基于两层元数据与本体的异构数据共享技术

针对多源、多类、异构数据难以同时共享的问题,提出了一种两层元数据结合本体的信息共享技术.首先,分析了两层元数据的结构,介绍了如何通过两层元数据统一描述多类异构数据.其次,针对元数据缺乏语义信息不能描述数据类别之间的隐含关系的问题,在元数据之上建立本体层,对元数据进行语义描述和本体推理.最后,在数据检索方面,利用Lucene全文检索引擎与SPARQL(Simple Protocol and RDF Query Language)本体查询语言相结合,在关键词查询过程增加了SPARQL检索操作,提高了查全率,并优化了检索时间.实验选取了2014-2015赛季欧洲足球冠军联赛数据作为测试数据,证明了本文方法在异构数据共享上的有效性和元数据查询性能的改进.      

基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法

深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法，然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此，提出了一种DQN与扩展卡尔曼滤波(EKF)相结合(DQN-EKF)的交通信号灯配时方法。以估计网络的不确定性参数值作为状态变量，包含不确定性参数的目标网络值作为观测变量，结合过程噪声、包含不确定性参数的估计网络值和系统观测噪声构造EKF系统方程，通过EKF的迭代更新求解，得到DQN模型中的最优真实参数估计值，解决DQN模型中的参数不确定性问题。实验结果表明:DQN-EKF配时方法适用于不同的交通环境，并能够有效提高车辆的通行效率。