模型体结构可控装配方法

为在模型内部生成可控的多孔隙结构,提出一种针对三角网格模型的内部结构装配方法.首先对模型对象内部空间进行划分,确定目标装配区域;然后根据设计要求,采用隐函数表达的参数化结构作为模型单元填充装配区域,并通过优化局部区域的性能实现整体设计目标;最后从参数化表达的体结构模型中提取等势面,将其直接转化为三角网格体模型.实验结果表明:该方法能够构建密度、连通性和梯度可控的复杂结构,保证内部结构单元之间的平滑过渡,同时避免因大量布尔运算操作产生的错误.     

MEMS 器件IP 库及系统应

针对目前MEMS设计方法中系统分析不完善的现状,提出了将IP库单元应用于系统分析的方法.本文描述了已建立的MEMS微传感器件IP库单元的原型及库单元的结构和关键参数.以梳状微机械谐振器为例,使用SPICE语言调用已建立的IP库单元进行模拟分析,实现了MEMS器件和电路的系统模拟.     

激光选区熔化工艺晶格支撑结构快速建模

针对激光选区熔化成型工艺中的支撑结构,提出一种晶格单元自动填充生成支撑 的快速建模方法。首先,分别对两种典型晶格支撑结构--杆架结构和孔隙结构的组成单元实 现参数化造型,并建立支撑结构数字化模型;其次,设计实现杆件单元和孔隙单元的造型算法; 最后,提出一种单元自然生长算法,实现对支撑空间快速填充。实例结果表明,晶格结构可以 对不同类型金属产品结构实现有效稳定支撑;相比实体材料,平均可以节省 72%的材料用量, 具有重要的工程意义。     

一种层次聚类的RDF图语义检索方法研究

针对当前信息资源描述框架(RDF)检索过程中存在的内存使用过大及检索效率低等问题,提出一个RDF图的层次聚类语义检索模型,设计并实现了相应的检索方法。首先从RDF图中抽取实体数据,在本体库的指导下,通过层次聚类,将复杂的图形结构转换为适合检索的树型结构;根据在树中查找到的目标对象,确定其在RDF图中的位置,进行语义扩充查询。检索模型的构建缩小了检索范围,从而提高了检索效率,其语义扩充查询还可以得到较好的查全率。     

标准芯片单元可连通性的检测方法

介绍了一种标准芯片单元可连通性的检测方法,可以有效检测标准芯片单元的可连通性,在布局布线阶段之前,改进标准单元的版图,或者增加布局布线的约束条件,从而保证标准芯片单元的设计对布局布线的友好性。通过对标准芯片单元的检测和改进,可以有效提高芯片的整体可连通性,从而节约布局布线阶段的工作时间,减少开发周期,提高芯片良率。本方法可以实现标准芯片单元库的全覆盖检测,通过优化算法,可以在尽可能减少芯片测试工作量的前提下,实现90%以上的随机场景再现。通过在不同技术节点标准芯片单元检测中的应用,有效地捕获了标准芯片单元连通性的问题,在数字后端布局布线之前,改进或阻止了可能出现的不友好场景,提升了芯片后端设计的效率。     

非线性流形上的线性结构聚类挖掘

针对非线性数据流形的线性结构挖掘问题,提出一种基于Grassmann 流形和蚁群方法的聚类算法.为抑制噪声对线性结构探测的影响, 对含噪数据集进行算法处理最小单元提升,利用Grassmann 流形定义提升后单元间相似度,同时设计了一种类测地距离作为簇连通性约束. 为提高蚁群解的线性结构挖掘质量,提出了曲面复杂度最小方向定义,并将其作为信息素更新的启发信息引入. 在多个数据集上的实验和分析表明,与K-means、Geodesic K-means 以及有限混合模型(Finite mixture model, FMM) 等传统算法相比,本文算法具备挖掘非线性流形上线性结构的新特性,并且能够保证线性结构内部的连通性.     

一种用于飞机型号识别的树分类器方法

本文提出了一种飞机图像目标识别的方法。首先，我们建立了由多种型号飞机在大小、旋转角度改变或进行简单仿射变换等情况下的飞机样本图像库；其次，将样本库分为训练样本库和测试样本库，提取了训练样本库中飞机图像的不变矩、仿射不变矩、机长翼展比和紧凑度等特征量，对这些特征量进行了分析，建立了飞机目标的表述模型；最后后，分别用最小距离、BP神经网络和树分类器进行了分类实验。实验表明，树分类器方法效果较好。     

双标签监督的几何约束对抗训练

近年来的研究表明,对抗训练是一种有效的防御对抗样本攻击的方法.然而,现有的对抗训练策略在提升模型鲁棒性的同时会造成模型的泛化能力下降.现阶段主流的对抗训练方法通常都是独立地处理每个训练样本,而忽略了样本之间的关系,这使得模型无法充分挖掘样本间的几何关系来学习更鲁棒的模型,以便更好地防御对抗攻击.因此,重点研究如何在对抗训练过程中保持样本间的几何结构稳定性,达到提升模型鲁棒性的目的.具体而言,在对抗训练中,设计了一种新的几何结构约束方法,其目的是保持自然样本与对抗样本的特征空间分布一致性.此外,提出了一种基于双标签的监督学习方法,该方法同时采用自然样本和对抗样本的标签对模型进行联合监督训练.最后,分析了双标签监督学习方法的特性,试图从理论上解释对抗样本的工作机理.多个基准数据集上的实验结果表明:相比于已有方法,该方法有效地提升了模型的鲁棒性且保持了较好的泛化精度.相关代码已经开源:https://github.com/SkyKuang/DGCAT.     

基于多特征抽取的商标图像检索

提出了一种多特征抽取方法进行商标图像检索。首先根据图像的连通性把图像分割成多个独立的单元子图像,然后对各个单元子图像提取特征;同时提出多对多特征匹配方法对商标图像进行检索。实验结果表明,应用该方法得到的检索结果是有效的,能够很好地满足人的视觉感受。     

结构与语用特征相结合的SWoT本体摘要方法

针对语义物联网本体不利于用户理解,涵盖的内容过于宽泛等问题,提出了一种将结构特征与语用特征相结合的摘要方法。该方法以RDF语句作为本体摘要的基本单元,通过创建一个二分图模型来表征本体。每个RDF语句的重要度是它的结构重要度与语用重要度的线性总和,在重排序算法下抽取重要度高的RDF语句形成摘要,用户可以设定摘要长度。通过建立本体摘要原型系统进行实验,实验结果表明,该摘要方法能够为用户提供满足其偏好的最优摘要本体,利于用户理解本体,不但方便了语义物联网语义协同过程中对本体的相关操作,而且可以提高基于本体的信息检索的查准率。