任务计算中基于语义Web的上下文感知服务选择

针对普适环境中任务计算的特点,分析了任务计算的层次结构和复杂任务的分解策略,设计了一种任务计算中服务发现的体系结构。此体系结构依赖于服务和内容的语义表示,而这种语义表示是基于本体的、共享的。它不仅可以增强精确度和调用率,而且能够实现知识共享、基于能力的搜索、自主推理以及语义匹配等功能。据此,提出了一种基于语义Web的上下文感知动态服务选择机制,这种机制可以根据待匹配的服务的动态上下文属性来对其进行过滤和排序,从而进一步优化了发现的过程、节约了用户的时间和精力。此外,该选择机制可用于发现有用的静态或动态上下文信息,从而为用户提供最合适、最相关的服务。

云计算环境下的SWRL规则分布式推理框架

为解决传统推理引擎在进行大规模OWL本体数据的SWRL规则推理时存在的计算性能和可扩展性不足等问题,提出了云计算环境下的SWRL规则分布式推理框架CloudSWRL。根据SWRL规则语义,并以Hadoop开源云计算框架为基础,设计了OWL本体在HBase分布式数据库中的存储策略,定义了SWRL规则解析模型和相关推理中间数据模型,提出了在DL-safe限制下基于MapReduce的SWRL规则分布式推理算法。实验结果表明,在对大规模OWL本体进行SWRL规则推理时,CloudSWRL框架在计算性能和可扩展性方面均优于传统推理引擎。

普适计算环境下上下文信息推理的研究

从各种低层上下文信息得到对人们更加有用的高层上下文信息即上下文推理是当前研究的热点。针对该问题,采用描述逻辑,研究基于本体模型的上下文推理方法。首先简要介绍基于本体的上下文模型,该模型增加了对上下文特性的建模,然后分别研究基于本体的推理、基于规则的推理及不一致性验证3种推理方式,借助Jena框架的推理接口实现,推理功能全面,通用性强,基本满足了普适计算系统中上下文推理的需求,最后给出了推理的可用性。

一种基于本体和自定义规则的情景推理方法

情境感知技术是普适计算研究的重要方向,而情境推理是情境感知系统的核心部分。针对目前智能空间中情境推理方法存在的推理实现便捷性和满足应用特殊要求难以兼顾的问题,对基于相似度计算、基于多值逻辑、基于规则和基于本体等主流情境推理方法进行了优缺点分析,在此基础上提出了一种基于本体和自定义规则的情景推理方法。利用一阶谓词逻辑对情境信息进行描述,选择Jena作为情境推理的工具,并对情境推理的实现流程进行了详细讨论。以智能家居应用场景为例验证了该方法的有效性。

有上下文感知能力的智能教室系统设计与实现

目前，有许多教育专家采取很多措施来提高教学效率，而应用先进技术是一条切实可行的方法。通过利用多agent、语义Web、推理和用于安全和隐私的声明性规则等技术，参考早期的普遍深入的计算系统，开发了一个新的智能教室系统模型。该模型使用本体Web语言——OWL来实现知识共享和上下文推理，使用逻辑推理来检测和解决上下文知识的不一致问题。并向老师和学生提供一种策略语言来控制他们的私人信息。ICS将完全改变传统的教学方法并为未来的教学工作提供更多的便利。

一个基于本体的觉察上下文计算模型

觉察上下文计算(Context-AwarenessComputing)中必然涉及到知识的共享,引入了本体融合(OntologyFu-sion)概念,构建了一个基于本体的觉察上下文计算模型,讨论了该模型的基本框架,分析了上下文信息的获得,设计了上下文信息与本体库的映射过程,研究了本体融合、本体信息存储以及本体库与行为的映射中的相关问题。结合普适计算场景,用实例演示了该模型的运行过程。

上下文感知的智慧城市空间信息服务组合

智慧城市的功能之一是构建可智能感知的、泛在化的空间信息服务,并将这些服务按需求进行组合提供灵活的服务,这就要求空间信息服务能更好地适应不断变化的地理上下文环境。设计了上下文感知的空间信息服务的语义模型,该模型扩展了OWL-S本体,增加了地理上下文类、上下文前提条件类、上下文效果类和上下文绑定类以支持地理上下文和地理上下文适应性,并使用智能规划技术和语义增强技术,将上下文感知的空间信息服务组合转化为智能规划的求解过程,提高了服务组合精度。最后通过智慧旅游验证了上下文感知的空间信息服务组合方法的可行性和有效性。

Midnet:基于环境智能的中间件系统

互联网将家庭、住宅小区及整个世界连接在一起,环境智能(Ambient Intelligence,Aml)所强调的人机交互技术在这些领域有诸多的应用。本文提出了一种分布式中间件的体系结构Midnet,结合环境智能所应用的多种最新技术,将使人们的生活模式发生根本性的变化。