一种高效识别大规模二维封闭图形的方法研究

封闭图形信息在图形处理中有着重要的意义,对大规模二维封闭图形识别的时效问题影响着计算机辅助设计的效率。研究了二维封闭图形识别的一般过程,给出了二维封闭图形识别的总体策略,在该总体策略的指导下,提出一种基于主体点的逆（顺）时针搜索法来识别单个封闭图形,并辅以编号规则、扫描规则、二叉规则等规则提高了大规模二维封闭图形识别的效率。实际应用表明了该方法的有效性。     

零件二维视图轮廓信息和封闭图形信息的自动提取

视图轮廓信息和封闭图形信息在图形处理中有着重要的作用.该文提出基于顺时针行走方向搜索外轮廓下一条路径和基于逆时针行走方向搜索封闭图形下一条路径的原理和算法,改进了以往算法的不足,对提高CAD系统的图形生成效率以及系统的智能化程度等方面有着重要的意义.     

图形相似的基本原理、方法及其在结构模式识别中的应用

将相似的有关思想和方法引入到图形识别和理解中，系统地讨论了图形相似的基本原理和方法。首先分析了图形的相似性特征、相似性的内涵以及相似性的性质，同时给出了图形相似度的计算方法；其次，借助图的方式对图形的各相似性特征进行描述，并提出了统一的图形特征编码方式，以此实现图形由“形”到“数”的转换；而且，提出了一种具有层次性的、以图形特征编码为基础、以相似度为依据的图形相似性判别算法；最后，将该方法应用于基于二维的结构模式识别中，以一个实际零件中的非相交基元体的识别为例说明了该方法的具体应用。实验结果表明，与传统的识别方法相比较，该方法在模式的识别范围、模式的搜索以及模式的匹配速度等几个方面取得了较大进展，并且这种基于多个相似性特征的图形识别方法具有更大的灵活性和可靠性。     

面向手绘军标图形的旋转自由识别方法

目的在笔式态势标绘应用中,识别手绘点状军标图形面临着图形类别多、图形类别之间相似度高、绘制方向可变等挑战。针对这些困难提出一个面向手绘军标图形的旋转自由识别方案,以识别图形类别和方向角为目标。方法首先通过旋转不变的粗分类缩小候选类别范围,然后估计待识别图形与模板图形间的方向夹角并将二者旋转对齐,最后用细化区分方法识别高相似度的图形类别。采用一种结合图形采样点空间分布和局部方向信息的方向Zernike矩特征描述图形样本,通过匹配方向Zernike矩可实现粗分类和旋转角估计。结果实验结果表明本文方法的分类准确率和角度估计精度均明显优于基于传统Zernike矩的识别方法。结论该方法可有效应用于对在线手绘军标图形进行旋转自由识别的场合。     

手绘草图识别方法研究

提出了一种手绘草图图形识别的解决方法。该方法将不同复杂层次的草图结构抽象为空间关系图，并在图匹配计算过程中引入约束部分枚举方法，智能地预测匹配的有效状态，缩小了空间关系图匹配过程中状态搜索空间。实验表明该方法取得了较好的效果。     

基于语义关系对的SVG图形搜索引擎

个性化图形搜索打破了传统的查询方式搜索,将基于关键词的查询方式转变为基于图形的查询方式,使图形的查询具有一定的语义关系,查询结果也更加准确。该文给出一种基于语义关系对的SVG图形搜索引擎。目前大多数浏览器不直接支持SVG图形,但通过该文提出的SVG图形解析器和SVG图形显示器可以对网络上的SVG图形进行检索和显示。     

一种基于图匹配的复杂草图识别方法

复杂草图识别是手绘草图输入中的一个困难任务。现存的草图识别方法强调的是图形对象简单．但这不适合具有不同复杂性的复杂草图的识别。本文对具有不同复杂性的复杂图形对象提出一个基于图形的统一表示法，文中根据不同信息枉度将复杂图形分别转化为空间关系图(SRG)。文中提出了一个约束的部分枚举．以减小识别复杂草图时匹配SRG的状态空间。实验结果显示．我们的方法可适用于具有不同复杂度的各种复杂图形对象的识别。     

基于图形理解的预算工程量提取算法

分析了建筑图样（施工图）视图表达和图形理解的特点，基于工程量相关图形信息中各类图形实体的信息理解关系，提出了关联、特征实体的概念；给出施工图中工程量相关信息图形理解策略，并将图形理解的方法应用于预算工程的自动提取，为实现建筑CAD与概预算一体化提供新的途径；以土石方工程量为例，给出了工程量相关信息理解、搜索和识别算法。     

图形识别，what do you see？

拍张照片，就能完成搜索，得到我们想要的答案。这样的搜索方式有没有让你期待已久呢？尽管图形识别搜索的概念已经提出来了不少时日，但受限于其算法与大数据存燃等问题，这个看起来很美好的搜索方式，始终无法落地。即使是手握大量资源的巨头们都没有把它玩转。图形识别，到底该怎样打破困局呢？     

基于图纸理解的图形参数驱动的研究

针对工程图扫描输入识别后的特点,对基于图纸理解的图形参数化方法进行了探讨,提出了基于视图轴向尺寸链算法和尺寸派生策略,并在图形理解的基础上,用一般算法的几何推理方式实现了识别图形的参数驱动。     

一种新的基于频繁闭显露模式的图分类方法

由于图模型能够准确地表示科学与工程领域中数据的关键特征,图挖掘逐渐成为了数据挖掘领域的热点研究内容.图分类是图挖掘的一个重要研究分支.提出了一种新的基于频繁闭显露模式的图分类方法CEP,其基本思想是首先挖掘频繁闭图模式,然后从闭图模式中得到显露模式,最后根据显露模式构造一系列分类规则.实验结果显示:在对化合物数据分类时,CEP在分类性能上优于目前最好的图分类方法.而且,领域专家容易理解和利用CEP产生的分类规则.     

