基于目标特性的卫星遥感信息知识图谱构建与解译方法
这是一篇关于知识图谱,智能化,关联关系的论文, 主要内容为本项目基于目标特性的卫星遥感信息知识图谱构建与智能辅助解译技术,针对遥感卫星影像数据,建立了图像信息解译本体库构建和关联辅助解译知识图谱管理2个插件,包括本体库构建、本体库存储管理、图数据库、实体属性识别、关联关系抽取、知识融合6个模块,实现了基于目标特性的卫星遥感信息知识图谱构建与智能辅助解译技术的功能建设。目标数据库中涵盖了不少于3种关联分析类型,提供不少于10万条先验zl信息,目标知识图谱覆盖目标类型不少于16类150型。本项目是以从地面系统调取原始遥感影像为zl数据基础,利用知识图谱技术将目标标注信息关联并组织管理,基于以飞机、车辆、舰船等目标为中心的标注数据、先验知识、非结构化文本数据构建知识图谱,最终形成了智能可视化展示。通过进行知识图谱构建与智能辅助解译技术的应用与开发,提高了传统遥感样本标注效率。对比传统的依靠专家经验的标注方式,从目标判读和影像识别角度分析,基于目标特性的卫星遥感信息知识图谱构建与智能辅助解译技术能够提升遥感影像数据标注的准确度,降低了目标标注过程中识别类型和型号的技术难度,进而推进航天事业的发展与进步。
基于J2EE的设备监控系统的设计与实现
这是一篇关于设备监控,数据搜集处理,RMI,故障管理,关联关系,J2EE的论文, 主要内容为随着信息化建设步伐的加快,保证系统运行平稳、可靠显得尤为重要,但当前的技术手段却远远落后,仍需手工登录系统维护,一方面,维护实时性差,不能及时发现问题,影响业务的正常运行,另一方面,对于每一台设备每天都远程登录,维护强度大,使维护人员陷于日常繁琐的手工维护上,没有精力潜心研究更深层次的问题,对于故障的处理是被动的,救火式的。同时,频繁的远程登录给系统带来安全隐患。如何尽快解决上述问题,变IT(Information Technology信息技术)支撑为主动模式,使故障发生前得到预警,保证各项业务系统稳定运行,本课题所研究的集中设备监控系统便是解决这些问题的最好手段。它将改变以往IT维护模式,使得IT系统维护为一站式、主动式、智能化。 本课题完成的设备监控系统,要实现从每台监控的客户端设备上获取系统运行情况的参数、系统告警信息、,通过对这些告警、性能数据进行预处理,实现数据格式的统一,将搜集到的这些信息发送到服务器上,并保存到数据库中,从中查找出可能对设备及应用造成影响的故障信息提供给运维人员进行处理和解决。如果是重要的告警信息、,发送短信给系统管理员,如果是一般的告警信息则发送邮件给系统管理员。对于从客户端上搜集到的信息、,可以通过页面进行分类别的图表展示,可以作为系统性能分析的依据。 系统主要实现了数据采集、数据处理及数据展示三个功能部分,其中包括了通信模块,邮件及短信、Web展示、日志分析、采集调度、状态轮询、故障管理、资源管理、配置管理、性能管理、数据库等功能模块。本课题对J2EE(Java2 Platform Enterprise Edition Java 2企业版)、Java编程、RMI(Remote Method Invocation远程方法调用)、邮件及短信发送、数据搜集及处理、ITIL(Information Technology Infrastructure Library信息技术基础架构库理论)、关联关系、主机性能分析等多项技术做了深入的研究,完成了系统的设计和实现。 本课题设计完成后,最终的目标是能够运用到实际的设备环境中,及时发现系统中的各种故障和性能问题,确保各种软硬件设备的稳定可靠运行,提升系统对企业应用的支撑能力。
基于化工案例的事故原因知识图谱构建研究
这是一篇关于化工事故,知识图谱,事故原因,原因识别,关联关系的论文, 主要内容为近年来火灾、爆炸和中毒等化工事故频发,造成了严重的生命财产损失,已经引起了各界广泛的关注。事故预防作为一种能有效避免事故发生的风险管理手段,能通过分析过往事故的原因,来发现事故发生的规律,从而提出改进方案,防止类似事故的再次发生。但目前用于分析的事故案例受限于文本形式,难以支撑对事故案例原因的分析,因此,亟需一种方法将文本数据结构化以支持预防策略和法规的制定。知识图谱作为一种将信息集成到本体中的特殊数据库,为文本数据的结构化提供了本体的支持和技术方法。为构建知识图谱,本文从安全管理网和政府应急管理网等网站采集到了事故调查报告。根据采集到的数据的特点,本文主要进行了以下几个方面的研究:(1)知识图谱模式层的构建。本文基于文本数据调整了事故致因2-4模型的原因分类,并结合SEM事件表示模型确定了原因和事故中的元素,从而构建出了知识图谱的模式层本体模型。(2)知识图谱数据层的构建。本文根据原因抽取的流程:原因识别、原因元素识别、原因关系识别,抽取到了知识图谱中的原因、实体和因果关系,构建出了知识图谱的数据层。(3)知识图谱模式层的完善。本文对数据层中的原因实例进行聚类得到了致因要素,结合专家知识人工构建了事故原因分类体系。然后,使用Apriori算法挖掘了致因要素之间存在的关联关系。最后将知识图谱中的知识以三元组的形式导入到数据库中。从而完成了化工事故原因知识图谱的构建。(4)最终本文基于知识图谱提出了化工事故的预防建议。本文基于DEMATEL影响分析法对致因要素间的关联关系进行分析,从而得出对系统影响较大的关键要素,并针对关键的致因要素提出了相应的建议。本文结合DEMATEL分析法对最终构建出的知识图谱进行了分析,找出了致因系统中的关键要素,并针对性地提出了意见,为类似化工事故的预防提供一定的参考。
