面向内容的工程图识别与理解综述

对工程图识别与理解研究现状进行深入和系统的综述。工程图识别与理解 的核心在于利用知识表示、图形匹配、符号识别、几何推理、语义提取等技术,自动获取工 程图中各种显式描述（如几何图元、工程符号、工程对象等）及隐式信息（如设计语义等）。 分别对工程图矢量化、工程符号识别及工程对象识别进行了系统分析。在此基础上对工程图 识别性能评测、基准库等进行总结。最后对现有研究的难点及进一步研究方向进行了展望。     

基于几何相似的模糊插值推理

模糊推理中广泛采用的合成推理规则(CRI)要求规则库必须是稠密的。但在稀疏规则库的条件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的。为此Koczy和Hirota首先提出了KH线性插值推理方法，但推理结果存在着凸性和正规性等问题。许多学者叉提出了不同的插值推理方法，它们有不同的特点，但从实际应用角度看，都还比较复杂。Koczy等叉提出了改进的KH插值推理方法，这种方法虽然保证了凸性和正规性，但推理结果不够好。本文中我们提出了一种基于几何相似的插值推理方法。该方法能很好地保证推理结果的凸性和正规性，并且推理简单，推理结果较好。这为智能系统中的模糊推理提供了一个十分有用的工具。     

一个基于知识的车间辅助设计系统PWADES

ＰＷＡＤＥＳ是一个基于知识的车间辅助设计系统，它集知识库、数据库和图形系统为一体，可以模仿选煤专业工程师完成设备选型、车间布置和绘制工程图。本文讨论它的知识库、数据库、图形系统以及它们的组织结构。     

基于规则推理网络的分类模型

为了缓解神经网络的“黑盒子”机制引起的算法可解释性低的问题,基于使用证据推理算法的置信规则库推理方法(以下简称RIMER)提出了一个规则推理网络模型.该模型通过RIMER中的置信规则和推理机制提高网络的可解释性.首先证明了基于证据推理的推理函数是可偏导的,保证了算法的可行性;然后,给出了规则推理网络的网络框架和学习算法,利用RIMER中的推理过程作为规则推理网络的前馈过程,以保证网络的可解释性;使用梯度下降法调整规则库中的参数以建立更合理的置信规则库,为了降低学习复杂度,提出了“伪梯度”的概念;最后,通过分类对比实验,分析了所提算法在精确度和可解释性上的优势.实验结果表明,当训练数据集规模较小时,规则推理网络的表现良好,当训练数据规模扩大时,规则推理网络也能达到令人满意的结果.     

快速推理的知识库技术研究

针对基于规则的专家系统推理速度慢的问题,提出了一种对规则形式的知识库进行转化的方法。该方法利用故障树技术,将规则库转化为一个索引库和若干个限定范围的规则库。前者用于快速推理,实现由征兆直接到结论的推理,而后者是与结论相关的规则集,需要解释时可以使用。该方法有效地缩小了专家系统的搜索空间,其计算简单,可以离线进行,适用于复杂系统的在线故障诊断。     

基于证据推理的确定因子规则库推理方法

不确定性推理方法是人工智能领域的一个主要研究内容,If-then规则是人工智能领域最常见的知识表示方法. 文章针对实际问题往往具有不确定性的特点,提出基于证据推理的确定因子规则库推理方法.首先在If-then规则的基础上给出确定因子结构和确定因子规则库知识表示方法,该方法可以有效利用各种类型的不确定性信息,充分考虑了前提、结论以及规则本身的多种不确定性. 然后,提出了基于证据推理的确定因子规则库推理方法. 该方法通过将已知事实与规则前提进行匹配,推断结论并得到已知事实条件下的前提确定因子;进一步,根据证据推理算法得到结论的确定因子. 文章最后,通过基于证据推理的确定因子规则库推理方法在UCI数据集分类问题的应用算例,说明该方法的可行性和高效性.     

基于规则的特征结构细化

特征结构的细化是通过高层约束模型和相应的推理规则实现的，约束的求解直接利用ＡｕｔｏＣＡＤ中的ｃｈａｍｐｅｒ和ｆｉｌｅｎｔ命令进行。本文介绍了特征柔性模型中的高层约束模型、基于该模型的规则推理以及该模型的建立。     

专家系统中基于粗集的知识获取、更新与推理

知识获取、知识更新和不确定性推理是设计专家系统的重要方面。根据粗集理论，提出了一种专家系统的结构模型，该系统在规则获取的基础上，利用系统运行的实例增量式地更新知识库中的规则及其参数，以改善系统的性能，利用知识库中的规则及数量参数进行不确定性推理，得出结论的可信度。     

