一、逐步求精法获取上下文无关文法(论文文献综述)
冯云剑[1](2020)在《基于深度学习的立体匹配算法研究》文中认为基于双目视觉的环境感知系统具有成本低、速度快和感知信息全面等优势,在自动驾驶、机器人控制和无人机导航等领域具有广阔的应用前景。立体匹配是双目视觉中的核心任务,立体匹配的效果好坏直接决定了双目测距的精度。目前,基于深度学习的立体匹配算法具有匹配精度高、速度快的优势,逐渐取代传统立体匹配算法,成为了研究的主流方向。但现有的基于深度学习的立体匹配算法仍存在参数量大、在边缘区域匹配效果差和泛化能力差等问题,论文针对现有算法存在的问题展开研究,并提出三种相应的解决方案。针对现有的立体匹配算法存在的参数量大、计算成本高、处理时间长等问题,本文提出一种具备浅层结构和宽阔感受野的立体匹配网络SWNet(Shallower and Wider Stereo Matching Network)。采用浅层的特征提取网络结构取代原有的深层结构,保留更多细节结构信息。引入深色空间金字塔池化结构,扩大感受野的范围。设计了特征融合模块将带有不同尺度感受野的特征图融合起来。与参考算法相比,SWNet的网络参数数量下降了约49%,处理速度提高了11%,匹配的误差率下降了3.4%。该算法在实现网络小型化的同时,保证了立体匹配的精度。针对现有的立体匹配算法在物体边缘区域匹配效果较差的问题,本文提出一种融合边缘特征信息的立体匹配网络EDSWNet(Edge Detection–Shallower and Wider Stereo Matching Network),将边缘检测任务与立体匹配任务相结合。在SWNet的基础上增加了边缘检测分支,并将边缘特征信息补充至立体匹配的特征信息中。改进了匹配代价卷的构建方式和3D卷积的网络结构,能够更加直接地获取左右特征图之间的对应关系。设计了一种融合边缘信息的混合损失函数,引导网络的训练过程。与SWNet相比,EDSWNet在KITTI数据集上的3像素误差由2.24%下降至2.07%,同时改善了边缘区域的匹配效果。针对有监督学习方式过度依赖大规模数据集,泛化能力差的问题,本文提出一种半监督学习的立体匹配网络S-SMNet(Semi-Supervised Stereo Matching Network)。在EDSWNet的基础上增加一个3D卷积和视差回归分支,获得左右图对应的视差图,并利用视差图与原图之间的对应关系,采用融合光度损失与左右一致性损失的自监督损失函数实现网络的自监督学习。本文使用自建的校园道路场景双目数据集对网络进行半监督训练,并对双目测距的效果进行了测试。半监督学习方式改善了立体匹配网络对于实际道路场景的适应能力,提高了网络的泛化能力。论文针对目前基于深度学习的立体匹配算法存在的问题提出了三种解决方案——网络的小型化、多任务化和半监督学习,提高了立体匹配算法的效果和适用性,有助于双目视觉方案在环境感知系统中的应用和推广。
林罡[2](2019)在《基于连续重复子串左联配的正则表达式识认算法》文中研究指明形式语言的归纳学习致力于研究如何从语言的有限信息出发,通过归纳推断得到语言的定义。在形式语言体系中,正则语言是一类使用较为广泛的语言类。以正则表达式为目标的正则语言学习算法在基因序列识别、XML模式推断、图数据库查询学习、信息抽取中有广泛应用。因此,对正则表达式学习算法的研究不仅具有重要的理论意义,还具有较大的实际应用价值。语言极限识认模型是语言学习的经典模型,在该模型下进行学习算法研究,不仅能确保算法的良好特性,且学习语言类具有清晰明确的界定。本文基于语言极限识认模型,研究正则表达式学习算法,主要研究成果如下所述。(1)提出了基于连续重复子串左联配的正则表达式识认框架:首先,识别句子中的最长连续重复子串;其次,基于连续重复子串分块;然后,对分块进行左联配;最后,将联配结果泛化为正则表达式。在该框架内进行算法研究,可以识认一元正则运算符作用在多个连续字符上的正则表达式,克服了现有大多数算法只能识认运算符作用在单个字符上的局限性。(2)针对标准表达式和带数字出现的表达式,分别提出了两类不同的泛化策略,并实现了两种不同的识认算法。分析出可由算法识认的表达式子类,总结出表达式子类对应的特征样本的特性。为了验证理论分析结果,本文开发了一组工具用于表达式及其特征样本的生成并进行了相关的实验,实验结果验证了理论分析的正确性。对比了本文算法和已有算法,结果表明本文算法的识认结果在紧凑性、可读性方面均存在优势。(3)探讨了识认算法在图数据库查询学习中的应用,分析出图数据库可达性查询中有一类由正则表达式定义的路径约束与本文提出的带数字出现的表达式子类相吻合,因此可将本文算法应用于图数据库可达性查询学习。总结出可达性查询学习的一般步骤,并用实例考察了本文算法在可达性查询学习中的应用。
马艳彬[3](2015)在《基于上下文无关文法的防火墙配置文件解析器的研究与设计》文中提出互联网技术的飞速发展,人们也越来越重视其中的网络安全问题,于是各种各样的防火墙被大规模地使用在了网络中。然而随着防火墙数量的增多,网络中出现了许多与防火墙配置有关的问题:比如配置错误导致的网络故障或者是多个防火墙的配置不一致带来的网络性能问题等等。所以需要一个防火墙配置的审计系统,用来找到网络防火墙中有隐患的配置信息,并进行相应的优化。而在这样的一个审计系统中,防火墙配置文件的解析成为该系统的一个承上启下的核心模块,它不仅需要能够解析语法各样的防火墙配置文件,还需要把它们解析转化成统一的存储形式,用于系统中审计模块的分析。本文便设计并实现了这样一个可处理多种类型防火墙的配置文件解析器。本文的创新点是:借鉴了编译原理中上下文无关文法的思想,针对防火墙配置文件的实际情况,改进并实现了一个关于防火墙配置文件的解析器的架构和方案。本文的主要工作包括:第一,分析系统中两类防火墙的配置文件相关语法;第二,针对这两类防火墙的配置文件,设计出他们各自抽象的上下文无关文法;第三,设计出可扩展的防火墙配置文件解析器的整体框架并针对各子模块进行实现;第四,对各模块进行测试,并将本文中的解析器集成到防火墙配置审计系统中。
唐姗[4](2011)在《基于目标的高可信自适应容错软件开发方法研究》文中进行了进一步梳理随着以Internet软件为核心的信息系统的深入,基于Internet的分布式计算机系统及开放式网络环境增加了系统的复杂度、故障率和不安全因素,使得软件系统变得日趋庞大和难以驾驭,缺陷和漏洞难以避免,其经常发生各种故障和失效。所有这些因素都给软件系统的可信性带来了新的问题和挑战。软件容错技术是保障软件可信性的主要方法之一。但是传统的容错技术存在着许多不足之处:实现成本高,往往需要多个冗余的实现版本;模块化程度较差,难以清晰地进行建模和预测分析;灵活性不强,难以适应复杂多变的运行时失效。近年来,高可信软件系统方面的研究工作越来越多地与自适应软件系统(self-adaptive software system)联系起来。与传统的基于冗余和多样性思想的软件容错方法相比,自适应软件系统能够通过对自身行为和结构的动态调整来适应自身的缺陷和环境的变化,从运行时控制的角度提高软件系统的可信性。为我们提供了一种更加灵活和有效的软件容错途径。本文在分析当前自适应软件研究领域的工作的基础上,针对高可信自适应软件系统在现实开发中面临的很多问题,论述了在可信软件系统开发的整个生命周期中所涉及的相关理论和技术,对指导高可信自适应容错软件系统开发的实践活动具有现实性的意义。本文将可信软件系统研究领域中各个阶段相互独立分散的理论与技术进行了统一,提出了一个更加系统、有效和实用的自适应容错解决方案:从可信需求建模,到自适应体系结构设计,再到系统的实现及运行时监控与诊断,将可信软件系统开发过程中的各个阶段所需的制品的设计紧密联系在一起,形成了一个全面而统一的技术体系。