正态云模型相似度计算方法

本文提出了两种正态云模型相似度计算方法,分别通过正态云模型的期望曲线和最大边界曲线来描述正态云模型的总体特征,实现以期望曲线相似程度或最大边界曲线的相似程度对正态云模型相似度的定量表示.它们在一定程度上克服了传统基于特征向量和随机选取云滴的相似度计算带来云模型期望数字特征过于显著、时间复杂度过高和结果不稳定等方面的不足...     

基于多维云概念嵌入的变分图自编码器研究

变分图自编码器是图嵌入研究中重要的深度学习模型,但存在着先验正态分布缺陷、训练过程中容易出现后验塌陷等问题．本文从建立云概念空间与隐空间的映射关系入手,引入云模型数字特征对网络中的节点进行不确定性概念表示,设计了一种基于多维云模型的变分图自编码器（Variational Graph Autoencoder based on Multidimensional Cloud Model,MCM-VGAE）．该模型实现了隐空间的多维云概念嵌入及相应的漂移性损失度量,将先验分布扩展为泛正态分布,利用多维正向云发生器及云包络带修正采样算法实现了重参数化过程,有效缓解了后验塌陷现象．在应用效果上,模型在多类型数据集上的链路预测、节点聚类、图嵌入可视化实验表现均优于基准模型,进一步说明了方法的普适有效性．     

大数据典型相关分析的云模型方法

针对传统大数据典型相关分析（CCA, canonical correlation analysis）方法的高复杂度在面临大数据PB级数据规模时不再适应的现状,提出了一种基于云模型的大数据CCA方法。该方法在云计算架构的基础上,通过云运算将各端点云合并为中心云,并据此产生中心云滴,以中心云滴作为大数据的不确定性复原小样本,在其上施以CCA运算,中心云滴的较小数据量提高了运算效率。在真实数据集上的实验结果验证了该方法的有效性。     

基于云模型、图论和互信息的遥感影像分割方法

针对传统的基于局部信息搜索的分割方法很少考虑图像的全局信息,而且容易忽略影像分割中的随机性和不确定性,本文提出了一种基于云模型、图论和互信息的影像分割方法.使用云模型来反映像素聚类成区域时的不确定性和随机性,将图论方法引入基于互信息的最优割集的生成从而得到全局最优分割,利用云模型区域概念所呈现出的多维特征,通过云综合异质性度量来改进边界权重的计算,从而实现对区域相异性的区分能力.从实验结果来看,本文提出的方法,能产生有意义的、完整的、内部同质的分割区域,在分割精度上基本能满足人眼的视觉要求.     

高阶高斯分布迭代的云模型及其数学性质研究

云模型通过二阶高斯分布研究不确定性,它产生的云滴分布具有尖峰肥尾特性,呈现出幂率衰减.社会学和经济学的研究发现,由于在演化过程中具有偏好依附的特点,许多实际数据呈现出尖峰肥尾的特性,本文试图通过高阶高斯分布迭代产生的高阶云模型的数学性质研究,探寻高斯分布与尖峰肥尾分布之间的联系.基于高斯分布迭代构造具有尖峰肥尾特性的概率分布,通过基于高阶高斯分布迭代的云模型刻画更多的不确定性现象,分析高阶高斯分布迭代的典型参数,与云模型参数进行对比分析,为雾化后的逆向云发生器求解提供了新的手段,同时也为高阶云模型的逆向求解过程提供了方法.     

基于分块颜色特征和相关反馈的图像检索技术

在基于内容的图像检索(CBIR)中,对于传统的颜色直方图完全没有空间分布信息,提出了一种新的分块划分,并且结合颜色特征的图像检索方法。该方法结合了图像的整体与分块颜色分布,两幅图像之间的相似度为整体相似度和分块局部相似度的加权和,并且在检索中加入相关反馈技术,针对检索结果适当地调整权值,以达到更新图像整体与局部颜色特征的权重的目的。最后,实验结果表明该算法能很好地提高检索性能。     

基于三级邻居的复杂网络节点影响力度量方法

已有的节点影响力度量方法均存在一定的局限性。该文基于三度影响力原则,综合考虑局部度量的适宜层次及大规模网络的可扩展性,提出一种基于3级邻居的节点影响力度量方法(TIM)。该方法将节点2, 3级具有传播衰减特性的邻居视为整体,用于度量节点的影响能力。利用传染病模型及独立级联模型,在3个真实数据集验证了该方法的有效性。实验结果表明,基于3级邻居的节点影响力度量方法在影响力一致性、区分度、排序性等指标中表现优越,且能够有效求解影响力最大化问题。     

