在高校学生个性化培养的过程中,学生活动每时每刻都会产生大量的蕴含着学生行为潜在规律的数据。这些数据多来源于碎片化的上课、考试,和讲座等活动情景,为了抽取学生在校的全过程行为模式,需要对碎片化情景中的数据进行融合。为解决这个问题,一方面需要对这些碎片化的情景进行全面描述,另一方面要解决数据融合中的数据异构问题。情景本体建模可以有效解决情景形式化描述问题,而情景本体的本体协同过程又体现了底层数据的关联关系。因此,本文针对多样性的高校情景和学生行为、活动数据,结合情景本体建模和时空数据分析方法,制定模糊推理规则研究数据间的关联关系实现情景本体协同过程。论文的主要研究内容如下:(1)高校情景本体构建:结合实际高校情景对元情景本体进行改进,在此基础上,梳理高校学生培养方案对高校情景进行解析,并通过对情景中相关数据的梳理,细化情景本体概念和属性,构建三个主要高校情景的情景本体,分别为:上课情景本体、活动情景本体和深度辅导情景本体。(2)模糊情景本体构建:情景本体中概念的部分属性,如时间、参加人数等具有模糊性,因此选择利用模糊数学相关方法对情景本体的概念和实例进行模糊化处理,进一步构建模糊情景本体。(3)模糊情景本体协同:学生在碎片化的高校情景中产生的行为数据具有时间标签和空间标签,形成了时空数据,这些时空数据在情景本体中对应活动和行为两个概念,这些时空数据的时间属性导致活动和行为两个概念无法从语义角度和数据角度进行区分。因此提出一种基于时间切片算法的情景本体协同方法。通过计算时间切片的最优长度可得到“活动”和“行为”的时间长度范围,为后续识别“活动”间关系做基础,并通过制定的模糊规则在时间维度上对活动排序,即通过数据间的关联关系实现本体协同过程。(4)群体协同及实例验证:在实现个体行为协同基础上,提出一种基于模糊相似度的群体协同方法,并根据实际情景与数据构建模糊情景本体,分别对个体协同和群体协同方法进行验证。图21幅,表19个,参考文献69篇。