边界表示的数学模型及其应用

传统的边界表示通常是一种数据结构，缺少一种代数形式来表示几何模型的不同抽象层次和相似性。本文用面边、边点关联矩阵来表示模型边界及其可变性层次，研究了它的同态和相似，并用于特征造型，重点介绍了形状特征的形式化定义。     

一种多因素指标下基于模糊特征表示的匹配方法

本语文以并行工程环境下荼小组的组建问题为切入点,基于活动和候选者间关系的多维模糊特征表示,结合二分图和矩阵运算的方法对这种多因素指标匹配问题进行了研究。匹配过程在总体上分为单指标优化匹配和多指标协调匹配两步并给产例对匹配算法进行了验证,证明了方法的可行性。     

基于CT图像反求技术的实体几何造型

针对CAD造型系统中实体模型的特点 ,将由CT图像反求得到的三维表面模型转换为具有边界模型 (B -rep)的三维实体模型。在重建出的拟合曲面三角片序列的基础上 ,采用半边结构来表达重建的表面模型 ,并将该过程作为本研究所开发的特征造型原型系统 3D -Modeler2 .0中的一种造型手段。同时应用布尔运算解决分叉物体中马鞍点的位置难以确定的问题 ,使得分叉处的表面过渡自然 ,提高重建表面的质量。     

基于多色集合理论的印刷工艺规划建模研究

在研究印刷工艺的加工需求和加工工序的基础上,将计算机辅助工艺设计引入印刷制造系统,并应用多色集合理论建立印刷工艺规划的数学模型,提出了一种基于此模型的印刷工艺路径求解算法。此数学模型包括围道矩阵和多色图两部分。围道矩阵描述了印刷工序实现印刷加工需求的关系,多色图描述了印刷工序的相互作用。该算法便于计算机编程的实现,能根据印刷加工需求搜索所需的工艺算子,然后求解出印刷品的印刷工艺路线。最后,通过简例分析,对所提出的模型与算法进行了验证。     

基于特征的反求工程建模系统RE-SOFT

RE-SOFT作为一个专业化的反求工程建模软件在业界拥有较高的知名度,其许多核心技术独具特色．介绍了该软件的整体架构、主要功能和若干关键技术．通过对数据预处理、特征提取、特征重建和编辑中的一些核心技术的介绍,展示了反求工程领域的最新研究成果．叶片反求建模的应用分析表明,应用该系统进行反求建模可以获得完整特征表达的理想CAD模型．最后总结了RE-SOFT的主要特色,并给出了今后反求工程领域的主要研究方向．     

异质网络特征表示学习研究综述

异质网络特征表示学习技术在各类机器学习任务中发挥了重要的作用。然而目前针对该研究领域的综述却很少。本文对异质网络特征表示学习领域的最新研究进展作系统性的综述。首先,基于“编码器-解码器”的框架,将现有模型分为六类;然后,对每类模型进行系统性地概览、描述和分析,总结每一类模型的优势和缺陷;最后,总结全文并讨论了该领域的开放性问题。     

图表示学习短视频智能推荐研究综述

随着短视频数量的爆发式增长, 精准的个性化短视频推荐成为学术界和工业界的迫切需求。然而,现有的推荐方法没有考虑实际的短视频具有数据多源异构多模态、用户行为复杂多样、用户兴趣动态变化等特点。短视频模态间的语义鸿沟、社交网络用户多行为挖掘、用户动态兴趣捕捉依然是短视频推荐领域面临的三个重要问题。针对当前推荐系统存在的问题,并充分考虑短视频推荐系统的实际需求,本文介绍了短视频推荐中基于图表示学习的短视频推荐方法;研究了短视频异构多模态特征表示,充分挖掘视频内容特征并进行高效融合;研究了短视频社交网络用户多行为表示,通过社交网络用户多种行为挖掘更细粒度的用户偏好;研究了用户的动态偏好表示方法,通过利用时序信息建模用户的动态兴趣,保证推荐结果的准确度并增加其多样性与个性化。本研究可在理论和实践上推进基于图特征学习的短视频推荐研究,也可作为短视频推荐系统的关键技术。     

基于图正则平滑低秩表示的基因表达谱特征选择

针对传统低秩表示不能准确描述数据结构的问题,提出一种图正则平滑低秩表示的特征选择算法。在构造目标函数时,利用对数行列式函数代替核范数来平滑估计秩函数,引入流形正则项;利用非精确交替方向法进行求解,并且采用后处理方式构造数据的图结构。该算法能够准确地描述数据全局子空间结构和局部线性结构。在基因表达谱数据集上进行聚类实验,同其他特征选择算法相比较,实验结果证明了该算法的有效性。     

拉伸类特征的高效实现

在特征造型系统中，对于复杂零件的造型，特征实现的效率问题越来越突出。对于拉伸类特征：孔、槽、凸台等，通常将其特性轮廓线拉伸形成标准特征体，然后用布尔操作与基本体结合。但是由于布尔操作存在效率低、操作的可预见性差等问题，效果并不令人满意。针对这些问题，我们提出了布尔操作的一种替代，将轮廓线直接拉伸到实体的边界。该算法作为一种有效的造型手段，已在特征造型系统ＺＤ－ＭＣＡＤＩ中用于拉伸类特征的实现     

基于多色集合理论的医院异常工作流处理建模

本文通过扩展多色集合与多色图的成分对医院异常工作流进行建模.首先,介绍工作流异常的研究进展情况;其次,阐述本文形式化所需理论—多色集合与多色图,并且根据研究对象的特殊性,扩展了多色集合中的成分,构建个人颜色与体的围道矩阵,表示异常事件与异常类型之间的关系,多色图中新增了边与对象的围道矩阵,描述异常处理行为弧的起始点与终止点,构建了基于多色图的医院异常工作流处理模型;最后,以医院门诊挂号流程异常处理为例进行验证模型的正确性.     

