基于自适应云粒子群算法的Wiener模型辨识

针对非线性系统Wiener模型的系统辨识问题,提出一种基于自适应云模型的粒子群优化(ACMPSO)算法的辨识方法。ACMPSO算法利用云模型实现优秀粒子的遗传和进化操作,根据进化状况动态调整云模型的参数,自适应地控制云模型算法的寻优范围和精度,有较强的全局搜索和局部求精能力。仿真实验证明该算法寻优精度高于其他主要PSO算法;将该算法应用于Wiener模型的系统辨识,通过实验证明了该辨识方法优于当前其他方法。     

基于云模型理论的群体用户画像模型

为了能够对群体用户中不确定性和模糊性的行为精确的定量分析和定性相似度的计算,设计了一个基于云模型理论的定性相似度算法来给群体用户构建画像模型.首先,采用识别客户价值最广泛的RFM （Recency,Frequency,Monetary）模型来细分用户.其次,通过云模型变换算法将用户的行为转换为用户的云模型标签,该云模型标签就是对用户行为的一次定量表示,然后通过云模型聚类算法来划分出不同的客户类型,作为客户画像的模型,利用该模型指导商业营销活动.     

尖锐特征诱导的点云自动分片算法

点云模型的分片技术是数字几何处理领域的基础技术之一.提出一种尖锐特征诱导的点云模型自动分片算法.算法首先计算点云模型的局部微分属性,并以此来识别模型上的尖锐特征点;然后采用改进的折线生长算法生成并完善特征折线,并基于特征折线采用三次B样条曲线来逼近的尖锐特征点;最后采用区域生长方法将点云模型分割成多个几何特征单一、边界整齐的点云数据面片.实验表明,本文算法运行稳定,可以准确地分割点云模型.该算法可用于点云模型的形状匹配、纹理映射、CAD建模、以及逆向工程等应用中.     

基于云模型的服务信任模型

针对Web服务中信任的主观性和不确定性等特点,提出一种基于云模型的信任建模方法,并给出了直接信任云、推荐信任云、综合信任云的计算方法及基于时间权重的信任更新算法．同时,该模型运用具体的服务能力评价信息来量化服务的信任度,增强了模型的客观性,使其能较好地量化实体的真实信任水平,提高网络中实体的交互成功率．实验与分析结果表明,该模型在网络环境中具有较好的效果．     

基于云模型的仿真可信度评估方法

针对云模型在非正态分布条件下不适用的问题,提出了基于均匀分布的一维逆向云算法,并将其应用于仿真系统的可信度评估体系。首先,阐述了仿真可信度的重要性,并以实际工程为背景建立了某型装备抗干扰能力评估结果可信度评估指标;其次,运用基于云模型的仿真可信度评估方法对系统进行评估,并对该评估方法进行改进;最后,为了完善该评估方法,推导出基于均匀分布的一维逆向云算法,并且设计实验验证了该算法的有效性。仿真实验结果表明,该逆向云算法在较大数据时平均绝对误差小于5%,具有较高实用性,为云模型理论的完善提供一种思路。此外仿真可信度评估结果表明,该评估方法精度高,包含数据的分散度和凝聚度信息,可以进行更全面评估和错误数据预测。     

基于云模型的彩色图像分割方法

以云模型理论为基础分析彩色图像分割概念,研究已有的彩色图像分割方法,并与云模型相结合,提出基于云模型的彩色图像分割方法。该方法在HSV颜色空间对彩色图像进行非均匀量化,并寻找量化后图像的基本直方图,最后通过云模型的“3En规则”对图像进行前景/背景分割。通过与K均值算法、IS-RSC算法进行比较,实验结果表明了该方法对彩色图像分割的有效性。     

基于云模型不确定性推理的地图匹配算法

为了解决对于道路网密集且高程变化较大的城市道路地图匹配精度不高的问题,提出一种能够实现定性概念与定量数值之间不确定性转换的云模型地图匹配算法.通过建立云规则和进行基于云模型的不确定性推理,并且结合高程辅助方法来构筑地图匹配模型.云模型可以将定性概念的模糊性与随机性集成到一起,克服了基于模糊逻辑地图匹配算法中隶属度的确定带有主观色彩的不足.仿真试验以城市路网为例,并借助高程辅助的方法进行了分析,结果证明了该算法具有较高的匹配精度.     

