语义特征建模系统中操作局部化的研究

为了提高语义特征建模系统约束求解的效率及系统的整体性能,提出了一种新的操作局部化方法。该方法使用特征语义表示法来描述产品模型中特征的各种信息,改进了细胞元模型对特征元素的管理机制,通过特征的“语义面”将局部特征从模型中有效地分离出来,通过创建临时特征的方法来实现模型的局部约束求解。该策略不仅可以完全满足在复杂模型中直接操作的需要,还可以大大提高系统的性能。实验表明该算法具有更强的适应性和实用性。     

基于最小特征相关集的约束求解

为了提高求解效率,对建模操作与特征依赖之间的对应关系进行分析,提出了一种确定最小特征相关集的方法.同时,使用最小特征相关集来选择与模型操作相关的约束方程,以降低求解的规模.将所提出的方法应用到HUST-CAID系统中,对建模过程中的约束关系变化进行求解.实验结果表明建模效率有所提高.     

基于标识的特征造型原型系统的研究与实现

从特征造型软件开发的角度对参数化特征造型的一些关键技术进行了研究，并在ACIS几何平台上开发了一个参数化特征造型原型系统GDS。讨论了GDS的关键技术：基于标识的特征表示模型，标识子系统、统一二、三维约束的基于子图的草图设计及约束求解方法、基于约束依赖图的特征编辑算法等。     

基于神经网络的特征结构并行提取算法研究

为并行实时地提取数据协方差矩阵的信号特征结构,从特征结构并行提取的约束优化问题表示入手,利用梯度方法和迭代法构建了可实时并行提取信号特征向量矩阵的直接神经网络求解法和基于能量函数的神经网络求解算法,并形成了相关迭代学习算法.理论分析表明当数据样本足够大时,算法的迭代结果就是数据协方差矩阵信号特征结构的一个良好估计,同时计算机仿真亦验证了算法的有效性.另外,仿真试验亦表明可以通过调节加权矩阵D的对角元来控制算法的收敛速度.     

自适应微调扰动和声搜索算法几何约束求解研究*

几何约束求解的方法关系到特征造型系统的性能,为提高几何约束求解的速度,将和声搜索算法应用于几何约束求解中。通过优先选择较小的和声库,利用最好解的评价值确定微调扰动的幅度,并将其嵌入到拉斯维加斯算法中,提高了和声搜索算法的性能。实验结果表明,改进的和声算法具有自适应性,能有效克服局部收敛问题,提高了求解速度。     

数值与符号的耦合约束求解模型

采用约束关系依赖图(CRDG)表达耦合约束之间的依赖关系,从而建立数值与符号耦合约束模型.提出耦合约束的求解算法:对CRDG进行最小独立子图分解,对存在耦合约束的子图用"孪生变量法"进行一阶解耦,对没有耦合约束的子图用传统方法进行独立求解,求解之后再对孪生变量进行等效性验算.该耦合约束模型及其求解算法拓展了传统约束理论,实现了教学求解和推理求解有机地结合.     

基于特征造型的自由曲面特征及约束求解的研究

在对HUST-CAID（哈尔滨理工大学计算机辅助工业造型设计）系统进行研究的基础上，首先引入了自由曲面特征。然后结合HUST—CAID系统定义了自由曲面特征的分类和参数化，同时系统为用户提供了一组适当的参数，使用户能够直观的设计任意曲面，而不必参与曲面的底层设计。当用户修改参数时，系统就会自动提供相应的反馈。为了求解出与约束一致的图形，还给出了一种新颖的原型驱动约束求解算法，并在HUST—CAID系统中进行了仿真实验，结果显示，此算法能够有效地简化约束求解和特征造型的过程。     

逆向工程中约束驱动数据点云曲面特征优化

为了获得产品原始设计意图,提高重构模型的整体质量,提出一种实用的逆向工程中约束驱动数据点云曲面特征优化方法,其中包括约束分解和有效的数值求解.在约束分解部分,通过设计结构矩阵分割算法消除几何约束系统中曲面特征间的耦合约束,提出了基于多尺度特征的凝聚算法来实现几何约束系统的简化和分解;在数值求解部分,基于罚函数法建立了约束优化的数学模型,采用BFGS法进行了数值求解.对优化后的逼近误差与约束满足误差进行分析的结果表明,采用文中方法可以低数量级的逼近误差的放大,实现约束满足误差的减小,获得一种全局优化的结果.     

