基于语义网和遗传算法的知识图形化展示研究

来源 :计算机应用研究 | 被引量 : 2次 | 上传用户:CHENHUANHUAN7
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
为提升领域知识认知、解读的效率,以现有技术为基础,进一步研究了知识的图形化展示方法。基于本体和语义网技术讨论了适用于图形化展示的知识模型和相应展示方案。针对知识图布图问题,基于遗传算法,研究了目标函数、对编码方案进行了优化、引入了优势解保留的精英解群,并改进了遗传策略。算例对比证明,该算法能够在减少交叉点的同时达到聚类目的,效率较高。以上研究的知识模型和布图算法可用于实际系统,并为类似研究提供参考。
其他文献
改革开放以来,我国高等教育事业得到了较快的发展,国家着重建设了一批重点高校和重点学科,“211工程”和“985工程”推动了研究型大学的实践尝试。经过十多年的发展,我国研究型大
一 改革开放以来,我国高等教育的改革和发展与我国社会的整体转型、经济社会发展状况、对外开放进程直接相关,不同阶段主流的社会思潮、国家的方针政策以及世界经济与科技发展
在MMI和EMI理论及实证调查的基础上,本文以福建省为例,对改革开放后高等教育规模扩张过程中社会阶层子女入学机会分布的变化情况进行了研究。结果发现,各阶层子女总体的入学
针对不确定数据流上的聚类问题提出一种不确定数据流子空间聚类算法UDSSC。该算法使用滑动窗口机制接收新到达的数据,剔除陈旧的数据;还引入子空间簇生成策略和新型离群点机制;系统建立了三个缓冲区分别存储新到来的元组、要进行聚类的元组和离群点元组,以此获得高质量的聚类结果。实验表明,UDSSC算法与同类型算法相比,具有更好的聚类效果、更低的时间复杂度和更强的扩展性。