基于分解云的分类器设计

基于云模型的分类算法多采用云变换和泛概念树方法,存在分类结果与先验知识不一致的问题。从粒度计算的角度对云模型理论进行了分析,揭示出云模型的粒度原理。提出了一种基于分解云的不同粒度下的云模型分类方法,并给出了分类方法的算法描述。用风云2C气象卫星的数据对算法进行了测试,从实验结果来看该方法具有较好的分类效果。     

基于云模型的彩色图像分割方法

以云模型理论为基础分析彩色图像分割概念,研究已有的彩色图像分割方法,并与云模型相结合,提出基于云模型的彩色图像分割方法。该方法在HSV颜色空间对彩色图像进行非均匀量化,并寻找量化后图像的基本直方图,最后通过云模型的"3En规则"对图像进行前景/背景分割。通过与K均值算法、IS-RSC算法进行比较,实验结果表明了该方法对彩色图像分割的有效性。     

基于云模型的项目评分预测推荐算法

针对用户评分数据的极端稀疏性和传统计算项目相似性方法存在的弊端,提出一种基于云模型的推荐算法,利用云模型计算项目间的相似度来预测用户对未评分项目的评分,再通过云模型计算用户间的相似度,得到目标用户的最近邻居。实验结果表明,该算法不仅能有效解决用户评分数据的稀疏性问题,还能提高推荐系统的推荐质量。     

Cost model based service placement in federated hybrid clouds

As cloud federation allows companies in need of computational resources to use computational resources hosted by different cloud providers, it reduces the cost of IT infrastructure by lowering capital and operational expenses. This is the result of economies of scale and the possibility for organizations to purchase just as much computing and storage resources as needed whenever needed. However, a clear specification of cost savings requires a detailed specification of the costs incurred. Although there are some efforts to define cost models for clouds, the need for a comprehensive cost model, which covers all cost factors and types of clouds, is undeniable. In this paper, we cover this gap by suggesting a cost model for the most general form of a cloud, namely federated hybrid clouds. This type of cloud is composed of a private cloud and a number of interoperable public clouds. The proposed cost model is applied within a cost minimization algorithm for making service placement decisions in clouds. We demonstrate the workings of our cost model and service placement algorithm within a specific cloud scenario. Our results show that the service placement algorithm with the cost model minimizes the spending for computational services.     

A pure proactive scheduling algorithm for multiple earth observation satellites under uncertainties of clouds

Most earth observation satellites (EOSs) are equipped with optical sensors, which cannot see through clouds. Hence, observations are significantly affected and blocked by clouds. In this work, with the inspiration of the notion of a forbidden sequence, we propose a novel assignment formulation for EOS scheduling. Considering the uncertainties of clouds, we formulate the cloud coverage for observations as stochastic events, and extend the assignment formulation to a chance constraint programming (CCP) model. To solve the problem, we suggest a sample approximation (SA) method, which transforms the CCP model into an integer linear programming (ILP) model. Subsequently, a branch and cut (B&C) algorithm based on lazy constraint generation is developed to solve the ILP model. Finally, we conduct a lot of simulation experiments to verify the effectiveness and efficiency of our proposed formulation and algorithm.     