一种基于局部方差和结构相似度的图像质量评价方法

针对结构相似度(SSIM)方法对图像不同失真类型的敏感程度不同的问题,提出了一种基于局部方差和结构相似度的图像质量评价方法.计算并比较了两图像整体局部方差的分布,分析了度量结果所表征的图像特征.局部方差较好地体现了图像的细节信息,因此对于模糊等失真类型较为敏感,但是对于噪声污染等失真类型的敏感程度较低.因此,本文提出的评价方法将局部方差与结构相似度方法相结合,平衡了二者对造成图像失真各种因素的不同敏感偏向,从而使评价结果更加接近人眼对图像质量的主观感觉.实验结果表明,该方法充分考虑了图像中人跟比较敏感的细节信息的完整程度对图像质量的影响,评价结果优于SSIM方法,与人的主观感觉的一致性较好.     

基于信息论的KL-Reg点云配准算法

针对含有高噪声、体外点及不完整点云数据的配准失效问题,该文提出以信息论为理论基础,相对熵度量点云相似度的KL-Reg算法。该算法不需要显式地建立对应关系,首先将点云数据建模为高斯混合模型,然后用相对熵度量高斯混合模型间的分布距离,最后通过最小化分布距离计算模型变换。实验结果表明所提的KL-Reg算法配准精度高、稳定性强。     

基于改进FAHP法和云模型的雷达装备软件可靠性评价

本文针对雷达装备软件可靠性评价的问题,提出了一种基于改进FAHP和云模型的评价方法。以GB/T16260中软件可靠性度量指标为基础建立雷达软件可靠性评价指标体系,采用一种改进FAHP算法确定指标权重,利用云模型理论将指标权重与云模型有机结合得到综合云,并与标准云相比较,得到软件的可靠性评价结果。通过实例计算验证了该方法的可行性和科学性。     

激光测量系统不确定度最小包络椭球模型研究

为了对激光测量系统的测量误差3维空间分布进行有效评估,以特定点测量或仿真的大量位置数据为基础,采用孤立森林算法对点云进行了异常数据筛除.基于误差椭球理论,引入粒子群优化算法,针对有效数据建立了最小包络椭球的不确定度模型;采用测量场与单点不确定度的坐标系变换,将不确定度最小包络椭球模型应用于测量场景内不确定度场的空间分布...     

基于误差椭球的激光测量系统的不确定度分析

为了对3维激光扫描技术的测量精度做出评估,以激光雷达测量系统为研究对象,基于误差椭球理论建立了测量系统的点位误差模型;依据点云平面误差椭球的分布特性,提出了点云拟合平面的不确定度模型,用于评估与拟合平面关联的尺寸测量精度;通过对箱体类物体高度的测量实验,获得了实际测量不确定度,并与模型仿真结果进行了对比。结果表明,该模型可较准确地估算出高度的测量不确定度,从而验证了其有效性及实际意义。     

基于语义信息补偿全局特征的物体点云分类分割

3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小,难以描述局部高级语义信息,进而导致点云特征表述不完整。针对这些问题,提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先,将输入的点云数据对齐到规范空间,进行数据的输入转换预处理。然后,利用扩张边缘卷积模块提取转换后数据的每一层特征,并叠加生成全局特征。而在局部特征提取时,利用提取到的低级语义信息来描述高级语义信息和有效几何特征,用于补偿全局特征中遗漏的点云特征。最后,融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明,文中方法在分类和分割性能上优于目前经典和新颖的算法。     

融合光电扫描定位的大构件整体形貌测量方法

针对航空、航天、船舶等制造领域大构件形貌测量的大量程、高数据密度、高效率、结构复杂等特点,研究了一种融合光电扫描全局定位和终端形貌测量技术的大构件高分辨率几何形貌整体测量方法。通过条纹投影摄影测量系统在构件局部表面投射相位条纹,获取高精度稠密点云,设计了位姿测量算法,解决了复杂现场不满足交会条件时无法实现位姿测量的问题,在室内空间测量定位系统（workshop Measurement Positioning System,wMPS）组建的全局测量网络体系中,对条纹投影摄影测量系统进行全局定位。从而在不依赖软件拼接算法的情况下,通过数据融合完成了大构件整体形貌测量。实验结果表明:该系统的点云密度为50点/mm2,整体测量精度可达0.22 mm。     