稀疏规则条件下的相似插值推理研究

模糊推理本质上就是插值器。但在稀疏规则库的务件下，当输入的事实落入规则“空隙”时，采用传统的CRI方法是得不到任何推理结果的。而采用KH线性插值推理也存在着难以保证推理结果的凸性和正规性等问题。为了在稀疏规则条件下能有好的插值推理结果，提出了一种相似插值推理方法。谊方法能较好地保证推理结果隶属函数的凸性和正规性，这为智能系统中的模糊推理提供了一个十分有用的工具。     

基于邻边推理求隐藏元素的正等轴测图3D重建

针对正等轴测图3D重建中的隐藏元素求解，通过模拟人类的认知思维，提出了基于邻边推理求隐藏元素的算法。隐藏元素的推理就是通过对正等轴测图中含有隐藏边的点进行推理，根据其相邻边、过相邻点的边的方向和长度推理出可能的隐藏点集，然后根据重合性及连边规则对可能的隐藏点集进一步求解，得到隐藏元素的坐标信息和连边规则。深度推理算法就是用点的坐标信息和边的长度、角度信息推理每个点、边的深度。由C 工具和OpenGL技术开发的To3D验证了上述算法，证明该算法对平面立体的隐藏元素推理和重建十分有效。     

Research on intelligence recognition and reconstruction of engineering graph

In the paper, the authors put forward a regulation-based expert system which is used in auto-recognition and reconstruction of engineering graph. It consists of four parts-dynamic fact library, static regulation h'brary,inference control and 3D reconstruction. it discribles the knowledge and regulations to reeongnize engineering graph with regulation- expressing method, and sets up the inference mechanism according to its recognition thoughts. At last, it introduces recognition results of 3D reconstruction with AutoCAD.     

局部几何与全局结构联合感知的三维形状分类方法

针对复杂结构的三维形状分析与识别问题,提出了新颖的图卷积分类方法,建立了局部几何与全局结构联合图卷积学习机制,有效提高了三维形状数据学习的鲁棒性与稳定性。首先,通过最远点采样与最近邻方法构造局部图,并建立动态卷积算子,有效提取局部几何特征;同时,基于特征域采样构造全局的特征谱图,通过卷积算子获得全局结构信息。进而,构建加权的联合图卷积学习网络模型,引入注意力机制,实现自适应的特征融合。最终,在联合优化目标函数约束下,有效提高特征学习的性能。实验结果表明,融合局部几何与全局结构的联合图卷积网络学习机制,有效提高了深度特征的表示能力及区分性,具有更为优秀的识别力和分类性能。提出的研究方法可应用于大规模三维场景识别、三维重建以及数据压缩,在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。     

基于工程图样的三维重建技术研究与实现

提出一种新颖的基于工程图样理解的三维形体重建方法,设计了完整的算法,并建立了一个原型系统。文中的研究成果在三个方面取得了较大的进展：１）将重建对象从一般图形拓展到含半剖视图、全剖视图和尺寸标注的工程图样,使三维重建的实用化成为可能;２）较好地利用了工程图样语义进行形体分析,实施图形预处理,降低了特征识别的难度;３）将特征识别与三维重建结合起来,使重建结果包含形体信息,为利用重建结果进行更高层次的工     

基于谱图理论的特征匹配方法研究和改进

图像匹配问题是计算机视觉领域的一个基本问题,广泛地应用于很多领域,如:模式识别,自动导航,医学诊断,计算机视觉,图像三维重构等领域。将所研究的问题转化为数学问题,再利用数学工具解决这一问题,成为当今研究的一种重要手段。在这里,将图像匹配中的图像转化为数学-图论中的图,利用谱图理论解决图像匹配问题,从而形成了一类比较流行而新颖的方法,针对这一方法进行了较为系统的探究并做出了改进。     

基于知识图谱的水工程联合调度计算方案生成技术研究

人工方法构建水工程联合调度计算方案工作效率低且容易产生人为错误,为更好地生成水工程联合调度计算方案,研究和探索如何应用知识图谱技术实现计算方案的自动生成。研究领域知识图谱概念和物理 2 种模型的构建,以及知识图谱存储、检索和推理方法,并以淠河流域为例应用专题知识图谱的检索、推理方法, 将检索和推理结果存储为规定的数据内容和格式,即所需的水工程联合调度计算方案。研究表明：专题知识图谱是构建水工程联合调度计算方案的信息载体,专题知识图谱的检索、推理是水工程联合调度计算方案自动生成的主要方法。相对于传统人工方法,基于知识图谱技术生成大规模的水工程联合调度计算方案更加准确和高效。     