基于J2EE的设备监控系统的设计与实现
这是一篇关于设备监控,数据搜集处理,RMI,故障管理,关联关系,J2EE的论文, 主要内容为随着信息化建设步伐的加快,保证系统运行平稳、可靠显得尤为重要,但当前的技术手段却远远落后,仍需手工登录系统维护,一方面,维护实时性差,不能及时发现问题,影响业务的正常运行,另一方面,对于每一台设备每天都远程登录,维护强度大,使维护人员陷于日常繁琐的手工维护上,没有精力潜心研究更深层次的问题,对于故障的处理是被动的,救火式的。同时,频繁的远程登录给系统带来安全隐患。如何尽快解决上述问题,变IT(Information Technology信息技术)支撑为主动模式,使故障发生前得到预警,保证各项业务系统稳定运行,本课题所研究的集中设备监控系统便是解决这些问题的最好手段。它将改变以往IT维护模式,使得IT系统维护为一站式、主动式、智能化。 本课题完成的设备监控系统,要实现从每台监控的客户端设备上获取系统运行情况的参数、系统告警信息、,通过对这些告警、性能数据进行预处理,实现数据格式的统一,将搜集到的这些信息发送到服务器上,并保存到数据库中,从中查找出可能对设备及应用造成影响的故障信息提供给运维人员进行处理和解决。如果是重要的告警信息、,发送短信给系统管理员,如果是一般的告警信息则发送邮件给系统管理员。对于从客户端上搜集到的信息、,可以通过页面进行分类别的图表展示,可以作为系统性能分析的依据。 系统主要实现了数据采集、数据处理及数据展示三个功能部分,其中包括了通信模块,邮件及短信、Web展示、日志分析、采集调度、状态轮询、故障管理、资源管理、配置管理、性能管理、数据库等功能模块。本课题对J2EE(Java2 Platform Enterprise Edition Java 2企业版)、Java编程、RMI(Remote Method Invocation远程方法调用)、邮件及短信发送、数据搜集及处理、ITIL(Information Technology Infrastructure Library信息技术基础架构库理论)、关联关系、主机性能分析等多项技术做了深入的研究,完成了系统的设计和实现。 本课题设计完成后,最终的目标是能够运用到实际的设备环境中,及时发现系统中的各种故障和性能问题,确保各种软硬件设备的稳定可靠运行,提升系统对企业应用的支撑能力。
面向塑钢门窗批量定制的物料信息配置系统研究与开发
这是一篇关于塑钢门窗,批量定制,物料信息配置,知识图谱,关联关系的论文, 主要内容为伴随着建筑节能要求的不断提高,高档塑钢门窗的市场需求越来越大,门窗种类也越来越多,所需物料的种类更多。企业在进行订单生产时,设计完窗型后并不能确认所生产窗型的所用物料规格,需要根据客户的具体需求进行物料信息配置,由物料信息配置表来确认生产该窗型所需物料的具体型号和属性,由于物料之间参数关联关系的复杂性和已有物料分类工具的不健全,物料信息配置表只能由企业技术人员在获取客户需求之后手动创建,工作量大且极易出现漏选和错选现象。依据塑钢门窗生产企业的需求现状,以提高塑钢门窗物料信息配置效率为目标,分析现有的塑钢门窗产品数据结构,在基于BOM的门窗生产ERP系统中,通过构建塑钢门窗知识图谱实现对产品基础数据的规范化存储和高效运用;在已构建知识图谱的基础上运用分词和正则匹配规则,对知识图谱中的产品基础数据进行自然语言搜索,提高物料信息配置系统易用性;通过分析塑钢门窗物料选配规则及物料参数关联关系,构建物料参数关联关系规则模型,实现对物料型号规格的精确选配;同时,根据物料信息配置表数据采集客户需求数据,训练客户需求推荐的神经网络模型,根据不同环境和要求对窗型及相关配置向客户做出精准推荐。通过上述研究,本文将知识图谱、自然语言搜索和神经网络引用到塑钢门窗物料信息配置的业务流程中。利用Python语言开发了应用系统,通过对塑钢门窗产品基础数据进行分析,解决了人工为产品和物料创建分类的主观和不完备性、物料信息配置录入不规范等制约问题,实现了的塑钢门窗物料信息的高效配置,以及为后续的智能设计与制造系统提供了高效数据支撑。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码货栈 ，原文地址：https://m.bishedaima.com/lunwen/53887.html
