摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 课题背景及研究意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 情境感知系统研究现状 | 第11-12页 |
1.2.2 情境感知建模技术研究现状 | 第12页 |
1.2.3 情境推理技术研究现状 | 第12-13页 |
1.3 本文主要内容 | 第13-14页 |
1.4 论文组织结构 | 第14-16页 |
第2章 情境建模及推理技术 | 第16-26页 |
2.1 情境建模技术 | 第16-21页 |
2.1.1 情境建模技术 | 第16-17页 |
2.1.2 本体理论 | 第17-18页 |
2.1.3 本体描述语言 | 第18-19页 |
2.1.4 Prot(?)g(?)技术 | 第19-20页 |
2.1.5 Jena技术 | 第20-21页 |
2.2 情境信息预处理技术 | 第21-23页 |
2.2.1 情境的分类 | 第21-22页 |
2.2.2 信息预处理 | 第22-23页 |
2.3 本体推理技术 | 第23页 |
2.4 不确定推理技术 | 第23-25页 |
2.5 本章小结 | 第25-26页 |
第3章 基于不确定推理的情境感知体系结构 | 第26-40页 |
3.1 情境感知系统框架设计 | 第26-28页 |
3.1.1 情境感知系统分层 | 第26-27页 |
3.1.2 情境感知系统总框架设计 | 第27-28页 |
3.2 不确定情境信息采集方法研究 | 第28-33页 |
3.2.1 不确定情境信息分类 | 第28-29页 |
3.2.2 内部情境信息采集模块设计 | 第29-30页 |
3.2.3 外部情境信息采集模块设计 | 第30-32页 |
3.2.4 用户位置信息采集算法设计 | 第32-33页 |
3.3 基于D-S理论的本体模型改进及可行性分析 | 第33-37页 |
3.3.1 D-S理论 | 第33-35页 |
3.3.2 D-S理论在情境感知推理的可行性分析 | 第35-36页 |
3.3.3 基于D-S理论本体建模方法改进 | 第36-37页 |
3.3.4 对OWL的扩展 | 第37页 |
3.4 基于用户行为的本体建模 | 第37-38页 |
3.5 本章小结 | 第38-40页 |
第4章 混合式不确定情境推理方法 | 第40-54页 |
4.1 基于粗糙集的不确定信息预处理方法 | 第40-44页 |
4.1.1 粗糙集 | 第40-42页 |
4.1.2 Naive Scaler数据离散算法改进 | 第42-44页 |
4.2 基于粗糙集的决策规则评价及提取 | 第44-46页 |
4.2.1 可辨识矩阵 | 第45页 |
4.2.2 可辨识矩阵的信息约简处理 | 第45-46页 |
4.3 预处理方法算例 | 第46-47页 |
4.4 D-S理论不确定推理算法 | 第47-50页 |
4.4.1 D-S理论合成算法改进 | 第47-49页 |
4.4.2 D-S理论与Rough Set推理方法 | 第49-50页 |
4.5 混合式不确定情境推理方法设计 | 第50-51页 |
4.6 推理方法算例 | 第51-53页 |
4.7 本章小结 | 第53-54页 |
第5章 原型系统实现及推理测试 | 第54-70页 |
5.1 基于情境感知的智能家居系统原型 | 第54-55页 |
5.1.1 情境场景描述 | 第54页 |
5.1.2 概念模型 | 第54-55页 |
5.2 情境感知系统设计与实现 | 第55-56页 |
5.2.1 系统开发工具和开发环境 | 第55页 |
5.2.2 知识库创建 | 第55-56页 |
5.3 不确定信息采集模块 | 第56-59页 |
5.3.1 心率采集设备 | 第57-58页 |
5.3.2 人体运动状态采集设备 | 第58-59页 |
5.4 情境感知服务端设计与实现 | 第59-63页 |
5.4.1 情境信息采集服务端模块 | 第60-61页 |
5.4.2 本体与数据库交互模块 | 第61-62页 |
5.4.3 情境感知推理模块 | 第62-63页 |
5.5 情境感知客户端设计与实现 | 第63-65页 |
5.6 推理测试及分析 | 第65-68页 |
5.6.1 实验设计 | 第65页 |
5.6.2 实验及分析 | 第65-68页 |
5.7 本章小结 | 第68-70页 |
结论 | 第70-72页 |
参考文献 | 第72-76页 |
攻读硕士学位期间取得的成果 | 第76-78页 |
致谢 | 第78页 |