首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 62 毫秒
1.
文章介绍一种钢结构中节点图自动标注算法。首先介绍相关的背景知识,然后介绍节点图自动标注的关键技术及难点,接着提出对关键技术及难点的解决方案,是一种以符合工程需求为首要条件的基于区域划分的方案,最后给出算法实现的条件及实现过程。  相似文献   

2.
钢结构节点详图的自动标注算法   总被引:2,自引:0,他引:2       下载免费PDF全文
钢结构设计是计算机辅助设计中的一个重要分支,对钢结构工程图纸进行自动标注不仅可以极大地提高设计效率,而且能提高钢结构设计的准确性和自动化程度,为了产生有序的图纸注,结合钢结构软件的开发,提出了针对钢结构节点详图的实用性自动标注策略,并详细介绍了其中的布局策略等关键算法,从而为最终找到全自动的图纸生成方法进行有益的探索,该算法及自动标注策略所涉及的工作已经在PDSOFT Steelworks钢结构软件的开发工作中全部实现。  相似文献   

3.
4.
钢结构计算简图中荷载的自动分层标注   总被引:3,自引:0,他引:3  
文中对钢结构计算简图中荷载的自动标注作了讨论,首先给出了荷载归并算法,以及一些工程规则,在此基础上提出了一种基于荷载方向划分的荷载自动分层标注算法。  相似文献   

5.
基于三维配筋的水工结构钢筋图自动标注研究   总被引:2,自引:0,他引:2  
研究了钢筋图中钢筋的自动标注技术,具体探讨了标注实体的表达,标注规划表示以及标注干涉处理等问题。  相似文献   

6.
汉语短语的自动划分和标注   总被引:13,自引:2,他引:13  
考虑到传统的基于规则的汉语分析器对大规模真实文本的分析所遇到的困难, 本文在使用统计方法进行汉语自动句法分析方面作了一些探索, 提出了一套基于统计的汉语短语自动划分和标注算法, 它分为预测划分点、括号匹配和分析树生成等三个处理阶段, 其间利用了从人工标注的树库中统计得到的各种数据进行自动句法排歧, 最终得到一棵最佳句法分析树, 从而可以自顶向下地完成对一句句子的短语自动划分和标注, 对一千多句句子的封闭测试结果表明, 短语划分的正确率约为86%, 短语标注的正确率约为92%, 处理效果还是比较令人满意的。  相似文献   

7.
陈航  梁春泉  王紫  赵航 《计算机应用研究》2022,39(6):1694-1699+1748
针对现有正例未标注图学习方法仅提取节点表征信息、独立推断节点类别的问题,提出了一种基于协作推断分类算法,利用节点之间关联信息来帮助推断未标注节点的标签。首先,采用个性化网页排位算法计算每个节点与全体已知正例节点的关联度。其次,采用一个图神经网络学习节点表征信息,与正例关联度联合构造一个局部分类器,预测未标注节点标签;采用另一个图神经网络获取局部节点标签之间依赖关系,与正例关联度联合构造一个关系分类器,协作更新未标注节点标签。然后,借鉴马尔可夫图神经网络方法交替迭代地训练两者,形成多跳步节点标签之间的协作推断;并且,为有效利用正例与未标注节点训练分类器,提出了混合非负无偏风险评估函数。最后,选择两者中任意一个,预测未标注节点的类别。在真实数据集上的实验结果表明,无论是识别单类别正例还是识别多类别合成正例,所述算法均表现出比其他正例未标注学习方法更佳效果,且对正例先验概率误差表现出更好的鲁棒性。  相似文献   

8.
近年来,图像标注技术得到广泛关注.提出一种图学习的自动图像标注方法,将图像标注作为多示例学习框架下的半监督学习策略,通过给出适合图像在包空间的有效度量方式,充分利用未标注样本挖掘图像特征的内在规律性,将半监督学习的方法和多示例学习有效结合起来,从而获得更准确的标注结果.实验结果表明,提出的标注方法可行,同时标注结果与传统的标注方法相比得到了明显提高.  相似文献   

9.
基于图学习的自动图像标注   总被引:16,自引:0,他引:16  
自动图像标注是图像检索任务中重要而具有挑战性的工作.文中首先讨论并解释了自动图像标注问题,通过总结现有的研究工作,提出了一种基于图学习的图像标注框架.在该框架下,图像标注被分为两个阶段来完成,即基本图像标注与图像标注改善.其中,前者是通过以图像间相似性为依据的图学习过程来提供图像的初始标注,而后者是通过以词汇间语义相关性为依据的图学习过程来改善前者取得的标注结果.该框架主要涉及到图像与文本词汇两种媒体的内部和相互之间的各种关系的估计问题.基于此,作者又给出了针对上述各子问题的改进方法,并将它们综合起来实现了有效的图像标注.最后,通过Corel图像集与网络数据集上一系列实验结果,验证了该模型框架及所提出解决方案的有效性.  相似文献   

