【报告内容】

汇报人：胡桢

汇报单位：太原理工大学

主题：《A Multi-Objective Particle Swarm Optimization with Density and Distribution-Based Competitive Mechanism for Sensor Ontology Meta-Matching》

1、Introduction

2、Method

3、Experiment

4、Conclusions

【报告总结】

1.待解决的问题描述

传感器本体是描述传感器设备信息的标准概念模型，包括各种传感器模块的概念以及它们之间的关系。由于不同的传感器本体工程师对传感器设备有不同的描述方式，对传感器本体的构建也有不同的结构，因此引入了传感器本体之间的异构性问题。解决传感器本体的异构性有助于促进两个传感器本体的语义融合，实现传感器信息的共享和重用。

2.相关创新方案

(1)在许多已有的本体元匹配系统中，其结果的两个评价指标，即，查全率和查准率，需要利用专家预先提供的标准匹配结果，但不合理且耗时。为此，本文针对本体元匹配问题，构造了一个近似查全率和一个近似查准率，用来衡量匹配结果的质量。它们不需要标准参考匹配结果的介入，只与相似度矩阵相关，增强了匹配过程的合理性。

(2)根据提出的两种匹配结果近似评价指标，将传感器本体元匹配问题构造为多目标数学模型。

(3)针对MOPSO算法参数多、PF解分布不均匀的问题，提出了一种新的D2CMOPSO算法，用于优化多目标传感器本体元匹配模型。该算法参数较少，将需要优化的权值和阈值编码到算法的解中，并利用D2CMOPSO算法的稀疏性指标来选择一组分布更加均匀的前导解。然后根据密度指标判断每个粒子倾向于勘探或开采，从而根据竞争机制从一组领导解中选择出相应的领导解，引导粒子以更均匀的分布逼近最优粒子群。进一步地，找到并输出关于最优PF的解，即，使得元匹配问题具有最高质量的结果的一组参数。

(4)通过与其他基于MOPSO的本体匹配系统和OAEI的高级本体匹配系统进行比较，验证了本文方法的可行性，实验结果表明，D2CMOPSO能够更有效地匹配不同的异构本体;此外，通过几个传感器本体测试用例，将本文方法与其他一些知名的本体匹配系统进行比较，验证了本文方法的有效性。实验结果表明，D2CMOPSO算法在解决传感器领域本体异构问题上具有较好的性能，有助于实现不同传感器网络的知识集成和信息共享。

3.实验总结

本文旨在解决传感器本体元匹配问题，设计了本体匹配结果质量的两种近似度量，并构建了本体元匹配问题的多目标优化模型。提出了一种基于密度和分布的竞争机制的MOPSO算法来求解传感器本体元匹配问题并优化其解，称为D2CMOPSO。D2CMOPSO算法利用稀疏性来度量PF解的分布性，并从中选择出既具有低密度又具有均匀分布特性的精英解。此外，每个粒子根据自身密度决定偏好局部或全局搜索，在精英解中选择数量可变的候选解，然后基于竞争机制在候选解中选择领导解，引导其飞行方向和位置的更新，可以有效地平衡探索和利用。最后，通过三组实验验证了所提策略和模型的有效性和先进性，适用于解决不同异构物种的本体匹配问题，对实现传感器本体的匹配与融合具有积极的作用.

4.未来工作

本文的工作也有一些不足之处，由于所解决的问题都是小规模的匹配问题，D2CMOPSO算法在保证匹配结果质量的同时，不需要花费太多的时间。然而，基于D2CMOPSO的本体元匹配技术的效率可能会降低，当面对大规模的传感器本体匹配任务。在接下来的工作中，我们将考虑升级D2CMOPSO，使其适用于大规模的匹配问题，匹配结果的细化步骤，需要进一步提高传感器本体匹配的准确性。

报告时间：2025年02月21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)