Application ontology构建及SPARQL查询研究

来源 :计算机应用研究 | 被引量 : 4次 | 上传用户:nickymin
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
针对当前智能手机应用安全知识等信息的共享及复用问题,采用本体技术实现了智能手机应用本体(application ontology,APPO)的建模。利用本体描述语言(Web ontology language,OWL)对APPO中的概念及概念之间的关系进行知识表示,建立了一个语义表达准确的领域本体;利用本体查询语言SPARQL实现基于RDF三元组的各类相关查询;在此基础上,借助本体推理机制进行了推理研究,并结合实例,验证了研究内容的可行性和实用价值。
其他文献
针对人脸匹配在光照、姿态、表情等背景因素影响下匹配正确率低的问题,提出一种基于SURF和形状上下文(SC)的人脸图像匹配算法。在对图像进行人脸区域检测和重构积分图预处理的基础上,利用两次SURF算法提取人脸特征点并匹配,第一次用SURF进行粗匹配得到初始匹配集,并据此计算待匹配人脸图像间的尺度差和角度差,以此作为约束条件第二次进行SURF精匹配,以获得更多的匹配点对。最后采用不依赖位置信息的形状上
针对门禁系统中尾随、蛮力开门两种异常通过的行为,结合门禁系统的身份验证功能,采用图像处理技术对违规行为进行检测,以进一步提升门禁系统的安全性能。设计并使用了一种基于轨迹分析的人数统计方法,通过目标检测与跟踪算法得到目标在监控场景中的运动轨迹,根据轨迹判定目标进出门禁的情况;然后根据监控场景的特点,设计了一种基于计数线的目标计数规则,结合目标运动轨迹实现人数统计;最后结合门禁系统的身份验证功能,设定
三维激光扫描点云为文物模型重建提供了新的数据支持,但扫描所得海量点云包含大量冗余数据,给建模带来很大不便。针对扫描点云过密、冗余数据较多的问题,提出了一种基于自适应分层的文物点云数据压缩算法。算法的基本思想是:首先通过基于倒角距离变换的自适应分层方法对原始点云进行自适应分层;然后使用弦高差值作为特征点的判别依据来删除冗余数据,采用改进的弦高差法对每层点云进行压缩,保留对模型特征贡献较大的特征点。实
为了结合面部其他融合特征研究疲劳状态模式识别,主要研究了人的嘴部特征的定位及状态分析。对基于YCb Cr肤色结合Ada Boost联级算法采集帧图像定位人脸,在人脸定位的基础上,基于三庭五眼的先验知识对嘴部特征进行粗定位,采用迭代法自适应阈值分割法进行嘴部特征状态分析,利用最小外接法优化了嘴部状态参数。结果表明,提出的嘴部特征定位方法具有可行性、实时性。
随着互联网的飞速发展,产生大量的图像信息。为了减小存储并提高图像质量,提出了一种基于奇异值分解和Contourlet变化结合的有损图像压缩算法。该算法先对图像进行奇异值分解,根据奇异值对图像信号的贡献选取适当的奇异值来实现图像压缩,再对图像进行Contourlet变换和量化,实现图像二级压缩。将该算法和图像奇异值分解直接压缩算法、Contourlet变换压缩算法进行实验比较,结果表明,该算法比图像
由于红外成像的机理和探测器的限制,使得红外图像具有对比度低以及边缘模糊的特点,导致红外图像不适合被人眼及机器观察;传统的红外图像增强方法由于没有考虑人眼的因素,导致仍然不适合被人眼观察。结合分层思想提出一种基于人眼视觉的红外图像细节的增强方法。该方法首先利用双边滤波器将图像分成包含图像低频概貌信息的基础层和包含图像高频细节信息的细节层,基础层的处理是运用人眼视觉特性的方法将其映射到显示器可显示范围