为解决现有的面向目标的需求建模方法在自适应软件系统的需求建模方面所表现出来的不足,以及为了支持软件系统的运行时监控、诊断和容错决策的需要,本文首先对KAOS需求建模方法中的描述框架、目标类型、目标关系等方面进行了扩展。在此基础上,提出了一个面向目标的自适应软件系统的可信需求建模分析方法,较之于现有的自适应软件的需求建模方法,该方法细化了需求建模过程中的多个方面的建模工作,增加了对自适应基础设施和自适应场景等方面的需求建模的支持。针对需求规约和软件体系结构模型之间的概念差距和相对独立的演化所造成的从需求模型到体系结构设计转换困难的问题,本文以可信目标模型为基础,提出了一个系统化的推导自适应体系结构的方法。面向体系结构的结构化模型和行为模型两个设计视图,分别论述了在各种“目标精化模式”下,如何从目标模型推导出体系结构模型。在此基础上,提出了一个从目标模型到体系结构模型之间的追踪元模型,以保证整个推导过程的可追踪性和一致性。在现有的自适应容错实现技术的基础上,本文提出一种更加广义的容错概念:1)在容错对象方面,除了软件自身的设计和实现缺陷外,将运行环境的变化和失效以及系统多种非功能性目标的冲突也纳入到容错范围中;2)在容错目标方面,强调可生存性而非绝对的系统可靠性,以保障系统的关键服务为基本目标,在此基础上通过各种容错手段实现系统整体的优化运行。重点探讨了如何以软件体系结构为中心来展开对运行时系统进行监测、分析、规划和实施等自适应活动。针对目前自适应软件系统所面临的运行时监控的难点问题,本文提出了一个基于目标模型的运行时监控与诊断分析方法。将需求推理、运行时监控以及系统的自适应调整行为集成于一体进行研究,以在检测出系统异常时,及时对检测结果进行自适应容错处理。本文从监控事件的定义,到生成和编织监控代码,再到诊断和响应监控结果,给出了一个系统完整的可信需求的运行时监控方案。最后,本文设计了相应的支撑平台并实现了其原型系统。
杜云阶[5](2009)在《基于应急知识模型的文本知识获取研究》文中提出文本知识获取作为人工智能领域和知识库系统开发中的瓶颈问题,一直以来都受到广泛的重视和研究。大量的知识散布于文本中各个角落里,在应急领域更是如此,文本中包含了大量的突发事件专业领域知识、应急措施、灾害规律等各类知识。而现有的文本知识获取方法依然是人工获取是主流,自动知识获取方法在一定程度上辅助人工获取,效率较低,使得决策支持系统无法快速有效地处理海量文本;并且所获取的知识也会存在冗余和过于复杂的问题,由此不适合直接应用在决策系统中,而需要精简和提炼;此外,从文本中自动获取的知识类型比较狭隘,目前获取的多为概念和概念关系之类的本体知识,远远无法满足实际应用的需求。针对以上问题,在进行了知识需求分析和应急领域文本特点分析之后,本文提出一种应急知识模型,用来表示并管理各类突发事件的抽象;并在总结应急领域文本中知识的特点及表示特点基础之上,总结了逻辑关系辞典。基于知识模型和逻辑关系辞典,提出一种针对应急领域文本的事实及关系获取方法,结合模式匹配方法、浅层自然语言处理技术和统计方法,从文本中抽取有关应急领域或突发事件专业领域的事实及事实间的关系,并选择以图的方式将抽取结果进行表示,进而为在抽取的大量事实和关系基础之上抽取知识模式提供基础,从而完善已有知识。文中首次提出通用事实(General Facts)的概念以及从文本中抽取通用事实的方法,并针对事实自身的特点对其进行了分类,这为最终的提取规则打下了基础,这在一定程度上扩展了已有文本知识获取方法的知识获取对象的范围。并总结了中文的逻辑关系辞典,提出针对中文应急文本的基于辞典的事实关系获取及表示。所抽取的事实和部分关系可直接应用于实际项目的知识库中,作为知识库中知识的来源,具有一定应用价值,并对文本知识获取领域的研究具有一定理论价值。
张雪峰,许丽娟,罗洪霞,党德玉[6](2008)在《一个上下文无关文法的构造定理及其在推断中的应用》文中研究说明递归概念可以在句子中重复派生、循环出现。对这样的句子推断时,若为递归概念的每一个派生部分引进一个递归概念来描述,将推断出多个与之有相似的产生式结构的递归概念,同时也构造出一个新文法。本文先给出新文法的形式化构造方法,证明了新文法与原文法的等价性。在文章的后部,通过实例,介绍该定理在简化复杂文法推断中的应用。
顾琳[7](2008)在《基于领域本体的亚健康中医辅助诊断系统的研究及应用》文中进行了进一步梳理医学专家系统是人工智能技术应用的一个重要方向,医学诊断领域是医学专家系统的一个核心领域,因为医学的关键在于诊断技术。医学诊断辅助专家系统是医学专家系统在医学诊断领域的推广,它运用专家系统的设计原理,拥有大量专家的宝贵理论以及丰富的临床经验,模拟医学专家诊断疾病的思维过程,协助医生解决复杂的医学问题,可视为医生诊断的辅助工具,甚至能够直接为普通疾病患者提供辅助诊断而不一定需要医生的参与。医学诊断辅助专家系统的信息处理是基于知识智能推理的系统,在功能上它是在医学领域内具有专家水平解决问题能力的系统程序。它涉及到知识获取、知识表示、知识的存储、推理控制机制以及智能人机接口的研究,是集人工智能和领域知识于一体的系统,是一个前景十分广阔的应用领域。本文采用电子病案的形式半自动地获取知识。中医专家对患者进行诊治,与此同时助手或者专家填写电子病案,知识获取程序会自动按照定义好的框架表示形式,将电子病案获得的知识存入文本,然后知识工程师对这些病案知识进行再处理,分别形成知识框架和病案框架,最后将两种知识框架分别存入知识库和病案库。同时具体阐述了基于电子病案和模糊方法的患者自述与标准症状匹配问题。本文通过对本体及其构建的研究,针对中医亚健康领域知识,抽象了一种建立领域本体的形式化方法,并对中医诊断领域知识进行了本体形式化描述与设计。在领域本体的驱动下进行基于中医病案的知识获取,采用基于模糊推理的方法对亚健康症状中医辅助诊断知识进行推理。并在第四章4.5节系统地介绍了基于公理的中医脉诊知识分析与推理。最后本文把以上方法应用到了中医亚健康辅助诊断领域,具体介绍了中医亚健康辅助诊断知识(规则)库、症状库、证候库的分析与设计,并实现了中医亚健康辅助诊断专家系统的证候推理过程。作为人工智能一个重要分支的专家系统(Expert System,ES)是在20世纪60年代初期产生并发展起来的一门新兴的应用科学,而且正随着计算机技术的不断发展而日臻完善和成熟。专家系统是一种智能的计算机程序。这种程序使用知识与推理过程,求解那些需要杰出人物的专门知识才能求解的复杂问题,它能像专家一样解决困难的和复杂的实际问题的计算机(软件)系统。知识表示是为描述世界所作的一组约定,是知识的符号化、形式化或模型化,各种不同的知识表示方法,是各种不同的形式化的知识模型。知识表示的研究既要考虑知识的表示与存储,又要考虑知识的使用。用自然语言与计算机进行通信,这是人类长期以来所追求的。自然语言的识别和处理是人工智能研究的最重要的课题之一,也是人工智能研究的关键。如何去获取各种不同的知识,并以一种计算机可以使用和处理的方法表达知识是知识获取的根本问题。拥用知识是专家系统有别于其它计算机软件系统的重要标志,而知识的质量与数量又是决定专家系统性能的关键因素,但如何使专家系统获得高质量的知识,正是知识获取要解决的问题。知识获取的基本任务是为专家系统获取知识,建立起健全、完善、有效的知识库,以满足求解领域问题的需要。案例学习(CBI)是人工智能中的一种学习方法,该方法由一系列大同小异的学习策略组成,依靠过去的经验进行学习和求解问题.新的案例可以通过修改案例库中与当前情况相似的旧案例来获得。基于案例的推理技术尝试将叙述能力、知识整理进行融合,对有关问题的事件或案例的知识进行萃取。本体是概念化的明确的规范说明。本体可以表示不同的事物:术语表和数据词典,叙词表和分类法,框架和数据模型,形式本体和参考等。