Grenander时间结构学习与推理优化下的行为识别

针对现有基于视频整体时间结构建模的行为识别方法中,存在的时间噪声信息和歧义信息干扰现象,从而引起行为类别识别错误的问题,提出一种新型的Grenander推理优化下时间图模型(temporal graph model with Grenander inference, TGM-GI).首先,构建3D CNN-LSTM模块,其中3D CNN用于行为的动态特征提取, LSTM模块用于该特征的时间依赖关系优化.其次,在深度模块基础上,利用Grenander理论构建了行为识别的时间图模型,并设计了两个模块分别处理慢行为时间冗余和异常行为干扰问题,实现了时间噪声抑制下的时间结构提议.随后,设计融合特征约束和语义约束的Grenander测度,并提出一种时序增量形式的Viterbi算法,修正了行为时间模式中的歧义信息.最后,采用基于动态时间规划的模式匹配方法,完成了基于时间模式的行为识别任务.在UCF101和Olympic Sports两个公认数据集上,与现有多种基于深度学习的行为识别方法进行比较,该方法获得了最好的行为识别正确率.该方法优于基准的3D CNN-LSTM方法,在UCF101数据集上识别...     

Three-dimensional model-based object recognition and segmentation in cluttered scenes

Viewpoint independent recognition of free-form objects and their segmentation in the presence of clutter and occlusions is a challenging task. We present a novel 3D model-based algorithm which performs this task automatically and efficiently. A 3D model of an object is automatically constructed offline from its multiple unordered range images (views). These views are converted into multidimensional table representations (which we refer to as tensors). Correspondences are automatically established between these views by simultaneously matching the tensors of a view with those of the remaining views using a hash table-based voting scheme. This results in a graph of relative transformations used to register the views before they are integrated into a seamless 3D model. These models and their tensor representations constitute the model library. During online recognition, a tensor from the scene is simultaneously matched with those in the library by casting votes. Similarity measures are calculated for the model tensors which receive the most votes. The model with the highest similarity is transformed to the scene and, if it aligns accurately with an object in the scene, that object is declared as recognized and is segmented. This process is repeated until the scene is completely segmented. Experiments were performed on real and synthetic data comprised of 55 models and 610 scenes and an overall recognition rate of 95 percent was achieved. Comparison with the spin images revealed that our algorithm is superior in terms of recognition rate and efficiency.     

多尺度图割曲面重建算法

针对图割曲面重建算法计算量过大的难题, 根据代数多栅理论对图割计算过程进行多尺度分解, 仅对最后一级进行最大流计算, 其他级的标记值通过插值得到。首先, 根据点云法向和重建曲面法向的一致性构建能量函数; 其次, 将能量函数映射到三维权重图的顶点和边上; 然后, 定义顶点间的一致性并由此构造抽取矩阵, 以决定哪些图的顶点参与图割运算; 之后, 构造插值矩阵, 将最后一级图割计算结果逐级插值到第一级; 最后, 利用步进立方体算法得到重建曲面的三角网格表示。实验结果表明, 与窄带图割算法相比, 本方法计算速度更快, 当图的顶点数越多时速度提高得越多; 对于不均匀采样的点云数据, 重建效果更好; 其他情况下两者效果相当。     

基于选择性融合及关系推理的群组行为识别

为解决如何选取更具辨别力的多模态人物特征,以及在进行人物关系推理时如何更加关注特定于个人的时空交互建模的问题,提出了基于选择性特征融合的动态关系推理算法框架(SFDRI)。通过设计选择性特征融合模块,根据不同模态特征的随机函数概率分布得分,添加重采样方法以选取最相关的特征表示实现多模态特征的选择融合,并采用动态关系推理模块实现针对个人的复杂时空推理,通过在时空图上初始化交互域,利用点积计算预测人物交互关系矩阵,并同时添加每个人物特征的动态偏移以形成特定于个人的交互图,通过迭代更新交互图上的特征进行最终的群组行为的识别。结合对比实验,算法在公开的排球数据集(volleyball dataset, VD)和集体活动数据集(collective activity dataset, CAD)上分别提升了1.2%和1.5%的平均识别精度,证明了算法框架的有效性。     

Global Stereo Reconstruction under Second-Order Smoothness Priors

Second-order priors on the smoothness of 3D surfaces are a better model of typical scenes than first-order priors. However, stereo reconstruction using global inference algorithms, such as graph cuts, has not been able to incorporate second-order priors because the triple cliques needed to express them yield intractable (nonsubmodular) optimization problems. This paper shows that inference with triple cliques can be effectively performed. Our optimization strategy is a development of recent extensions to alpha-expansion, based on the ldquo QPBOrdquo algorithm. The strategy is to repeatedly merge proposal depth maps using a novel extension of QPBO. Proposal depth maps can come from any source, for example, frontoparallel planes as in alpha-expansion, or indeed any existing stereo algorithm, with arbitrary parameter settings.