支持不確定性推理的上下文模型構建和基于貝葉斯網(wǎng)絡的推理.pdf

1、上下文感知技術是實現(xiàn)智能環(huán)境的一種關鍵技術。在上下文感知應用中,很大一部分數(shù)據(jù)都是由傳感器獲得,由于傳感器等設備自身的技術限制,其感知獲取的數(shù)據(jù)天生具有不精確性和不確定性。又由于原始的上下文數(shù)據(jù)的不確定性,從而導致了使用它們推理獲得的更高層次的上下文依然保留著不確定性。現(xiàn)有的用來描述上下文信息的本體模型,基本以基于二值邏輯的本體建模語言OWL進行構建,而OWL本身不支持不確定性推理。因此,使用本體語言的上下文感知應用如何解決上下文信息的

2、不確定性以及不確定推理,就逐漸成為上下文感知中的一個研究點。
　　 本文給出了一種基于貝葉斯網(wǎng)絡的支持不確定性推理的上下文模型的構建方法。在原有OWL本體模型的基礎上擴展支持不確定性推理的信息。在模型構建方面,本文設計了“通用-領域”雙層的本體模型。引入上下文信息五要素,使用通用模型描述普遍概念,使用領域模型描述領域概念。根據(jù)上下文信息本身的層次性、因果性,選擇貝葉斯網(wǎng)絡進行基于機器學習的不確定性推理。根據(jù)貝葉斯網(wǎng)絡的結構特點,