一个本体其实就是一个用某种本体语言表达的控制词表,该语言以语法规则限定了词表术语表达具体领域内容的方法,该语法形式上规定了本体控制词表的术语如何共同使用。以详细程度和领域依赖度两个维度作为对本体划分的基础,详细程度高的称作参考本体,详细程度低的称为共享本体。依照领域依赖程度,可以细分为顶级、领域、任务和应用本体等4类。另外,根据主题可分为知识表示本体、通用本体、领域本体、术语本体和任务本体;根据形式化程度分为完全非形式化、结构非形式化.半形式化、形式化的本体。在科学研究和日常生活中,人们一直在追求用一确定的数学模型或康托集合概念来解决问题或表征现象。但专家系统的问题求解一般不象数学、物理等学科那样具有严密性和精确性,它处理的信息往往是不确定的、不精确性的、不完全知道的,甚至是模糊的、不完备的。造成这种现象的原因主要有两点:一是推理依据的规则(或知识)不精确、不完善,而且对不同流派来说还是不一致的;二是证据本身的不确定、不完全甚至有干扰。因此,专家系统设计中不精确的推理使用,几乎是难于避免的,有时成为一个涉及到专家系统设计成败的重要问题。其中有代表性的是如下四种方法:确定性理论、主观Bayes方法、证据理论、模糊集理论。不管是哪一种不精确推理模型,尽管它们处理问题的基本思想和方法有很大差异,但本质是相同的,即都有相同的结构形式,即如下三部分:1)知识不确定性的描述;2)证据不确定性的描述;3)不确定性的更新算法。不精确推理的核心思想是在基于规则的专家系统中,为每个公理本身赋予一个不确定性度量,再给出一组算法,在此基础上,就可以通过这组算法,由公理的不确定性求出定理的不确定性。模糊集理论是一种处理模糊现象的一个极好方法。它多应用于预测型的专家系统中,如经济预测、气象预报、战略布署等。它引起不确定性原因是由模糊性所引起的。它采用隶属函数这种效值计算方法来表达不确定性。其核心思想是要确定诸如:可能性、可能性分布、可能性分布函数、条件可能性分布函数,.边缘可能性分布函数等几个度量和它们之问的关系,以及各种模糊命题的转换规则和不精确命题的推理规则等等。
王少将[8](2008)在《基于时序逻辑的Open Solaris内核进程形式化描述与求精》文中认为XYZ系统理论基于Manna-Pnueli线性时序逻辑,其中时序逻辑语言XYZ/E既是一个时序逻辑系统,又可作为可执行程序的不同抽象层次的系统描述。作为验证软件可靠性和生产软件工具引擎,具有重要理论价值和实践意义。形式化分析操作系统内核进程通常是基于专用操作系统,这将导致开发和维护的难度都很大。而对通用操作系统内核进程进行形式化分析,由于没有充分开放的授权,给实际应用带来专利壁垒。Open Solaris是Sun公司开发的一个多任务、多用户操作系统,具有高度实时性、最佳利用率、高可用性、高性能、极高安全性及平台选择多样性。其基于CDDL(通用开发和发布许可)开放标准,给研究操作系统和工业应用带来一次契机。本文阐述了Open Solaris内核进程机制与现行的Sun Solaris业界开放标准(CDDL),基于XYZ/E语言描述了多任务操作系统内核进程机制,使用Sun DTrace工具细化分析了内核进程数据结构、内核进程的创建、系统调度,采用动态取值分析内核进程编程思想;结合软件设计模式给出内核进程结构流程图,描述了内核进程体系结构。论文重点分析了内核进程数据结构、内核进程创建、系统调用等过程以及时钟概念,并对其进行XYZ/AE的描述和XYZ/EE编程。最后,给出了内核进程规范;实现多任务、多用户操作系统内核进程的描述;对内核进程进行了逐步求精与初步验证工作。
李志圣,陈永生[9](2006)在《上下文无关文法推断中的几条启发规则及其应用》文中研究表明本文先简要介绍了一种上下文无关文法的推断方法———逐步求精法,然后论述了递归概念在文法推断中的核心作用,并从递归概念的特殊性质出发提出了多条启发规则,能有效减少无效探求和与用户交互的次数,尤其适合于文法较复杂、例句集信息量较大的情况。这些启发规则同时也适用于对上下文无关文法的其它推断方法。
敖丽敏[10](2005)在《交互式过程性知识表示与获取及其实现的研究》文中认为为了构建一种过程性知识表示与获取系统,设计了一个嵌入式函数式语言以及它的交互式语法制导编辑器和解释器;提出了这种上下文无关语言句子的语法树G树的一种表示形式及其存储形式;研究了过程性知识的归纳获取方法及其泛化;并以电气工作票专家系统的构建与实现验证其可行性,同时提出了一种Web方式的基于Petri网的软件开发模型。 本文的主要工作如下: 1.设计一个嵌入式函数语言系统用于过程性知识表示。这种新的语言形式方便进行语言分析与处理。系统分为两部分,一是基于Web的交互式语法制导模式的中间语言编辑部分;另一个是语言解释、执行(求值)部分。 2.改进了上下文无关语言的句子所对应语法树的G树表示形式,提出了一种数据库的存储形式。作为一种中间语言的存储形式,可以直接交付抽象机解释执行。其优点是:表示形式一致、句子分析简单、语句执行速度快。 3.研究了过程性知识的归纳获取方法。研究用于从自然语言的专业语言到人工语言的归纳,以此实现人工语言程序的学习。采用归纳推理获取的计算方法进行归纳,利用领域知识对归纳的知识进行泛化。同时研究了有关粗糙集中“信息粒”的概念以及在其上定义的运算,其结果与应用领域知识分析具有同样的效果。 4.试验系统采用Web方式建立。依据网络的并发性以及任务的流程性,提出一种基于Petri网的软件开发模型。该模型对基本有限自动机进行了扩充;将扩充后的有限自动机转换成为改进状态图:根据改进状态图构造多功能视图;在此基础上进行软件开发。最后将这个模型发展成为Petri网模型,使模型更具描述能力。将其用于开发验证系统,工作是有效的。 5.基于本文提出的过程性知识表示与描述形式,设计并实现了一种基于过程性知识的电气工作票智能系统。软件系统与电气系统接线方式及电气设备种类无关,开放的自组平台具有较强的适应性。构建的系统工作模式解决了在检修工作中设备主管单位与人员主管单位不一致所带来问题。
二、逐步求精法获取上下文无关文法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、逐步求精法获取上下文无关文法(论文提纲范文)
(1)基于深度学习的立体匹配算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容和研究方法 |
第2章 双目视觉原理及立体匹配算法概述 |
2.1 双目视觉的原理 |
2.2 立体匹配算法流程 |
2.3 问题分析与解决方案 |
2.4 本章小结 |
第3章 具备浅层结构和宽阔感受野的立体匹配网络 |
3.1 算法改进方案 |
3.2 网络结构 |
3.3 损失函数 |
3.4 实验结果与分析 |
3.5 本章小结 |
第4章 融合边缘特征信息的立体匹配网络 |
4.1 算法改进方案 |
4.2 网络结构 |
4.3 损失函数 |
4.4 实验结果与分析 |
4.5 本章小结 |
第5章 半监督学习的立体匹配网络 |
5.1 算法改进方案 |
5.2 网络结构 |
5.3 损失函数 |
5.4 实验结果与分析 |
5.5 本章小结 |
第6章 结论 |
6.1 研究总结 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读学位期间获得与学位论文相关的科研成果 |
(2)基于连续重复子串左联配的正则表达式识认算法(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 启发式算法 |
1.2.2 基于语言极限识认模型的算法 |
1.2.3 研究现状总结 |
1.3 研究内容与章节安排 |
1.3.1 研究内容 |
1.3.2 章节安排 |
第2章 背景知识 |
2.1 语言极限识认模型 |
2.2 正则表达式 |
