面向掩模精化的表面微加工MEMS器件几何建模

MEMS器件设计流程中,为优化MEMS器件,常常需要对MEMS掩模进行精化设计.为了在MEMS精化设计中同步更新MEMS掩模与几何模型,提出一种面向掩模精化的表面微加工MEMS器件几何建模方法.该方法主要通过建立MEMS器件几何模型和工艺模型之间的依赖关系图,通过变动依赖关系,求出掩模精化所影响的几何元素,而后在几何模型中仅仅更新所影响的几何元素;对于所对应的几何模型存在拓扑突变等情况,该方法采用参数限定或局部几何模拟进行更新.实例分析表明,提出的几何建模方法能快速有效地响应掩模精化,从而有效地促进MEMS器件设计.     

基于产品基因的概念设计

提出了一种基于特征的、通用的功能表达模型。通过对生物基因工程与产品原理方案设计的系统类比,引出产品原理方案设计中的信息遗传基础“产品基因”的概念,提出了“产品基因”的“转录”、“翻译”、“复制”以及“逆转录”机理,揭示了产品基因在功能设计与原理方案设计之间的桥梁作用。建立了基于产品基因遗传和重组的概念设计框架,并以一种新型硬币分离装置的原理方案设计为例进行验证。结果表明,该框架显然有助于产品概念设计阶段的原理创新。     

基于共生进化原理的功能结构设计

从生物的共生进化模式得到启发,从设计认知的高度,系统地总结了基于共生进化原理的共生功能之间的关系,包括“提供作用条件”关系,“消除有害副作用”关系和“消除有害环境影响”关系三类。这些关系为系统地解决创新设计中基于可行原理解的功能结构设计问题奠定了基础。在此基础上提出了集成原理方案设计和功能结构设计的计算机辅助概念设计的进程模型。该进程模型能根据实际创新设计环境以及候选原理解的作用条件、副作用和环境影响,在求解过程中动态地生成待求产品的功能结构,符合设计师的思维习惯。最后给出了模型应用实例。     

分布式概念设计知识资源的共享策略和方法

为了有效地辅助设计主体从庞大的异地分布知识资源中发现所需要的概念设计知识，提出了一种以设计任务为核心的、基于无中介环节动态联盟和分布式概念设计知识资源的共享策略及相应的实现方法，其中包括：基于功能矩阵的虚拟原理解知识资源的表达结构、分布式设计知识资源的动态联盟框架及共享机制、概念设计混合知识资源的注册、发布、存储、重组、定位和求解方法，以及基于扩展标志语言(eXtensible Markup Language, XML)的原理解数据交换模式.在此基础上研制了一个利用分布式资源支持产品概念设计的计算机辅助平台原型，试用于两栖车辆减阻装置的概念设计，产生了有跟踪价值的创新设计方案.     

基于高斯过程的表情运动单元跟踪技术

在表情动作单元的跟踪中有两个常见问题:一是跟踪结果有小幅而频繁的抖动;二是跟踪过程会产生难以检测的误差.针对这两个问题,本文提出了一种基于高斯过程和粒子滤波的表情动作单元跟踪技术.实验结果表明本文算法比传统的梯度优化和粒子滤波法具有更好的平滑性和跟踪精度,而精度的优势在头部有偏转的情况下尤为突出.     

工业数据可视分析综述

自 2013 年工业 4.0 的概念被提出以来,全世界的工业进程都飞速奔向智能制造时代。而数据感知技术的发展进一步帮助收集海量工业数据,工业信息化革新正是机遇。但是,工业数据具有规模大、维度高、结构多变和内容复杂的特性,对其进行分析是一项严峻的挑战。多变的应用场景又导致分析的灵活度要求提高,往往需要专家参与分析循环,因此可视化在工业数据分析中有了更广泛的应用。该综述首先按生产阶段及属性分别总结了工业场景下常用的数据类型;其次,根据数据属性,按时间、空间、时空结合分类,介绍了对应的可视化方法;再次,总结了可视分析在工业场景下的应用,并讨论如何合理地集成自动化分析方法以提高分析能力;最后,展望了工业数据可视分析的发展前景,并提出未来的研究方向。     

大数据可视化的挑战与最新进展

大数据的来临增强了可视化的重要性。可视化分析挖掘人类对于信息的认知能力与优势,将人、机有机融合,借助人机交互高效洞悉大数据背后的信息与规律,是大数据分析的重要方法。针对大数据数据量大、维度高、多来源、多形态等特点论述了大规模数据、流数据、非结构和异构数据的可视化方法。首先讨论了大规模数据的可视化技术：1）采用分而治之的原则将大问题分解成较小的任务并采用并行处理的方式解决以提高处理的速度;2）通过聚合、采样、多分辨表示的方法进行数据约简;3）针对高维数据选择若干个视图,在多个角度下生成不同的可视化结果。然后针对监控型、叠加型两类流数据探讨了流数据的可视化过程。最后阐述了非结构化数据以及异构性数据的可视化技术。总之,可视化能够克服计算机自动化分析方法的劣势与不足,整合计算机的分析能力和人们对信息的感知能力,有效地洞悉大数据背后的信息与智慧,但其理论研究成果也非常有限,同时面临着数据规模大、动态变化、维度高、多源异构等方面的挑战,这些也逐渐成为今后的大数据可视化研究的热点与方向。     

基于双邻接图正交近邻保持投影的人脸识别算法

正交保持投影(ONPP)是经典的图嵌入降维技术,已经成功地应用到人脸识别中,其保持了高维数据的局部性和整体几何结构。监督的ONPP通过建立同类邻接图来最小化同类局部重构误差,寻找最优的低维嵌入,但是其只使用了类内信息,这会导致异类数据点间的结构不够明显。因此,提出了基于双邻接图的正交近邻保持投影(DAG-ONPP)算法。通过建立同类邻接图与异类邻接图,在数据嵌入低维空间后同类近邻重构误差尽量小,异类近邻重构误差更加明显。在ORL,Yale,YaleB和PIE人脸库上的实验结果表明,与其他经典算法相比,所提方法有效提高了分类能力。     

信息处理中有效维持动态有序集的新方法

文中研究了信息搜索及信息处理领域中的一个重要问题,就是如何有效地维持关键字为位串的动态有序集,以支持查找、加入、删除、求最值等操作.基于前人的研究成果,我们提出了一种性质更为完备的二叉树(RBT,rich binary tree).它同时具备二叉搜索树和数字查找树的性质;并且,所有结点都保存了它与祖先结点中次大者和次小者的最高差别位.于是,动态有序集的维持转化为对树结点的动态操作并且保证RBT的性质不变.该方法的最坏复杂度是O(L),其中L是关键字的字长.因为一般对象在计算机中都是以二进制形式存储的,所以该方法具有明显的应用潜力及可观的经济效益.文中的RBT可视为一种通用的数据结构,可以非常高效地解决与序有关的问题,比如查找、排序和维持优先队列等.例如,实验证明对于长关键字的排序,我们的算法基本上线性增长,优于快速排序,而且支持常数时间的动态插入和动态删除.