空间对象的几何表示

1 引言空间推理是指利用空间理论和人工智能技术对空间对象建模、描述和表示,并据此对空间对象间的空间关系进行的定性或定量的分析和处理过程。目前,空间推理被广泛应用于地理信息系统、机器人导航、高级视觉、自然语言理解、工程设计和物理位置的常识推理等,是人工智能领域的一个研究热点。     

空间对象管理系统结构与模型

近年来数据库技术迅速地进入了空间信息处理领域,如地理信息系统、地图数据管理、交通、航运系统等,这些领域涉及很多空间对象,包括大量的图形、图象、文字以及拓扑关系等复杂对象,传统的 DBMS 如 Oraclo、Informix、Unify 以及 dB-ase 系列,都只能处理整型、实型、字符、     

命题对象的空间逻辑运算模型

在现有逻辑系统中,各连接词的运算模型都可以归结为某些“代数算子”,其共同特征是仅考虑了命题所描述集合的代数测度大小,而没有考虑它们在几何空间中的位置关系。文章以“空间位置相关性”为中心,提出了“摸天花板问题”,分析了逻辑运算中存在的几何位置相关性。在“命题对象”、“真位向量”、“空间图像”等概念的基础上,提出了命题对象的空间逻辑运算模型,并结合格分维理论给出了在几何图像中的具体应用形式。本文工作拓展了泛逻辑学中广义相关性的含义,为连接词的运算形式提供了一种新的模型。     

对象族特征模型几何约束求解研究

提出一种求解对象族模型的新的几何求解方法。提出两种新类型的组,即可伸缩组和可放射组。在刚性组或非刚性组系统中穷举地使用重写规则的较小的集合,一直到没有可用的重写规则为止,最后的组的集合就表示系统的求解策略。提出并实现一种增量算法,以及在这种新的求解方法中的解选择方法,这些方法都可以高效地找到问题的解,并减少解的个数。     

基于空间统计分析的关联规则应用研究

1 引言在数据挖掘的研究领域,对于关联规则挖掘的研究开展得比较积极和深入。关联规则挖掘就是要找出隐藏在数据间的相互关系,它展示了数据间未知的依赖关系,根据这种关联性就可从某一数据对象的信息来推断另一数据对象的信息。文[1～6]对关联规则的挖掘作了有意义的研究。R.Agrawal等提出了Apprilri算法和挖掘多层次关联规则的Culmulate,Stratify等算法,J.S.Park等提出了 DHP算法,J.Han等提出了面向属性归纳的关联规则挖掘算法ML—T2Ll等。空间统计分析主要用于空间数据的分类和综合评价,它涉及到空间和非空间数据的处理和统计计算。空间统计分析的方法很多,包括主成分分析、层次分析、系统聚类分类、判别分析、空间自相关分析和G统计分析。本文试图用空间自相关分析和G统计分析方法挖掘数据之间的关联规则。     

基于真实物体模型的空间对象检索技术研究

针对MBR模型只适合检索联通的空间对象且查准率较低的问题,建立了真实物体模型,依据空间对象在平面上的几何投影的方法建立真实物体模型,采用深度方向关系矩阵表示真实物体模型之间的方向关系,利用该模型可以很好地将矩形代数良好的计算性质应用于空间对象检索技术中,简化了检索的过程,实现了矩形代数与真实物体模型的有效结合,使其检索的范围变的更加广泛.同时提出了一种改进的R*树算法,有效地提高了真实物体模型的检索精确度,降低了错误匹配的发生率.实验结果表明,该算法可以有效地提高检索的查准率,提高空间对象检索的效率.     

基于面向对象空间数据库的空间对象模型设计及其存储策略的探讨

分析空间信息的结构和面向对象数据库技术的基础上，着重讨论了如何利用面向对象数据库的技术来对空间信息进行存储，展现了利用面向对象设计建立空间信息结构模型的先进性，并针对空间信息的结构提出了在面向对象空间数据库的存储策略。一方面为面向对象空间数据库的设计与建立提供参考，另一方面，通过借鉴相对成熟的面向对象技术，为空间信息的存储管理提供了思路和策略。     

一种基于对象空间关系的图像检索模型

介绍一种基于空间相似的图像数据库检索模型，提出了空间相似度计算的算法，对对象的空间方位、拓扑关系、数量和空间关系局部高度相似等因素都作了全面考虑，详细阐述空间相似度与局部相似对象簇的求解过程，建立的模型不仅能识别经平移、缩放和旋转交换的图像，而且能识别图像的对称变换，通过实验验证，表明检索模型的图像搜索效率高。     

基于业务对象模型的业务规则语言的设计及实现

面向业务人员设计了一套类自然语言的业务规则语言,并根据其语法设计了规则语句编辑的在线提示算法,该算法能迅速提供与语法语义相容的词选项列表,引导用户完成规则录入。     

基于对象立方体结构的类描述规则挖掘

在类描述规则中,特征规则用于描述目标类中对象的特征,区分规则用于区分一个类及其对比类。研究基于对象立方体结构的类描述规则表示及其发现方法。通过实验验证该方法的可行性,得到用高层概念表示的类描述规则,该规则有助于用户对特定类进行识别。     