2.2.1 标准正则表达式 |
2.2.2 带数字出现的正则表达式 |
第3章 基于连续重复子串左联配的识认算法框架 |
3.1 算法框架 |
3.2 寻找连续重复子串 |
3.2.1 相关概念 |
3.2.2 连续重复子串挖掘算法 |
3.3 基于连续重复子串的分块 |
3.4 分块左联配 |
3.5 本章小结 |
第4章 标准表达式的泛化策略与分析 |
4.1 泛化策略与算法实现 |
4.2 理论分析与证明 |
4.2.1 识认子类分析 |
4.2.2 特征样本刻画 |
4.2.3 算法证明 |
4.2.4 时间复杂度分析 |
4.3 实验验证 |
4.3.1 实验方案与工具 |
4.3.2 实验数据 |
4.3.3 实验结果分析与对比 |
4.4 本章小结 |
第5章 带数字出现的表达式的泛化策略与分析 |
5.1 泛化策略与算法实现 |
5.2 理论分析与证明 |
5.2.1 识认子类分析 |
5.2.2 特征样本刻画 |
5.2.3 算法证明 |
5.2.4 时间复杂度分析 |
5.3 实验验证 |
5.3.1 实验方案与工具 |
5.3.2 实验数据 |
5.3.3 实验结果分析与对比 |
5.4 本章小结 |
第6章 算法在图数据库查询学习中的应用 |
6.1 图数据库简介 |
6.2 可达性查询 |
6.3 可达性查询学习步骤 |
6.4 实例分析 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 论文总结 |
7.2 下一步研究工作 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(3)基于上下文无关文法的防火墙配置文件解析器的研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 课题背景和研究意义 |
1.2 相关问题的研究现状分析 |
1.2.1 防火墙配置文件解析技术的研究 |
1.2.2 语法分析生成器比较 |
1.3 主要研究内容及创新点 |
1.4 论文的结构 |
第二章 关键技术介绍 |
2.1 防火墙相关知识 |
2.1.1 防火墙的工作原理 |
2.1.2 防火墙的配置文件和特点 |
2.2 上下文无关文法 |
2.2.1 上下文无关文法的定义 |
2.2.2 上下文无关文法的二义性 |
2.2.3 上下文无关解析 |
2.3 编程语言Perl及Parse::RecDescent模块 |
2.3.1 Perl语言 |
2.3.2 Parse::RecDescent模块 |
2.4 本章小结 |
第三章 防火墙配置文件的研究和语法抽象 |
3.1 防火墙配置文件的分析研究 |
3.1.1 天融信防火墙配置命令的详细分析 |
3.1.2 启明星辰防火墙配置命令的详细分析 |
3.2 构造防火墙配置文件的上下文无关文法 |
3.2.1 天融信防火墙配置文件的抽象上下文无关语法 |
3.2.2 启明星辰防火墙配置文件的抽象上下文无关语法 |
3.3 本章小结 |
第四章 防火墙配置文件解析器的设计与实现 |
4.1 解析器在防火墙策略审计系统中的位置 |
4.2 解析器的整体设计概述 |
4.3 预处理部分的设计与实现 |
4.3.1 预处理器模块 |
4.3.2 上下文无关文法模块 |
4.4 解析器部分的设计与实现 |
4.4.1 解析器程序模块 |
4.4.2 转存器程序模块 |
4.5 解析结果的存储和数据库设计 |
4.5.1 数据库设计的原则 |
4.5.2 数据库设计的具体实现 |
4.6 本章小结 |
第五章 防火墙配置文件解析器的集成和测试 |
5.1 系统开发运行环境与集成 |
5.2 防火墙配置文件解析器的测试 |
5.3 本章小结 |
第六章 结束语 |
6.1 本论文的主要工作内容及创新点 |
6.2 本研究方案存在的问题及对未来的展望 |
参考文献 |
致谢 |
(4)基于目标的高可信自适应容错软件开发方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状及问题 |
1.2.1 软件容错技术的研究现状 |
1.2.2 自适应软件系统的研究现状 |
1.3 本文的主要工作 |
1.4 本文的篇章结构 |
第二章 相关研究综述 |
2.1 软件系统的可靠性技术研究 |
2.2 软件系统的可生存性技术研究 |
2.3 软件系统的容错技术研究 |
2.3.1 传统的软件容错技术研究 |
2.3.2 自适应软件容错技术研究 |
2.3.2.1 面向目标的需求建模方法 |
2.3.2.2 基于需求模型的软件体系结构推导方法研究 |
2.3.2.3 基于体系结构的软件自适应容错技术研究 |
2.3.2.4 基于反馈控制论的自适应技术 |
2.3.2.5 运行时监控与诊断分析技术 |
2.4 讨论 |
2.5 小结 |
第三章 面向目标的需求建模方法在自适应场景下的扩展研究 |
3.1 概述 |
3.2 背景知识简介 |
3.3 KAOS方法在自适应场景下的扩展 |
3.3.1 描述框架扩展 |
3.3.2 目标类型扩展 |
3.3.3 目标关系扩展 |
3.3.3.1 功能性目标精化关系扩展 |
3.3.3.2 非功能性目标依赖关系分类 |
3.4 目标冲突分析 |
3.5 一个系统化的面向目标的可信需求建模方法 |
3.5.1 方法概述 |
3.5.2 方法过程详解 |
3.5.2.1 建立系统的整体目标模型 |
3.5.2.2 自适应基础设施建模 |
3.5.2.3 自适应场景建模 |
3.6 案例研究 |
3.6.1 确定并精化初始目标 |
3.6.2 细化功能性目标与非功能性目标 |
3.6.3 编织功能性目标与非功能性目标 |
3.6.4 自适应基础设施及自适应场景建模 |
3.6.4.1 自适应基础设施建模 |
3.6.4.2 自适应场景建模 |
3.7 讨论 |
3.8 小结 |
第四章 目标模型驱动的、基于构件的自适应软件体系结构推导方法研究 |
4.1 概述 |
4.2 基于构件的自适应软件体系结构的推导方法 |
4.2.1 自适应构件概念模型 |
4.2.2 SA的结构化模型推导 |
4.2.2.1 基于"与分解"模式的结构化模型推导 |
4.2.2.2 基于"或分解"模式的结构化模型推导 |
4.2.3 SA的行为模型推导 |
4.2.3.1 基于"顺序与分解"模式的行为模型推导 |
4.2.3.2 基于"并发与分解"模式的行为模型推导 |
4.2.3.3 基于"或分解"模式的行为模型推导 |
4.2.4 SA的自适应重配置策略推导 |
4.3 目标模型驱动的SA建模方法追踪元模型 |
4.4 自适应软件体系结构的正确性评估 |
4.5 小结 |
第五章 基于体系结构的自适应容错软件系统实现的关键技术研究 |
5.1 概述 |
5.2 自适应容错软件系统的实现框架 |
5.2.1 目标管理层 |
5.2.2 变更管理层 |
5.2.3 体系结构重配置层 |
5.2.3.1 面向容错目标的构件动态查找和匹配 |
5.2.3.2 构件失配检测与消除 |
5.2.3.3 面向构件和软件体系结构的自适应容错策略 |
5.3 有效性评估 |
5.4 讨论 |
5.5 小结 |
第六章 可信需求的运行时监控与诊断技术研究 |
6.1 概述 |
6.2 自适应监控诊断重配置框架AMDRF简介 |
6.3 系统需求及属性规约描述 |
6.3.1 运行时监控器的推导算法 |
6.3.2 监控器推导的解说实例 |
6.4 监控对象定义及监控代码生成 |
6.4.1 标识监控对象 |
6.4.2 监控探针的实现方式 |
6.4.3 生成及编织监控代码 |
6.5 基于目标模型的运行时诊断方法 |
6.6 自适应重配置调整 |
6.7 讨论 |
