亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

Jena

  • Jena文檔《An Introduction to RDF and the Jena RDF API》的譯文

    Jena文檔《An Introduction to RDF and the Jena RDF API》的譯文，可以初步了解RDF和Jena RDF API，適合研究語義Web和本體的初學(xué)者！

    標(biāo)簽： Jena Introduction RDF API

    上傳時間： 2014-01-03

    上傳用戶：stewart·

  • 對Jena推理機的文件進(jìn)行讀取

    對Jena推理機的文件進(jìn)行讀取，并存入mysql數(shù)據(jù)庫

    標(biāo)簽： Jena 推理機 讀取

    上傳時間： 2014-01-14

    上傳用戶：ardager

  • 使用Jena推理機實現(xiàn)ontology應(yīng)用的實例

    使用Jena推理機實現(xiàn)ontology應(yīng)用的實例

    標(biāo)簽： ontology Jena 推理機

    上傳時間： 2013-12-19

    上傳用戶：372825274

  • Jena推理機

    Jena推理機，用于解析OWL文檔 抽取本體概念

    標(biāo)簽： Jena 推理機

    上傳時間： 2017-05-16

    上傳用戶：gut1234567

  • Jena reasoner, 用于基于owl等的推理

    Jena reasoner, 用于基于owl等的推理

    標(biāo)簽： reasoner Jena owl

    上傳時間： 2017-08-23

    上傳用戶：924484786

  • 這段代碼是應(yīng)用Jena 的簡單程序

    這段代碼是應(yīng)用Jena 的簡單程序，運用了Ontmodel ,OntClass 等類

    標(biāo)簽： Jena 代碼 程序

    上傳時間： 2014-01-02

    上傳用戶：從此走出陰霾

  • 智能IETM語義檢索系統(tǒng)設(shè)計與實現(xiàn)

    　　通過對IETM智能化語義檢索方法的探討，提出了一種基于Jena推理的IETM智能化語義檢索方法。分析了當(dāng)前IETM系統(tǒng)檢索方法存在的不足，提出了語義檢索是實現(xiàn)IETM智能化的有效途徑。詳細(xì)闡述了Jena語義推理的基本原理。最后，設(shè)計了基于Jena推理的IETM智能化語義檢索方法，該方法根據(jù)輸入檢索語義檢索條件在IETM領(lǐng)域本體庫中進(jìn)行Jena推理獲得語義擴展的檢索結(jié)果；根據(jù)語義擴展后的檢索結(jié)果在CSDB中進(jìn)行檢索，獲得最終結(jié)果。所提方法較好地滿足了IETM系統(tǒng)中海量領(lǐng)域知識的智能化檢索和用戶多樣性需求的要求，強調(diào)了檢索的查全率和查準(zhǔn)率，有效地克服了傳統(tǒng)的關(guān)鍵字檢索模型存在的語義缺失問題。

    標(biāo)簽： IETM 語義檢索 系統(tǒng)設(shè)計

    上傳時間： 2013-11-10

    上傳用戶：hehuaiyu

  • Jsp寫的一個語義檢索的Demo

    Jsp寫的一個語義檢索的Demo，可以直接用Eclipse打開，不過需要下載Jena的包，如何下載里面有詳細(xì)說明，適合研究語義Web和本體并有一定Java基礎(chǔ)的人。

    標(biāo)簽： Demo Jsp 語義檢索

    上傳時間： 2016-10-20

    上傳用戶：星仔

  • 基于模型—數(shù)據(jù)融合的中國區(qū)域碳水通量動態(tài)模擬及分析

    準(zhǔn)確量化和預(yù)測陸地生態(tài)系統(tǒng)碳水通量對于理解陸氣間相互作用，預(yù)測未來氣候變化和控制溫室效應(yīng)具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環(huán)境影響，難以區(qū)域擴展；模型模擬可實現(xiàn)不同尺度參量估算，但由于理想化假設(shè)、模型參數(shù)和驅(qū)動數(shù)據(jù)等限制，導(dǎo)致其模擬結(jié)果往往與真實值存在較大偏差。模型-數(shù)據(jù)融合方法主要是通過參數(shù)估計和數(shù)據(jù)同化兩種技術(shù)集成觀測和模型信息，建立兩者相互制約調(diào)節(jié)的優(yōu)化關(guān)系，以提高模型結(jié)果與真實值之間的匹配程度。基于該思路，本研究在地面觀測數(shù)據(jù)、遙感衛(wèi)星資料以及相關(guān)氣候環(huán)境數(shù)據(jù)基礎(chǔ)上，重點突破全球動態(tài)植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數(shù)優(yōu)化方法，獲取適宜中國的參數(shù)化方案：在此基礎(chǔ)上，引入數(shù)據(jù)同化算法，將遙感衛(wèi)星產(chǎn)品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進(jìn)的模型推廣至中國區(qū)域，實現(xiàn)對20002015年中國地區(qū)總初級生產(chǎn)力（Gross Primary Productivity GPP）和敬發(fā)（Evapotranspiration，ET的空間格局模擬及分析。主要結(jié)論如下1）將LP」DGwM中所選出的22個可調(diào)參數(shù)（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領(lǐng)域）在各自取值范圍內(nèi)隨機獲得不同的參數(shù)組合，結(jié)果表明22個參數(shù)可引起GPP和ET模擬結(jié)果產(chǎn)生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數(shù)對GP模擬產(chǎn)生的影響更為顯著。

    標(biāo)簽： 數(shù)據(jù)融合

    上傳時間： 2022-03-16

    上傳用戶：shjgzh

主站蜘蛛池模板： 永修县| 望谟县| 贞丰县| 丘北县| 浦北县| 阿瓦提县| 五家渠市| 邛崃市| 湖北省| 高安市| 那坡县| 象州县| 濮阳市| 穆棱市| 祁门县| 托里县| 乌兰察布市| 蕉岭县| 明水县| 雷州市| 云安县| 教育| 涞源县| 蒙山县| 大宁县| 噶尔县| 甘洛县| 襄城县| 库尔勒市| 石阡县| 健康| 东山县| 东乡族自治县| 文昌市| 始兴县| 墨玉县| 宣汉县| 永登县| 澎湖县| 扶风县| 东源县|