基于联合熵的几何产品测量不确定度评定方法研究

针对几何产品由多个随机变量合成测量不确定度的评定问题,本文提出了一种基于联合熵的测量不确定度评定方法,该方法利用了信息熵的可加性原理,将多个随机变量的信息熵相结合,建立了基于联合熵的评定数学模型,再进行总体测量不确定度的评定.最后,通过弓高弦长法测量机床主轴直径的应用实例,来说明本文方法的准确性和实用性.     

基于几何和纹理特征的表情层级分类方法

针对表情识别,为提取对个体差异鲁棒性更强的特征,并有效利用特征自身分布特性,本文提出基于几何和纹理特征的表情层级分类方法.首先,构建基于中性脸相似度的几何特征提取方法,自动匹配样本相似中性脸,提取特征点比例系数几何特征;然后,利用充分矢量三角形提取纹理特征;最后,给出表情层级分类框架,在三个层级下分别利用提取特征判定表情类别.所提方法在JAFFE库和CK库上的实验结果表明,本文方法取得了比基于一般几何和纹理特征的识别方法更好的效果,证明了本文方法的有效性.     

云推理在雷达干扰效果评估中的应用

鉴于雷达干扰效果评估在干扰资源优化分配中的重要地位,一种基于云模型定性规则推理的干扰效果评估方法被提出。首先对属性云模型进行参数设置,生成了一系列用云表示的基本概念集;然后基于云不确定性关联知识挖掘方法,构建了推理规则库,使得属性间的内在关联被突显出来;最后建立了基于云不确定性推理的干扰效果评估模型。通过实例,将云推理与模糊推理和概率推理进行比较,结果表明所建模型是合理的、可行的,该方法摆脱了以往概念层次的硬划分,实现了数据的软操作,通过定性推理过程,对数据对象进行定性概念的推理,实现了更符合人类思维活动的推理过程,具有更好的可操作性和可理解性。     

广义三次DP曲线的形状分析

基于包络理论和拓扑映射的方法对广义三次DP曲线进行了形状分析,首先讨论了空间曲线的变挠性;接着讨论了曲线含有奇点、拐点、局部凸和全局凸的充分必要条件,得出了其形状分布图;最后就参数对形状分布图的影响作了进一步的讨论。     

基于几何特征的点云分割算法研究进展

点云是3维图像的一种特殊数据形式, 正逐渐成为3维图像信息处理的研究热点; 点云分割是点云数据处理的重要步骤, 对算法的结果有直接影响; 基于3维图像几何特征的点云分割算法结构简洁、运算结果稳定性强, 且易于调整, 在实际应用中占有主要地位。对最近几年涌现出来的基于几何特征的点云分割方法进行了梳理, 根据每种方法的理论基础和应用特点将算法归纳为基于边缘检测、表面特征和模型拟合的点云分割方法, 分析了各类算法的特点和存在的主要问题, 并进行了算法性能比较, 分析了影响点云分割算法效率的主要因素, 最后对未来的发展趋势进行了展望。     

基于SOM聚类的台风云型模式发现

Dvorak等人提出的基于卫星云图的云型和云系特征的热带气旋强度估计方法已被世界气象组织推荐给全球使用.本文尝试从历史数据中自动发现典型的云型模式,实现Dvorak模板图像的自动选取、匹配和识别.采用SOM对12000多幅红外云图进行聚类,采用提出的局部统计信息等特征,分析了某些距离作为相似性度量存在而只能发现球形簇的缺点;对不同的特征和相似性度量进行了对比试验,并分析了SOM拓扑误差和量化误差.从实验结果可以看出,局部熵特征有着最小的量化误差,但聚类准确度较低.原始图像作为输入特征时,有着较高的聚类准确度及拓扑保持度.局部统计信息特征比局部熵特征量化误差大,但有着更高的聚类准确度.这些结论为采用无监督聚类方法来发现云型模式并找到最佳的特征和较好的相似性度量以取得更好的结果提供了重要的参考,也有助于避免目前云图自动化分析研究中对特征和度量选取的随意性.