面向智能汽车空间的上下文建模与推理研究

来源 :杭州电子科技大学 | 被引量 : 0次 | 上传用户:caonimadoucunzai
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着普适计算环境和智能空间的快速发展,上下文感知计算作为其重要子领域,需要能适应高度动态异构的计算环境,同时要求所有在智能空间中的实体(例如设备,服务和代理)都必须能感知它们所处的上下文环境,并对变化的上下文做出及时、有效的反应,以用户为中心。然而,介于当前智能空间中所感知的原始上下文所具有的单一、低层、不稳定、不精确等特点,如何甄别有效的上下文,如何利用上下文推理出用户的意图和状态成为研究的关键问题。而且随着用户对上下文信息共享的需求日益繁多,如何有效且量化地实现其中不确定性的知识信息关联成为当今研究的又一热点。本文着重针对以上这些问题展开研究与实践工作,在智能汽车空间上下文建模中引入本体论,使得系统中真正意义上的知识重用和共享也成为可能。同时提出了一种以不确定性上下文推理机制驱动的本体映射方法,来处理智能汽车空间领域内的异构信息的通信共享。在不确定性推理机制中我们选用了基于数学概率的动态贝叶斯网络和隐马尔科夫模型方法来进行上下文的推理计算,尽可能保证系统的可靠性、准确性与高效性,满足用户的服务需求。以下是本文的主要工作:首先,基于本体对智能汽车空间进行上下文建模,使用OWL语言来描述,同时为满足一个统一,规范的推理本体来进行上下文推理,采用本体映射方法来适应智能汽车空间上下文不确定信息的推理以及满足推理方法的数学结构。其次,本文为了解决不确定性和不完整性问题,提出了动态贝叶斯网络和隐马尔科夫模型为主的不确定上下文推理机制,以数学概率结合驾驶员身体状态来构建推理方法,进行智能汽车空间内的上下文推理。最后,从应用角度出发,把本体映射方法与不确定上下文推理机制结合应用到智能汽车空间中的驾驶员身体状态识别,并对实验数据与应用效果进行分析,验证系统能感知上下文的变化并进行准确的状态识别,提醒驾驶员以保证安全的驾驶行为。
其他文献
如何有效利用学评教数据在教学管理中的决策支持作用,是高校需要长期关注和研究的课题。对学评教数据的简单使用,难于发现隐藏在数据中的有用知识,不能有效地对决策起支持作
随着半导体技术、传感器技术、无线通信技术、嵌入式计算技术和微机电系统等技术的快速发展和日益成熟,使得具有低成本、低功耗、多功能特点的微型传感器能够得到大量的生产,
本文实现了基于ArcGIS Server的警情应用地理信息系统的原型,主要功能包括:地图基本操作,如地图缩放、漫游;点击查询;属性查询;警情位置标注;周边查询;地图打印等。系统能够帮助公安
随着信息社会的发展,资源共享的要求越来越迫切,从整个世界到-个国家,甚至一个企业,一个工作组单元无不需要共享资源。资源的共享给越来越多的人带来了方便,带来了财富。但是
Linux设备驱动一般运行在内核空间,近些年来,为了提高驱动开发效率,一些研究人员提出了在用户空间下开发驱动的概念,相对于内核驱动,用户空间下的驱动有着以下优点:1,调试的
热点主题词提取技术是网络舆情热点话题发现的基础,即利用计算机对海量的网络信息进行处理并提取热点主题词,能给进一步进行与网络舆情相关的热点话题挖掘提供很好的利用结果
在我们的社会生活中,图像是最为普及的一种信息载体。然而在生成图像的过程中,受到外界退化因素的影响,最终获得的图像往往不能满足人们的要求,这对人们认识世界,了解社会规
文件管理随着系统中文件数量的增加变得越来越重要,传统的树形目录结构的文件管理方法已经无法高效的进行文件管理,文件目录的加深和文件类型的划分困难给用户在目录构建和文
近些年来,随着遥感技术、计算机技术的不断发展,大规模地形数据的可视化在战场仿真、虚拟现实、地理信息系统、飞行模拟、电子地图、游戏娱乐等各个方面中的应用越来越广泛。应用需求的不断增加,促使人们在大规模地形数据可视化方面进行了许多有益的研究,也取得了长足的进步,同时也出现了一些亟待解决的问题,比如:地形数据所包含的纹理数据、高程数据等大多具有经纬度跨度大、分辨率高的特点,不仅无法一次性存入内存中,而且
软件复用是软件工程的重要领域,被认为是解决软件危机、提高软件生产率和软件质量的主要途径。基于构件的软件复用是当今软件复用研究的热点,是软件复用的关键技术。本文主要采用领域工程方法并结合软件构件技术对人力资源管理系统(HRMS,Human Resource Management System)进行详细的分析与设计,通过构建人力资源领域模型,开发人力资源管理系统通用构件,实现其主要功能的复用。本文对领