔽数据的异构性实现各系统的独立性。重点描述了领域本体构建和本体映射的相关方法,并举例说明领域本体构建过程。

基于混合本体的专题图数据获取与信息集成

在以往的专题图制图过程中,专题数据准备工作往往由人工完成,从多源数据中获取有用的专题知识以及异构数据的专题语义转换问题成为提高专题制图效率的瓶颈所在。鉴于此,以陆上交通数据为例,利用多源地理空间数据混合本体,通过本体-数据集-专题本体-专题数据集中的概念映射、数据映射等过程,完成专题信息融合以及异构数据下语义的统一与转换。

基于语义的区域医疗信息集成方法研究

区域医疗信息共享能有效促进区域内医学信息平台之间数据的有效互通,提高医护人员的工作效率,提升医疗质量。但由于区域医疗的业务内容繁多,标准和规范复杂,同时涉及的运行机构多,严重限制了区域医疗信息系统之间的信息共享。针对这一问题,引入语义网技术,提出基于物理层、语义层和应用层三层架构模型的区域医疗信息集成框架,采用混合本体方法将分散的数据源发布成关联数据,构建一张计算机能理解的语义数据网络。通过局部本体和上层本体的建立,在不改变原有数据结构的条件下实现区域异构系统之间的无缝连接,进而达到为医护人员、患者等随时随地提供个性化的医疗保健服务目的。

数据与模型混合驱动的区域综合能源系统双层优化调度决策方法

在高比例可再生能源接入以及多种能源耦合网络快速发展的背景下,基于模型驱动的传统调度方法将难以满足区域综合能源系统实时优化调度决策的速度需求。因此,研究具有高智能性和快速决策能力的智能调度决策方法具有重要的意义。该文提出了一种数据与模型混合驱动的区域综合能源双层优化调度决策方法。上层使用混合整数线性规划(mix integer linear programming,MILP)求解得到日前调度计划,为日内滚动优化提供参考,下层将卷积神经网络(convolutional neural network,CNN)与门控循环单元(gated recurrent unit,GRU)相结合进行日内滚动优化决策,使用自适应功率修正模型对其输出进行微调得到精确解。最后,通过算例分析验证了本文所提方法的有效性。

改进的混合本体异构数据集成方法研究

针对混合本体结构在异构集成系统扩展性上的不足,在形式化描述数据源及其本体结构的基础上,分析了基于本体的数据源设计过程,提出了两种数据源集成操作来吸收自治数据源中的特化概念来扩展全局本体,并将数据源实例投影到全局本体。系统集成操作分析表明了该方法既保证数据源设计的自治性,又使得系统拥有良好的扩展性。