6.8 小结 |
第七章 基于体系结构的自适应软件支撑平台的设计与实现 |
7.1 概述 |
7.2 基于体系结构的自适应软件支撑平台的总体架构 |
7.2.1 模型构建工具集 |
7.2.2 运行时管理工具集 |
7.2.3 自适应重配置工具集 |
7.3 平台的原型实现 |
7.3.1 建模工具简介 |
7.3.1.1 面向目标的需求建模分析工具objectiver |
7.3.1.2 自适应软件体系结构建模工具DynArch |
7.3.2 基于体系结构的运行支撑平台简介 |
7.4 小结 |
第八章 总结和展望 |
8.1 总结 |
8.2 将来的研究工作 |
参考文献 |
致谢 |
攻读博士学位期间发表论文情况 |
(5)基于应急知识模型的文本知识获取研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 问题的提出 |
1.2 国内外相关研究综述 |
1.3 研究思路和论文结构 |
2 知识需求分析与知识获取模型设计 |
2.1 应急领域知识需求分析 |
2.2 应急领域知识获取模型设计 |
2.2.1 事实获取 |
2.2.2 事实间关系获取 |
3 基于应急领域知识模型的事实获取模型设计 |
3.1 应急知识模型分析与构建 |
3.1.1 突发公共事件 |
3.1.2 应急知识模型的构建 |
3.2 事实的分析 |
3.3 文本预处理 |
3.4 初始事实的获取 |
3.4.1 取值类事实的获取 |
3.4.2 描述类事实的获取 |
3.5 初始事实的检验 |
3.5.1 取值类事实的检验 |
3.5.2 描述类事实的检验 |
4 关系获取模型设计及知识表示 |
4.1 事实间关系 |
4.1.1 事实间关系的类型 |
4.1.2 事实间关系获取方法 |
4.2 知识表示方法 |
5 实验及分析 |
5.1 实验内容和结果评价方法 |
5.2 实验结果统计 |
5.3 效果分析与评价 |
5.4 系统设计及实例运行 |
5.4.1 系统总体架构 |
5.4.2 数据库设计与开发环境 |
5.4.3 程序部分实现与实例运行 |
结论 |
参考文献 |
附录A 逻辑关系辞典 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(7)基于领域本体的亚健康中医辅助诊断系统的研究及应用(论文提纲范文)
基于领域本体的亚健康中医辅助诊断系统的研究及应用 |
摘要 |
Abstract |
第一章 引论 |
1.1 问题的提出 |
1.2 专家系统方法及研究现状 |
1.3 专家系统方法与技术综述 |
1.3.1 基于规则的专家系统 |
1.3.2 基于案例的专家系统 |
1.3.3 基于框架的专家系统 |
1.3.4 基于模糊逻辑的专家系统 |
1.4 医学领域本体的研究现状 |
1.5 本文研究的内容 |
第二章 中医亚健康辅助诊断领域本体的设计与框架表示 |
2.1 中医亚健康辅助诊断系统原理与涉及的知识领域 |
2.2 本体基本组织结构 |
2.2.1 本体论相关理论 |
2.2.1.1 本体的描述语言 |
2.2.1.2 本体描述方法或建模元语 |
2.2.1.3 本体分类 |
2.2.1.4 构建本体方法论 |
2.2.1.5 本体的评估 |
2.2.1.6 本体的用途 |
2.3 医学诊断领域本体的基本结构 |
2.4 中医学诊断领域本体的基本结构 |
第三章 中医亚健康辅助诊断领域知识的获取方法 |
3.1 知识获取的任务 |
3.1.1 抽取知识 |
3.1.2 知识的转换 |
3.1.3 知识的输入 |
3.1.4 知识的检测 |
3.2 知识获取的方式 |
3.2.1 半自动知识获取 |
3.2.2 自动知识获取 |
3.3 知识获取的方法 |
3.3.1 显性知识及其获取方法 |
3.3.2 隐性知识及其获取方法 |
3.3.3 基于领域本体的知识获取 |
3.4 基于临床病案的知识获取方法 |
3.5 电子病案的基本概念 |
3.6 病案知识表示形式 |
3.7 病案知识再加工 |
3.8 中医诊断学公理获取和基于公理的知识推理 |
3.9 小结 |
第四章 症状匹配模糊逻辑推理方法 |
4.1 模糊逻辑 |
4.2 模糊知识表示模型 |
4.3 基于电子病案与模糊方法解决患者自述与标准症状的匹配问题 |
4.3.1 医学知识和模糊理论的关系 |
4.3.2 标志的分类 |
4.3.3 症状的合并 |
4.3.4 模糊规则的知识获取 |
4.4 电子病案系统中模糊逻辑推理方法应用研究 |
4.4.1 规则的概率推理方法 |
4.4.2 推理算法设计 |
4.5 利用脉象进行中医亚健康辅助机器诊断 |
4.5.1 中医脉诊本体类的划分 |
4.5.2 中医脉诊本体的表示方法 |
4.5.3 中医脉诊知识的表示方法 |
4.5.4 中医脉诊本体中的公理 |
4.5.5 基于公理的中医脉诊知识分析 |
4.5.6 基于公理的中医脉诊知识推理 |
4.5.6.1 基于类间公理的医学知识推理 |
4.5.6.2 基于类内公理的中医脉诊知识推理 |
第五章 中医亚健康辅助诊断专家系统的实现 |
5.1 中医亚健康辅助诊断专家系统的主要数据库结构与设计 |
5.2 中医亚健康辅助诊断专家系统的实现 |
5.3 证候推理过程描述 |
5.4 系统实现部分主界面 |
第六章 总结与讨论 |
6.1 结论 |
6.2 讨论 |
参考文献 |
附录 |
攻读学位期间发表的论文 |
致谢 |
知识处理中知识表示、获取及推理的一些问题研 综述 |
摘要 |
Abstract |
第一章 专家系统 |
1.1 专家系统概述 |
1.1.1 专家系统的产生与发展 |
1.1.1.1 初创期 |
1.1.1.2 成熟期 |
1.1.1.3 发展期 |
1.1.2 专家系统的研究现状 |
1.1.2.1 基于规则的专家系统 |
1.1.2.2 基于案例的专家系统 |
1.1.2.3 基于框架的专家系统 |
1.1.2.4 基于模糊逻辑的专家系统 |
1.1.2.5 基于D-S证据理论的专家系统 |
1.1.2.6 基于人工神经网络的专家系统 |
1.1.2.7 基于遗传算法的专家系统 |
1.1.3 专家系统的研究热点 |
1.1.3.1 知识的表示和获取 |
1.1.3.2 多Agent技术的运用 |
1.1.4 专家系统 |
1.1.4.1 通用性专家系统 |
1.1.4.2 分布式专家系统 |
1.1.4.3 协同式专家系统 |
1.2 医学专家系统 |
1.2.1 医学诊断专家系统理论研究 |
1.2.2 专项医学诊断专家系统 |
1.2.3 神经网络医学诊断专家系统 |
1.3 亚健康医学专家系统 |
第二章 知识表示 |
2.1 知识表示(一) |
2.1.1 知识表示的定义 |
2.1.2 知识表示的选择 |
2.2 知识表示(二) |
2.2.1 几种常用的知识表示方法 |
2.3 总结 |
第三章 知识获取的方法和技术 |
3.1 关于自然语言理解 |
3.1.1 自然语言理解产生的背景 |
3.1.2 国内外语言信息处理现状及研究方法 |
3.1.2.1 国外关于自然语言理解方面的研究 |
3.1.2.2 国内关于自然语言理解方面的研究 |
3.1.3 中文自然语言处理的难点及研究方向 |
3.2 知识获取的简介 |
3.3 知识获取的方式 |
3.3.1 半自动知识获取 |
3.3.2 自动知识获取 |
第四章 案例学习 |
4.1 基于案例推理机制 |
4.1.1 案例的分类和表示 |
4.1.1.1 事例特征属性表示方法 |
4.1.1.2 框架表示法 |
4.1.1.3 语义网络表示法 |
4.1.2 推理机设计 |
4.1.2.1 关联检索策略 |
4.1.2.2 归纳检索策略 |