10.
在为自动图像标注构建相似图的过程中,针对传统的方法是基于图像间的视觉相似性,其没有考虑到数据集中某个子数据集内的结构信息这一问题,提出一种基于Voronoi k阶邻近图的半监督学习自动图像标注方法。该方法充分考虑Voronoi k阶邻近图能很好地表达空间目标的影响区域以及可以方便地进行空间邻近的描述与推理的特性,将特征空间内的图像数据点分布信息融合到点对间的相似度量表示中,利用未标注样本挖掘图像特征的内在规律,然后把半监督学习的方法和多标记学习有效结合起来,从而达到对图像进行自动标注。实验结果表明,提出的标注方法可行,同时标注结果与传统的标注方法相比得到了明显改善。  相似文献   

11.
一种自适应树形结构显示算法   总被引:1,自引:0,他引:1  
我们提出了一种新的树形结构图显示算法。该算法的主要特点是,明确地在结点中表示其轮廓,并根据这些轮廓尽可能紧凑地勾画出树形结构图。  相似文献   

12.
曲线的整数型生成算法   总被引:37,自引:1,他引:37  
本文提出了一个用光栅显示器或数字化绘图仪等显示设备中选择曲线上最佳点的通过算法,该算法由几部分组成,分别对应曲线的不同走向段,其最大的特点是可以根据实际曲线的走向,在算法的各部分实现自动跳动,由此算法可生成所有常用曲线,本文给出Bezier曲线和B样条曲线的生成算法,这些算法选择距离实际曲线最近的网格点,并且只有整数运算。  相似文献   

13.
工程图中线状图形的自动分类与识别算法   总被引:14,自引:2,他引:12  
描述了工程图中图形分类、识别和自动计算的方法及其理论依据。对线状图形的几何属性及其表示作了理论分析,为计算机自动识别工程图形提供了一种依据。提出采用模型逻辑的方法对工程图中常见的闭合图形进行分析、归类和识别,并结合建筑结构图中钢筋的分类、识别和自动计算进行了实验。  相似文献   

14.
Auto CAD DWG 图形通用处理系统(简称 ACS-26),是基于 Auto CAD 2.6绘图环境,旨在强化 Auto CAD 2.6应用开发能力而研制的工具软件。它直接处理 Auto CAD2.6的图形核心,并具有丰富的任务描述语言。可实现一般工程图的处理和图库管理。本文论述 ACS-26的功能和设计原理。  相似文献   

15.
钢丝绳CAD/CAPP系统设计与实现   总被引:1,自引:0,他引:1  
结合钢丝绳生产的实际需要,提出将钢丝绳的 结构设计与钢丝绳的工艺设计一体化的设计方法,详细分析了钢丝绳结构设计的步骤、理论 计算方法以及在工艺设计过程中涉及的一些主要因素、设计流程.在此基础上结合具体的生 产工艺和生产计划要求,建立相应的设计知识库和并行设计结构框架,实现钢丝绳的智能设 计.  相似文献   

16.
面向特定领域的理解型中文自动文摘系统   总被引:8,自引:0,他引:8  
自动文摘是计算机通信网提供智能业务的关键技术之一.介绍了一个面向特定领域-神经网络学习算法的理解型中文自动文摘系统.与其他文摘系统相比,该系统首次采用了基于全信息模型的自然语言理解理论,通过设计义块组配的方法避开了传统的语法语义分析系统所遇到的各种难题,并通过语用信息制导,将语句理解与文摘信息提取直接相连,大大提高了理解的效率和文摘生成的速度.测试结果表明该系统的整套方法是行之有效的.  相似文献   

17.
本文提出了图纸转换系统中虚线提取的一个有效算法,算法由小短线的提取,种子短线的确认,小短线的吸收,粘连段的处理和段数的确定五个部分组成,本文详细介绍了这五个组成部分的实现过程,最后给出一个实例,结果证明该算法能有效处理图纸中大量存在的大部分虚线型。  相似文献   

18.
自动视频分段是视频分类、组织和索引的基本步骤 ,其目标是检测和识别出各种镜头转换边界 .划变(Wipe)被认为是其中最难以检测和识别的镜头转换模式 .提出了一种新的基于模式模板的 Wipe转换区检测和模式识别方法 ,在该方法中 ,首先提出了一种模式模板的概念用于对各种 Wipe转换建立模式模板库 ,然后在模式模板库的基础上设计了一个通用的匹配算法 ,最后 ,通过对匹配结果进行 Hough变换 ,使得在存在相当大的运动干扰情况下 ,仍能精确检测转换区位置和识别转换模式 ,具有很好的鲁棒性 .该方法解决了对目前存在的各种复杂和奇异 Wipe转换模式的检测和识别问题 ,对以后出现的 Wipe转换模式同样适用 ,为此类问题的解决提供了一种新的思路  相似文献   

19.
从数据流图到模块结构图的自动转换系统   总被引:2,自引:0,他引:2  
本文论述了从数据流图(DFD)到模块结构图(MSC)自动转换系统的设计与实现。提出了用于中间转换的有向控制图(DCD)的概念,旨在实现从DFD导出MSC的自动化。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号