基于域名系统知识图谱的CDN域名识别技术

内容分发网络（content delivery network,CDN）是互联网上的重要基础设施,目前识别CDN域名的方法主要利用域名字符特征、HTTP关键字和DNS记录等,识别范围有限。针对大规模识别CDN域名的问题,提出了基于域名系统知识图谱的CDN域名识别技术。根据域名系统的特征进行本体建模、数据获取、知识图谱构建,通过分析域名系统相关数据获取CDN服务特征。将CDN域名作为知识图谱域名节点的属性,定义推理规则,通过知识图谱内包含的实体、关系和属性进行关联分析,识别CDN域名。基于该方法对Alexa排名前100万域名及其部分子域名进行建模识别,构建了超百万节点和关系的域名系统知识图谱。实验结果表明,该方法在不通过手工识别构建样本集的情况下可以达到88%的分类精度和86%的F1指数。     

图数据压缩技术综述

应用合适的压缩技术对包含上亿个节点和边的图数据进行紧凑准确的表示和存储是对大规模图数据进行分析和操作的前提。紧凑的图数据表示不仅可以降低图数据的存储空间,而且还可以支持在图数据上的高效操作。从图数据的存储角度出发对图数据管理中关于图数据压缩技术的研究进展进行综述,将重点介绍以下3种压缩技术:基于邻接矩阵的图数据压缩技术、基于邻接表的图数据压缩技术和基于形式化方法的图数据压缩技术,以及相关的代表性算法、适用范围和优缺点。最后对图数据压缩技术的现状和面临的问题进行了总结,并给出了未来图数据压缩技术的发展趋势。     

基于双向位图的CSR大规模图存储优化

大数据时代,Graph500是评测超级计算机处理数据密集型应用能力的重要工具,E级验证系统的图遍历处理能力主要受限于内存空间和访存带宽,尤其是内存空间利用率直接决定了图的测试规模和测试性能.针对天河E级验证系统小内存特征,提出了基于双向位图的大规模图数据压缩存储方法(bidirectional-bitmap based CSR,Bi-CSR),Bi-CSR在CSR矩阵压缩的基础上引入行方向位图和列方向位图协同完成稀疏矩阵压缩存储,行方向位图主要负责行方向位图的压缩存储与索引,列方向位图除了进一步压缩图存储空间,还负责为顶点遍历向量并行优化提供加速空间.Bi-CSR大幅度减少了稀疏矩阵存储空间.面向天河E级验证系统,当图输入规模为237时,Graph500的图存储空间节约效率接近70%,全系统稳定测试性能为2.131E+12TEPS,性能最大加速比超过100倍.     

直接挖掘跨层关联规则的新方法

文章定义了一种跨层扩展频繁项目图Clefig,提出了基于Clefig直接产生频繁模式算法Clefig-Prod。它能高效地挖掘单层、多层特别是跨层关联规则。实验表明,在多层、跨层和支持率阀值较小的单层挖掘上,Clefig-Prod效率优于Cumulate、Apriori等经典算法。     

基于二叉决策图的网络可达性计算

针对现有攻击图生成方法中普遍通过网络扫描获得网络可达性信息存在信息不完整、耗时长、产生网络干扰等不足,提出一种基于二叉决策图的网络可达性计算方法。该方法利用二叉决策图建模防火墙规则,通过高效的集合运算计算网络可达性。真实环境检测和模拟实验均表明该方法具有精确、耗时短、无网络干扰等优点,适用于大规模网络可达性的计算,推动了攻击图在大规模网络中的应用。     

融合知识表示和深度强化学习的知识推理方法

知识推理是解决知识图谱中知识缺失问题的重要方法,针对大规模知识图谱中知识推理方法仍存在可解释性差、推理准确率和效率偏低的问题,提出了一种将知识表示和深度强化学习相结合的方法RLPTransE。利用知识表示学习方法,将知识图谱映射到含有三元组语义信息的向量空间中,并在该空间中建立强化学习环境。通过单步择优策略网络和多步推理策略网络的训练,使强化学习智能体在与环境交互过程中,高效挖掘推理规则进而完成推理。在公开数据集上的实验结果表明,相比于其他先进方法,该方法在大规模数据集推理任务中取得更好的表现。     

基于粗糙集和图论的电力系统故障诊断方法

将粗糙集与图论相结合处理电力系统故障诊断,提出了故障决策表图的新概念,得到一种基于粗糙集和图论的电力系统故障诊断方法,并进一步提出了故障信息覆盖度和故障诊断规则分级的概念.利用故障决策表图及其邻接矩阵,得到了快速识别决策表核属性和属性约简的方法,并将规则分级应用于故障规则提取.利用所提出的方法对具体实例进行处理,仿真结果表明,该方法能有效地减少时间和空间复杂度,可根据设定的阈值提取诊断规则.     

基于Hadoop的大规模网络安全实体识别方法

随着大数据时代的到来,如何从多源异构数据中准确地识别网络安全实体是构建网络安全知识图谱的基础问题。因此本文针对网络安全相关文本数据,研究支持海量网络数据的安全实体识别算法,为构建网络安全知识图谱奠定基础。针对海量的文本类网络数据中安全实体的高效精准抽取问题,本文基于Hadoop分布式计算框架提出改进的条件随机场（conditional random fields,CRF）算法,对数据集进行有效分割,实现安全实体的高效准确识别。在大规模真实网络数据集上的实验证明,本文提出的算法达到了较高的网络安全实体识别准确率,同时提高了识别的效率。