4.1.2.3 基于知识检索策略 |
4.2 基于案例推理知识库系统 |
4.3 实现过程 |
第五章 自学习 |
5.1 学习系统主要有四个部件构成 |
5.2 自学习的方法 |
第六章 本体 |
6.1 本体论概念演变 |
6.2 本体 |
6.3 本体论相关理论 |
6.3.1 本体的描述语言 |
6.3.2 本体描述方法或建模元语 |
6.3.3 本体分类 |
6.3.4 构建本体方法论 |
6.3.5 本体的评估 |
6.3.6 本体的用途 |
6.4 OwL描述语言概述 |
6.5 本体论的研究和应用 |
6.5.1 本体论理论研究和语义 |
6.5.1.1 本体概念研究 |
6.5.1.2 本体构建研究 |
6.5.1.3 本体映射研究 |
6.5.1.4 本体进化研究 |
6.5.2 本体在信息系统中的应用 |
6.5.3 本体和语义网 |
第七章 不确定性知识推理技术 |
7.1 几种不精确推理模型 |
7.1.1 确定性理论 |
7.1.2 主观Bayes方法 |
7.1.3 证据理论 |
7.1.4 模糊集理论 |
7.2 简评几种不精确推理模型的性能 |
7.3 四种方法的优、缺点 |
7.4 结束语 |
参考文献 |
Research and Application of TCM Sub-health Associate Diagnosis Sytem Based on Domain Ontology |
Abstract |
Chapter 1 Introduction |
1.1 The problem proposed |
1.2 Expert System Method and Research Status |
1.3 Expert System Method and technology Survey |
1.3.1 Rule-based expert system |
1.3.2 Case-based expert system |
1.3.3 The Expert System based on framework |
1.3.4 The expert system based on fuzzy logic reasoning |
1.4 The status of the medical domain ontology |
1.5 The content of this article |
Chapter 2 The design of Traditional chinese medicine sub-healthassociate diagnosis domain ontology and framework show |
2.1 System principle of Traditional chinese medicine sub-healthassociate diagnosis and field knowledge |
2.2 Ontology basic organizational structure |
2.2.1 Ontological theory |
2.2.1.1 Ontology description language |
2.2.1.2 Ontology description method and modeling yuan |
2.2.1.3 Ontology Category |
2.2.1.4 Construction ontology methodology |
2.2.1.5 The assessment of ontology |
2.2.1.6 The use of ontology |
2.3 The basic structure of medical diagnosis domain ontology |
2.4 The basic structure of TCM medical diagnosis domainontology |
Chapter 3 Acquisition method of Traditional chinese medicinesub-health associate diagnosis domain knowledge |
3.1 The task of knowledge acquisition |
3.1.1 Collected knowledge |
3.1.2 Knowledge conversion |
3.1.3 Input the knowledge |
3.1.4 Detection knowledge |
3.2 The way of knowledge acquisition |
3.2.1 Non-automatic knowledge acquisition |
3.2.2 Automatic knowledge acquisition |
3.3 Method of knowledge acquisition |
3.3.1 Dominant knowledge and acquisition method |
3.3.2 Tacit knowledge and acquisition methods |
3.3.3 Knowledge acquisition based on the domain ontology |
3.4 Knowledge acquisition methods based on the clinical cases |
3.5 The basic concept of electronic medical record |
3.6 The form of knowledge cases |
3.7 Knowledge of cases to deal with |
3.8 TCM Diagnostics axiom acquisition and knowledge-basedreasoning |
3.9 Summary |
Chapter 4 Symptoms matching fuzzy logic reasonng method |
4.1 Fuzzy logic |
4.2 Fuzzy knowledge show model |
4.3 Electronic medical record and fuzzy logic solutions theproblem of the readme match with the standard symptoms |
4.3.1 The relationship between medical knowledge and fuzzy theory |
4.3.2 The classification of marks |
4.3.3 Symptoms merger |
4.3.4 Knowledge acquisition of fuzzy rules |
4.4 Fuzzy logic method applied research in the electronic medicalrecord system |
4.4.1 Probability reasoning method of rules |
4.4.2 Algorithm Design |
4.5 Using TCM diagnosis Pulse for sub-health associassion machinery |
4.5.1 The category of TCM Pulse Diagnosis ontology |
4.5.2 Pulse Diagnosis ontology expression method |
4.5.3 Pulse Diagnosis knowledge expression method |
