动物群体逃生行为实验和群体虚拟仿真研究综述

群体虚拟仿真能够以三维可视化方式直观呈现紧急情况下的人群逃生行为,对人群的安全管理具有重要的指导价值.由于真实紧急事件案例样本的数据往往不够全面,很难用于虚拟仿真模型的系统验证,而逃生演习也很难重现真实的紧急情景.近年来,人们开始引入动物逃生实验来辅助发现人群逃生规律.文中总结了以蚂蚁和老鼠为主要代表的动物群体逃生行为实验,针对已有的典型群体行为仿真模型,探讨了用动物逃生实验来辅助群体仿真模型验证的可行性;并讨论了动物逃生实验的局限性,提出了动物逃生实验的改进建议,为更好地开展群体行为模型研究提供一些借鉴.     

信息家电控制接口电路设计及其FPGA实现

介绍了用于信息家电控制接口电路的一种实现方案，主要功能是自动接收串行数据并存入片内RAM，进行误码检测，并对控制码进行译码处理，发出对家电的开关控制指令。综合、仿真与测试结果表明设计的系统能完成预定的功能。     

不确定移动对象概率Skyline集的查询更新

Skyline查询的研究已从传统的静态Skyline操作延伸到动态的、不确定数据集上的Skyline查询和计算上。研究了移动环境下,查询点位置固定、目标点处于运动状态并且位置不确定情况下的连续概率Skyline计算问题。这个过程中,移动对象与查询对象之间的距离随时间不断变化。移动对象由于其运动状态导致位置无法精确定位,因此移动对象之间的支配关系只能采用概率形式表示,且随时间不断变化。给出了移动对象间的支配概率的定义,以及移动对象Skyline概率的定义,并定义了触发事件来记录对象支配概率发生变化的时刻,实现概率Skyline计算的连续跟踪和动态更新。提出了基于事件触发的连续概率Skyline查询算法(event triggered continuous probabilistic Skyline query for uncertain moving object,U-ECPS),对移动环境下的Skyline集进行连续查询和更新。大量的实验结果验证了U-ECPS算法的有效性。     

卷积融合文本和异质信息网络的学术论文推荐算法

针对交互数据稀疏和推荐多样性问题,基于卷积协同过滤推荐框架提出卷积融合文本和异质信息网络的学术论文推荐算法（WN-APR）。首先学习不同语义下用户和论文的多样化特征,缓解数据稀疏问题;然后基于外积设计不同语义特征相互增强的方式融合它们,并使用三维卷积神经网络代替二维卷积神经网络充分挖掘不同特征对性能的影响;最后改进贝叶斯个性化排序损失函数增强推荐多样性。在CiteuLike-a、CiteuLike-t数据集上的实验结果表明,相比于基线模型,WN-APR在准确率和多样性的四个指标上都有所提升。     

一种考虑随机风场作用的布料动画研究

为了创建布料在风中的动画,提出了一种考虑随机风场作用下的布料动画模型,通过引入柏林噪声来构造风场的随机分布,讨论了布料随风飘动中的布料间碰撞检测简化方法。采用OpenGL实现了床单的布料动画演示,仿真结果表明,虚拟床单的运动和生活中拍摄的实际照片相符合。     

抗压缩的照片图像与真实感计算机图形识别

数字图像取证是计算机取证、信息安全领域的一门新学科。为实现照片图像与真实感计算机图形的可靠识别,提出一种基于图像稀疏表示的数字图像取证方法,该方法在抵抗压缩方面具有较好性能,从而保证图像压缩不会改变照片图像与真实感计算机图形的真实性本质。Tetrolet变换为保护图像局部几何结构,在L1-范数最小约束下搜索4×4图像块的最优覆盖(Covering)形式,获得图像的稀疏表示。观察自适应值c的统计分布,得到一幅图像中117种Covering出现次数的归一化直方图,从而得到图像的HoC(histogram of covering)特征。实验结果表明,在饱和度(S)分量提取的HoC特征能够很好地刻画照片图像与真实感计算机图形在局部几何结构上的不同统计特性,算法在识别能力、泛化能力,尤其是抵抗压缩能力上表现出良好性能,能够应用于图像真实性检测及照片图像与计算机图形的自动分类。     

一种支持服务关联的Web服务选择方法

目前存在的大多数基于QoS(quality of service)的Web服务选择方案都忽略了服务之间的关联关系, 认为服务之间是相互独立的, 使得组合服务的结果与实际有所偏差。为了提高组合Web服务QoS的精确性, 考虑到服务之间的关联关系对组合服务质量的影响, 分别对服务之间的接口关联、业务关联和统计关联三种关联关系进行研究, 提出了一种基于关联度的关联服务集合发现方法, 将支持服务关联的选择问题转换为混合整数规划模型进行求解。实验结果表明, 考虑服务之间的关联关系会提高组合Web服务的质量。     

用于移动终端的低复杂度快速运动估计算法

针对移动终端硬件计算能力不足的问题,提出一种高性能、低复杂度的运动估计算法。算法根据相邻块运动矢量的分布特性,判断运动趋势的可预测性,进而自动选择不同的混合搜索策略;再结合自适应的提前终止阈值,在保证搜索准确性的同时,大大减少了搜索点数。通过对各种类型的视频进行测试,结果表明,该算法对于不同运动类型、不同运动程度的视频序列都具有较强的自适应性,分别比UMHexagonS(Unsymmetrical-Cross Multi-Hexagon Search)和BBGDS算法节省55%和35.6%的运动估计时间,同时率失真性能保持不变。     

密度函数驱动的度量重构及其应用

一般情况下,以密度函数作为权重的带权测地距离并不满足严格的三角不等式,给诸多几何问题的解决带来了一定的困难.为此,提出一种基于密度函数重构非退化度量的鲁棒算法.该算法将给定密度函数与网格曲面的缺省密度场相结合重设网格曲面的边长,并保证每个三角形的新边长仍然满足三角不等式;然后使用精确的测地线算法计算任意两点之间的带权测地距离.实验结果表明,文中算法以平均曲率作为密度函数重构度量,在自适应采样与重新网格化问题上得到了高质量的结果,展示了该算法的有用性和有效性.