【报告内容】

汇报单位：太原理工大学

主题：《Matching Sensor Ontologies with Simulated Annealing Particle Swarm Optimization》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

粒子群优化(PSO)是确定高质量本体对齐的重要方法。粒子群算法虽然收敛速度快，但容易陷入局部最优，无法找到全局最优解。为了克服这一缺点，本文针对不同的相似性度量，提出了一种模拟退火粒子群算法(SAPSO)来优化它们的聚集权值和阈值。特别是在进化过程中，SAPSO引入了模拟退火(SA)策略，进一步提高了解决方案的质量。

2.相关创新方案

(1)提出了本体对齐的近似评价指标，构建了传感器本体元匹配问题的优化模型。

(2)为有效解决传感器本体元匹配问题，提出了本体元匹配框架和SAPSO算法。

3.实验总结

本工作提出了新的质量评价指标来评价传统的三个评价指标。建立了传感器本体元匹配问题的数学模型;最后，提出了一种SAPSO算法来解决这个问题，该算法使用SA来帮助算法避免局部最优。为了验证SAPSO的有效性，我们使用了OAEI的基准和三个真实的传感器本体。从适应度函数都有提高。最后，实验证明了SAPSO是一种有效的方法。

4.未来工作

目前，SAPSO在确定具有异质特征的实体映射方面还存在一定的缺陷，使得其在具有异质结构的测试用例中f测度相对较低;同时，SAPSO算法也存在一定的局限性，如性能与初始值有关、参数敏感等。最后，有必要改进本体对齐的近似评价指标，以更好地指导算法寻找全局最优解。

报告时间：2024年09月27日19:30

腾讯会议：311-5999-8176

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)