4.5.4 Axiom of pulse diagnosis |
4.5.5 TCM pulse diagnosis knowledge based on the axiom |
4.5.6 TCM pulse diagnosis knowledge based on knowledge reasoning |
4.5.6.1 Medical knowledge reasoning based on the type between the axiom |
4.5.6.2 TCM Pulse Diagnosis knowledge reasoning based on the inner axiom |
Chapter 5 Achieving of TCM sub-health associate expert system |
5.1 The main database structure and design |
5.2 The main interface of system achieving |
Chapter 6 Summary and discussion |
6.1 Conclusion |
6.2 Discussion |
References |
Research on Some Problems of Knowledge Representation,Acquisition and Reasoning in Knowledge Processing |
Abstract |
Chapter 1 Expert System |
1.1 Expert system outlined |
1.1.1 Expert system for selecting and development |
1.1.1.1 Embryonic stage |
1.1.1.2 Maturity stage |
1.1.1.3 Development stage |
1.1.2 The status of expert system researching |
1.1.2.1 Rule-based expert system |
1.1.2.2 Case-based expert system |
1.1.2.3 Based on the framework of expert system |
1.1.2.4 Based on fuzzy logic expert system |
1.1.2.5 Evidence Based on the D-S theory of expert system |
1.1.2.6 Based on artificial neural network expert system |
1.1.2.7 Based on genetic algorithm expert system |
1.1.3 Hot spots of expert system researching |
1.1.3.1 Knowledge expression and acquisition |
1.1.3.2 Using more Agent technology |
1.1.4 Expert System |
1.1.4.1 Universal expert system |
1.1.4.2 Distributed Expert System |
1.1.4.3 Cooperative Expert System |
1.2 Medical expert system |
1.2.1 Medical Diagnosis Expert System theoretical research |
1.2.2 Special medical diagnostic expert system |
1.2.3 Neural network medical diagnostic expert system In recent years, artificial neural network technology to flourish |
1.3 Sub-health medical expert system |
Chapter 2 Knowledge expression |
2.1 Knowledge expression(a) |
2.1.1 The definition of knowledge expresion |
2.1.2 The choice of knowledge expresion |
2.2 Knowledge expression(b) |
2.2.1 Several methods of common knowledge expresion |
2.3 Summary |
Chapter 3 Knowledge acquisition methods and techniques |
3.1 About natural language understanding |
3.1.1 The background of natural language understanding |
3.1.2 The status of domestic and foreign language information processing and research methods |
3.1.2.1 The research of abroad on natural language understanding |
3.1.2.2 The research of domestic natural language understanding |
3.1.3 Chinese natural language processing and the difficulty |
3.2 Knowledge acquisition introduction |
3.3 The way of knowledge acquisition |
3.3.1 Non-automatic knowledge acquisition |
3.3.2 Automatic knowledge acquisition |
Chapter 4 Case study |
4.1 Case-based reasoning mechanism |
4.1.1 Classification and expression of case |
4.1.1.1 Examples features attributes express way |
4.1.1.2 The framework express way |
4.1.1.3 Semantic network express way |
4.1.2 Inference engine design |
4.1.2.1 Associated retrieval strategy |
4.1.2.2 Summarized retrieval strategy |
4.1.2.3 Retrieval strategy based on knowledge |
4.2 Case-based reasoning Knowledge Base System |
4.3 Realization process |
Chapter 5 Self-learning |
5.1 Learning System has four main components comprise: |
5.2 Self-learning method |
Chapter 6 Ontology |
6.1 The evolution of Ontology concept |
6.2 Ontology |
6.3 The theory of Ontology |