基于场景对象注意与深度图融合的深度估计

现有单目深度估计算法主要从单幅图像中获取立体信息,存在相邻深度边缘细节模糊、明显的对象缺失问题。提出一种基于场景对象注意机制与加权深度图融合的单目深度估计算法。通过特征矩阵相乘的方式计算特征图任意两个位置之间的相似特征向量,以快速捕获长距离依赖关系,增强用于估计相似深度区域的上下文信息,从而解决自然场景中对象深度信息不完整的问题。基于多尺度特征图融合的优点,设计加权深度图融合模块,为具有不同深度信息的多视觉粒度的深度图赋予不同的权值并进行融合,融合后的深度图包含深度信息和丰富的场景对象信息,有效地解决细节模糊问题。在KITTI数据集上的实验结果表明,该算法对目标图像预估时σ<1.25的准确率为0.879,绝对相对误差、平方相对误差和对数均方根误差分别为0.110、0.765和0.185,预测得到的深度图具有更加完整的场景对象轮廓和精确的深度信息。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

基于目标分割和融合的快速视频浏览算法

针对稀疏对象的监控视频的快速浏览,提出了一种基于目标分割和融合的快速视频浏览的方法.首先,利用背景差分法得到前景目标,并对背景模型不断更新;然后,滤除无目标出现的视频帧,并以一定的密度对目标对象进行融合播放.实验结果表明,该方法鲁棒性好,能取得较好的效果.     

基于决策级融合的图像传感系统目标交接

目标交接是图像传感系统中的关键技术,针对基于特征融合目标交接算法中特征提取的不准确,提出基于决策级融合的多摄像机目标交接算法。将目标的每个特征作为一个证据,给出每个证据基本置信指派函数的构造方式。利用Dempster组合规则得到融合多个证据后的基本置信指派。利用融合决策规则来判断当前目标是否和辨识框架中的某个目标为同一个目标,完成目标交接,并给出目标在系统中唯一标识。多种场景仿真实验表明该算法可以准确地完成多摄像机目标交接。     

基于轮廓几何稀疏表示的刚性目标模型及其分级检测算法

刚性目标轮廓具有明显几何特性且不易受光照、纹理和颜色等因素影响.结合上述特性和图像稀疏表示原理,提出一种适用于刚性目标的分级检测算法.在基于部件模型(Part-based model, PBM)的框架下,采用匹配追踪算法将目标轮廓自适应地稀疏表示为几何部件的组合,根据部件与目标轮廓的匹配度,构建描述部件空间关系的有序链式结构.利用该链式结构的有序特性逐级缩小待检测范围,以匹配度为权值对各级部件显著图进行加权融合生成目标显著图. PASCAL图像库上的检测结果表明,该检测方法对具有显著轮廓特征的刚性目标有较好的检测结果,检测时耗较现有算法减少约60%~90%.     

基于尺度感知的多路径特征融合目标检测

在通用的目标检测算法中,目标多变的尺度和特征融合利用一直是限制目标检测任务的难题.针对上述问题,首先文中提出了多路径特征融合模块,模块采用跨尺度跨路径特征融合的方法,强化输入输出特征之间的联系,缓解了特征信息在传递时的稀释问题.同时,文中通过改进注意力模型提出了尺度感知模块,该模块能根据目标的尺度自行地选择感受野大小,从而使模型易于识别多尺度目标.将尺度感知模块嵌入到多路径特征融合模块中,使模型的特征提取和利用能力均得到提升.经实验验证,文中提出的算法在数据集PASCAL VOC和MS COCO上的平均检测精度分别达到了82.2%和38.0%,相比基线FPN Faster RCNN分别提升了1.3%和0.6%,其中对小尺度目标的检测效果提升最为显著.     

基于非局部融合的多尺度目标检测研究

针对现有的多尺度目标检测模型在面对尺度变换和遮挡场景时所使用的融合方法融合不充分,且没有捕捉长距离依赖关系的问题,本文设计了通道融合增强模块和非局部特征交互模块,用于学习不同通道特征之间的相关性和捕捉特征图之间的长距离依赖关系。此外,针对当前检测架构都是基于单金字塔检测结构,存在信息丢失的情况,设计了双金字塔结构,并将提出的融合方法与双金字塔结构结合,在保留原始特征信息的基础上,补充融合后的特征信息。实验结果表明,提出的方法在公共数据集KITTI与PASCAL VOC上与其他先进工作相比具有更高的检测精度,证明了该方法在目标检测任务中的有效性。     

基于规则的面向对象单元测试研究

基于规则的面向对象的单元测试是在软件系统测试用例库的需求分析指导下以类为单元的白盒测试方法,传统的单元测试主要分析产品的内部逻辑结构,而面向对象的单元测试在考虑内部逻辑结构的同时也要重点分析面向对象开发中类的继承、封装、和多态,该文文结合数据挖掘基于规则的分类技术而进行的测试。