2026年10月30日:Enhancing Coastal Remote Sensing through Multi-Sensor Ontology Alignment via Pareto-Aware Genetic Programming with Preference Rotation

  • 主页 /
  • 通知公告 /
  • 通知公告

2026年10月30日:Enhancing Coastal Remote Sensing through Multi-Sensor Ontology Alignment via Pareto-Aware Genetic Programming with Preference Rotation

【报告内容】

汇报人:李博

汇报单位:太原理工大学

主题:Enhancing Coastal Remote Sensing through Multi-Sensor Ontology Alignment via Pareto-Aware Genetic Programming with Preference Rotation

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题

多传感器海岸遥感本体在术语、结构和语义范围上存在差异,导致跨本体匹配困难。传统遗传编程通常使用固定的精确率—召回率权重,容易偏向单一指标;同时,高维且冗余的相似度特征空间容易使种群多样性下降,造成早熟收敛。

2.创新方案

论文提出 PAGP-PR方法。它通过动态偏好轮换,在进化过程中调整对精确率、召回率及综合指标的关注重点;并建立帕累托档案,保存精确率与召回率之间具有不同权衡的非支配解。当搜索停滞时,算法将档案中的解重新引入种群,以恢复多样性、继续探索。生成的匹配规则以遗传编程树表示,具有一定可解释性。

3.实验总结

实验在4个 OAEI 环境与生物多样性本体任务,以及4个真实海岸传感器本体匹配任务上进行,并将方法与多种本体匹配器及进化算法进行比较。各任务独立运行30次。论文报告 PAGP-PR 在8个任务上均取得最高 F-measure,平均值为 0.89;消融实验也显示,动态偏好轮换和帕累托档案多样性机制有助于提升匹配效果与稳定性。

4.未来工作

后续计划将一对一匹配扩展到一对多和多对多匹配;利用自然语言传感器描述和关联开放词汇等外部知识丰富相似度特征;开发可随本体变化及时更新的增量版本;并探索分布式和 GPU 加速,以支持更大规模的海岸知识图谱与近实时应用。

报告时间:2026年10月30日19:30

腾讯会议:371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码:iipr)