改进PMVS三维重建点云滤波算法

针对在小范围场景进行单目视觉三维重建过程中,稠密点云模型存在大量离群点的现象,提出一种改进的点云滤波算法。将多视图稠密重建(Patch-based Multi-View Stereo,PMVS)算法与统计分析法相融合,对利用PMVS算法得到的稠密点云进行统计分析,设定标准距离并求解点云中每一个点到其所有邻近点的平均距离,去除平均距离大于标准距离的点。实验结果表明,融合后的点云滤波算法不仅剔除了大量离群点,还在保证目标物体细节特征的情况下对冗余的特征点进行一定程度上的消除,在提高重建表面真实度和精度的同时,为后期测量装配工作提供了可靠模型。     

Fitting unorganized point clouds with active implicit B-spline curves

In computer-aided geometric design and computer graphics, fitting point clouds with a smooth curve (known as curve reconstruction) is a widely investigated problem. In this paper, we propose an active model to solve the curve reconstruction problem, where the point clouds are approximated by an implicit B-spline curve, i.e., the zero set of a bivariate tensor-product B-spline function. We minimize the geometric distance between the point clouds and the implicit B-spline curve and an energy term (or smooth term) which helps to extrude the possible extra branches of the implicit curve. In each step of the iteration, the trust region algorithm in optimization theory is applied to solve the corresponding minimization problem. We also discuss the proper choice of the initial shape of the approximation curve. Examples are provided to illustrate the effectiveness and robustness of our algorithm. The examples show that the proposed algorithm is capable of handling point clouds with complicated topologies.     

大规模三维云实时模拟方法

针对虚拟环境中大规模三维云渲染开销大的问题,提出一种大规模三维云实时模拟方法.在云建模方面,利用Navier-Stokes流体力学公式模拟云的动态生成,提出一种基于八叉树的模型化简策略,减少了云模型粒子数;在渲染阶段,提出一种基于Cell的绘制更新策略,结合Impostor技术自动混合绘制三维云与Impostor,实现了大规模三维云的实时模拟.实验结果表明,该方法基于物理的方法模拟云,同时在绘制阶段根据视点的移动实时更新,效果逼真;与同类方法相比,基于Cell的绘制策略更新时计算量更小,有效地避免了绘制更新时常见的抖动和跳变问题.     

基于二维结构熵的置信传播算法收敛性分析

为了对置信传播(BP)算法在结构比较复杂的命题公式上有时会失效,常常表现为不收敛的现象给予理论解释,提出了基于警示传播的社区发现算法(WPLPA).依据BP算法在因子图上的信息迭代策略,利用WPLPA算法对命题公式所对应因子图的社区结构进行划分.借助二维结构熵的相关理论技术,建立了命题公式的二维结构熵度量模型,通过该模型分析了BP算法的收敛性与二维结构熵之间的关系,给出BP算法的收敛性判定条件,对BP算法的收敛性进行系统分析.实验分析证明该方法有效可行,能为信息传播算法的后续研究提供理论支持.     

基于LiDAR点云数据的三角网构建算法

在现有Delaunay三角网生长法的基础上进行改进,提出了一种三角网生长算法.该算法对大规模点云进行等格网分块,自适应确定搜索范围.通过在构建过程中对生成的基线进行分组和排序,动态删除封闭点,提高了构建三角网的速度;通过在整个点集范围内进行搜索,避免了通过插值所产生的误差和模块之间的拼接过程.利用此算法对大规模LiDAR点云数据进行构网,结果表明了该算法的有效性.     

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。     

遗传算法优化的BP神经网络税收模型

1Introduction Research on the relation between tax and economy is one ofthe basic subjects of tax theory research.Building up the mathe-matical model on tax revenue(TAX for it)and economical total(GDP for it)has not only the theoretical significance,but a…     

基于Kinect的点云配准方法

Kinect采集的点云存在点云数量大、点云位置有误差,直接使用迭代最近点(ICP)算法对点云进行配准时效率低.针对该问题,提出一种基于特征点法向量夹角的改进点云配准算法.首先使用体素栅格对Kinect采集的原始点云进行下采样,精简点云数量,并使用滤波器移除离群点.然后使用SIFT算法提取目标点云与待配准点云公共部分的特征点,通过计算特征点法向量之间的夹角调整点云位姿,完成点云的初始配准.最后使用ICP算法完成点云的精细配准.实验结果表明,该算法与传统ICP算法相比,在保证点云配准精度的同时,能够提高点云的配准效率,具有较高的适用性和鲁棒性.