6.3.1 Description of ontology language |
6.3.2 Description of ontology language modeling yuan |
6.3.3 Ontology Category |
6.3.4 Construction ontology methodology |
6.3.5 The assessment of ontology |
6.3.6 The use of ontology |
6.4 Ontology description language OwL Summary |
6.5. The research and application of Ontology |
6.5.1 Ontology theoretical research and semantic |
6.5.1.1 The concept of ontology |
6.5.1.2 Construction of ontology |
6.5.1.3 Ontology mapping study |
6.5.1.4 Ontology evolution |
6.5.2 The application of ontology in information systems |
6.5.3 Ontology and Semantic Web |
Chapter 7 The uncertainty of knowledge reasoning |
7.1 Some imprecise reasoning model |
7.1.1 Uncertainty theory |
7.1.2 Subjective Bayes methods |
7.1.3 Evidence theory |
7.1.4 Fuzzy set theory |
7.2 On several imprecise reasoning model performance |
7.3 The advantages and disadvantages of four methods |
7.4 Conclusion |
Reference |
(8)基于时序逻辑的Open Solaris内核进程形式化描述与求精(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 形式化方法概述 |
1.2 Open Solaris 概述 |
1.2.1 开源的Open Solaris 系统 |
1.2.2 UNIX 与Open Solaris 的对比 |
1.3 国内外研究现状 |
1.4 本文研究意义 |
1.5 本文组织结构 |
第二章 时序逻辑语言XYZ/E 的程序语义 |
2.1 XYZ/E 系统概述 |
2.2 XYZ 程序与语言成份的语义 |
2.2.1 XYZ/E 语言算子 |
2.2.2 条件元和单元 |
2.2.3 选择语句与并行语句 |
2.2.4 过程与过程调用 |
2.2.5 通信命令 |
2.3 本章小结 |
第三章 描述Open Solaris 操作系统内核进程 |
3.1 OpenSolaris 操作系统内核进程简介 |
3.1.1 进程模型 |
3.1.2 调度与调配器 |
3.1.3 进程间通信 |
3.1.4 进程权限 |
3.1.5 锁机制 |
3.1.6 Open Solaris 的实时性 |
3.1.7 Open Solaris 的关键技术 |
3.1.8 Open Solaris 与Linux2.6 比较 |
3.2 内核进程数据结构 |
3.3 描述Open Solaris 内核进程要素 |
3.3.1 进程创建 |
3.3.2 描述系统调用 |
3.3.3 时钟 |
3.3.4 Open Solaris 的实时性 |
3.3.5 Open Solaris 内核进程规范 |
3.4 本章小结 |
第四章 Open Solaris 内核进程求精与验证 |
4.1 第一层Open Solaris 内核进程规范描述 |
4.2 逐步求精到第二层 |
4.3 逐步求精到第三层 |
4.4 逐步求精到第四层 |
4.5 初步验证工作 |
4.6 本章小结 |
第五章 相关工作比较 |
5.1 内核进程形式化分析 |
5.2 与MK++、SZRTOS 比较 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间参加的科研项目和发表(录用)的论文 |
致谢 |
详细摘要 |
(9)上下文无关文法推断中的几条启发规则及其应用(论文提纲范文)
1 引言 |
2 关于递归概念在上下文无关文法中的重要性论述 |
3 对实例中存在嵌套循环结构的启发规则 |
4 关于多个循环结构推断的启发规则 |
5 对聚类算法进行扩展的启发规则 |
6 在求精算法中确定分解位置的启发规则 |
7 结束语 |
(10)交互式过程性知识表示与获取及其实现的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 过程性知识及其相关问题 |
1.2 本文主要研究目标、内容及其意义 |
1.3 论文结构安排 |
第二章 基于交互式的函数式语言设计与实现 |
2.1 一般语言编译系统概述 |
2.2 系统方案 |
2.3 系统实现 |
2.4 系统分析 |
2.5 语言的扩展 |
2.6 本章小结 |
第三章 一种上下文无关语言语法树的存储形式 |
3.1 问题的描述与研究的意义 |
3.2 语法树的表示 |
3.3 语法树的交互式语法制导生成 |
3.4 系统实现与分析 |
3.5 系统分析 |
3.6 本章小结 |
第四章 过程性知识归纳获取的研究 |
4.1 问题论域 |
4.2 分词算法 |
4.3 知识的归纳获取 |
4.4 知识的泛化 |
4.5 系统分析与系统例 |
4.6 本章小结 |
第五章 基于过程性知识系统的实现与研究 |
5.1 基于过程性知识的电气工作票专家系统 |
5.2 一种Petri网描述的软件开发模型 |
5.3 基于偶线性文法的数字图像处理实验平台 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
附录 |
附录 1: 本文所述及的部分文法 |
附录 2: 归纳知识获取的一个计算实例 |
附录 3: 基于“记录之间距离”的知识泛化的计算实例 |
四、逐步求精法获取上下文无关文法(论文参考文献)
- [1]基于深度学习的立体匹配算法研究[D]. 冯云剑. 武汉理工大学, 2020(08)
- [2]基于连续重复子串左联配的正则表达式识认算法[D]. 林罡. 华侨大学, 2019(01)
- [3]基于上下文无关文法的防火墙配置文件解析器的研究与设计[D]. 马艳彬. 北京邮电大学, 2015(08)
- [4]基于目标的高可信自适应容错软件开发方法研究[D]. 唐姗. 复旦大学, 2011(12)
- [5]基于应急知识模型的文本知识获取研究[D]. 杜云阶. 大连理工大学, 2009(05)
- [6]一个上下文无关文法的构造定理及其在推断中的应用[J]. 张雪峰,许丽娟,罗洪霞,党德玉. 计算机与现代化, 2008(06)
- [7]基于领域本体的亚健康中医辅助诊断系统的研究及应用[D]. 顾琳. 云南师范大学, 2008(S1)
- [8]基于时序逻辑的Open Solaris内核进程形式化描述与求精[D]. 王少将. 苏州大学, 2008(11)
- [9]上下文无关文法推断中的几条启发规则及其应用[J]. 李志圣,陈永生. 计算机工程与科学, 2006(09)
- [10]交互式过程性知识表示与获取及其实现的研究[D]. 敖丽敏. 中国农业大学, 2005(06)