利用模糊神经网络实现逆向工程中的区域分割

论文提出了一种改进的模糊自组织特征映射网络(fuzzySOFM),它不仅显著加快了聚类的速度,而且算法简单。该网络采用由数据点的坐标、估算出的法矢量和曲率构成的八维特征向量作为输入,快速地实现了逆向工程中点云数据的区域分割。与现有方法相比,该方法具有以下优点:第一,具有更高的聚类速度,并可以直接处理含噪声数据;第二,聚类的结果与数据输入的顺序无关;第三,能利用数据的隶属度快速提取出特征线数据,从而将基于面的分割和基于线的分割结合起来。实验结果证明了这种方法的有效性。     

反求工程中扫描曲面特征的提取

根据扫描曲面的定义,本文提出了一种基于点云切片数据的扫描曲面特征的提取方法。首先,由平行且过扫描面特征的切片点云数据获取扫描轨迹曲线;接着,由垂直于扫描轨迹线的切片点云数据获得截面轮廓线;最后,由扫描轨迹曲线和截面轮廓线即可确定扫描面特征。本文算法已在UG／OPEN上实现,并用实例证明了该方法的正确性和可行性
性。     

反求工程中点云数据的二次曲面特征提取技术

基于点的连通性及同一特征面测量点几何特征相似性，在特征曲面拟合误差控制下，实现了散乱数据二次曲面的区域分割．工程应用实例表明：文中方法稳定可靠，可显著提高反求CAD建模效率与重建模型精度。     

基于工程图的三维重建研究

由二维工程图重建三维形体是一种快速的形体造型方法,已成为计算机图形学和人工智能领域的重要研究方向.立足于基于工程图的三维重建问题,分类总结了形体重建方法的研究成果,着重介绍了典型的重建算法.在比较了典型算法的适用范围的基础上,剖析了目前形体重建研究所面临的问题.最后,指出了基于工程图的三维重建算法进一步的研究方向.     

在逆向工程中用神经网络实现点云数据分区

点云的数据分区问题是逆向工程中的一个瓶颈问题。论文在传统的自组织特征映射(SOFM)神经网络的基础上,用多层自组织特征映射(MLSOFM)神经网络实现逆向工程中点云的数据分区,克服了SOFM用于数据分区的局限性,不需预先指定分区的数目,实例运行结果验证了此方法的可行性。     

面向实体边界模型的设计特征重构

实体模型只提供产品低层次的几何信息而不具备高层次的特征信息,导致模型的修改十分困难,因此需要从实体模型中重构设计特征将实体模型转换为特征模型.利用分割环查找算法识别出零件模型中的布尔分割环,构建分割环关系图,根据分割环关系图识别模型中的设计特征构建零件的特征模型.最后对该方法的有效性予以验证.     

逆向工程中基于BP网络的自动特征识别器的设计与实现

应用BP网络技术设计了一种具有良好扩展性的基于前向反馈网络的自动特征识别器．该特征识别器能依据从三角网格模型中提取的输入信号自动识别出机械零件中常见的凸块、圆台、型腔、圆孔、台阶、直槽、T型槽、燕尾槽、V型槽等几何特征,并具有响应速度快、适应性广等优点．     

基于情感倾向特征的文本情感聚类

利用领域本体对产品评论文本中的特征及其评价词进行抽取,并将特征评价词的情感倾向与特征所在句子的情感倾向进行特征表示,得到文本特征矩阵,在此基础上,利用K-means算法实现了文本的情感聚类。为了验证该方法的有效性,在真实汽车评论文本数据上进行实验,结果表明,基于特征的情感倾向表示的权重相比布尔权重和LDA特征权重的聚类结果,在聚类的纯度和F值上有明显提高。     

A New Solution for Feature Recognition from 2D Engineering Drawing

The paper presents a promised way of feature recognition from 2D engineering drawing——developing special system and extracting features from machining drawings. In general, researchers inclined to extract features from design drawings and ignored machining drawings. Actually, both of machining and design information shows the same importance in developing new products. Not only can machining drawing provide us with feature model or 3D geometrical model of the part, but also they can be easily recognized. In the paper the processes and methods of feature recognition from three-cone-bit (A Kind of aiguilles used to drill oil well) machining drawings are introduced. Firstly, overall approach is explained. Secondly, two methods of form feature recognition are introduced: symbol-matching method used to analyze annularity or chained graph and method based on feature-hint used to recognize the general features. Thirdly, feature parameters are extracted. Finally, a practical implementation is given.