自由特征模型约束求解研究*

在对自由特征模型参数化基础上,提出一种约束求解的新方法。该方法对自由特征形体定义点进行参数化,建立几何约束图,将约束问题分解为三角形约束和四面体约束两大类,分别进行求解,定义手向性规则,利用该规则将子问题组合为全局解。在自主开发的HUST-CAIDS（哈尔滨理工大学计算机辅助工业设计系统）中实现了本算法,并得到满足设计者需求的模型。     

密集标志点集的拓扑保持变换方法*

在对自由特征模型参数化基础上,提出一种约束求解的新方法。该方法对自由特征形体定义点进行参数化,建立几何约束图,将约束问题分解为三角形约束和四面体约束两大类,分别进行求解,定义手向性规则,利用该规则将子问题组合为全局解。在自主开发的HUST-CAIDS（哈尔滨理工大学计算机辅助工业设计系统）中实现了本算法,并得到满足设计者需求的模型。     

纹理约束下的人脸特征点跟踪

将Lucas-Kanade光流跟踪算法与人脸特征点定位的统计模型DAM(direct appearance model)在Bayesian框架下结合起来,提出了视频中人脸特征点定位与跟踪的一种混合模型方法.利用Lucas-Kanade算法预测人脸特征点的位置,充分利用了帧间的相关信息,提高了跟踪的速度.通过DAM中纹理对形状的约束,在提高跟踪精度的同时增强了整个算法的鲁棒性.实验表明,这种方法可以很好地适应人脸的多种运动,可用于人脸识别或3D人脸建模.     

基于局部特征的非负稀疏编码神经网络模型

在非负稀疏编码(NNSC)的基础上,考虑特征基向量的稀疏度约束和特征基的局部性,提出一种基于局部特征的NNSC神经网络模型。该模型利用梯度和倍增因子相结合的优化算法实现特征系数的学习;利用倍增算法实现特征基的学习。对掌纹图像进行特征提取测试,结果表明,与传统NNSC模型和局部非负矩阵分解(LNMF)方法相比,该模型能有效提取图像的局部特征,收敛速度较快,可模拟初级视觉系统处理自然界信息的稀疏编码策略。     

基于特征的离散网格模型表示与编辑技术

本文提出了一种基于特征的离散网格模型表示方法,能够表达传统三维网格模型中缺失的高层次信息,并以模型编辑为例显示了其应用价值.该特征结构利用特征线、特征面、特征组来建立离散网格的特征结构,用于描述模型的形状、约束、语义等信息,在原有网格模型的基础上构建了一个“超网格”.通过构建特征间的拓扑关系和约束关系,模型在编辑过程中能够保持特定的形状、结构属性,同时由于编辑操作造成的网格修改被限定在局部的特征区域内,从而提高了模型编辑的运算效率.     

基于模糊形状上下文与局部向量相似性约束的配准算法

非刚性点集配准研究是模式识别领域的一项重要基础研究.本文在当前流行的非刚性点集配准算法的基础上提出了两个主要贡献:1)模糊形状上下文(Fuzzy shape context, FSC)特征;2)基于局部向量特征的局部空间向量相似性约束项.本文首先进行基于特征互补的对应关系评估,在这一步骤中定义了模糊形状上下文特征,然后基于模糊形状上下文特征差异和全局特征差异设计了特征互补的高斯混合模型.其次,进行基于约束互补的空间变化更新.在这一步骤中,定义了局部向量特征,建立了局部空间向量相似性约束项.本文算法通过使用特征互补的高斯混合模型进行对应关系评估,并将配准问题转化为可以用期望最大化(Expectation maximization, EM)算法解决的参数优化问题,通过创建包含局部空间向量相似性约束项的能量方程优化了空间变换更新.本文首先测试了模糊形状上下文特征的检索率,然后采用公开数据集测试了算法在点集配准与图像配准的性能.在与当前流行的十种算法的对比实验中,本文算法均给出了精确的配准结果,并在大部分实验中精度超过了当前流行算法.     

一种新的基于多启发式的特征选择算法

在查询扩展方法中,如果通过查询结果中关键词的上下文来计算候选关键词的权重,将权重大的词作为查询扩展词,其候选关键词来源于文档中关键词的上下文,这种方法存在主题漂移的问题。为了解决这个问题,提出一种将初始查询结果过滤,只选择与源文档语境相似的搜索结果,来帮助选择查询扩展词的方法。实验结果表明该方法能获得更合适的查询扩展词。     

基于OCL的服务构件特征语义描述模型

构件的语义特征是构件检索的主要依据,也是构件库的重点研究内容.然而,由于网络系统中存在分布、动态、数量众多的服务构件,很多构件之间存在一定的关联和依赖,因此如何有效地描述这些服务构件特征间的关联,是构件库管理模型需要进一步研究的一个重要问题.提出一种基于特征的构件语义描述模型,首先分别给出特征、特征空间和构件特征空间表示模型的定义.接着将构件特征间的各种关联和依赖关系分成自身约束、父子关系约束、显性约束和隐性约束4类,并采用对象约束语言对这些关系进行形式化描述,从而为模型提供了精确的语义支持.面向电子商务的构件特征子树的实例研究及其模型验证和实验结果证明了该模型的正确性与有效性.     

语义特征建模系统中参数范围计算的研究

在语义特征CAD系统中,特征参数的确定是一个十分耗时且需要反复实验和调整的过程。为了在创建特征的同时能够迅速为设计者给出特征参数值的适当范围,提出了一种改进的方法。该方法使用特征语义表示法来描述产品特征的各种信息,简化了“细胞元”模型管理特征的各个面的策略,通过提取每个特征面的语义并计算特征面的语义约束条件,最终确定特征参数的精确范围。该算法不仅可以有效提高确定参数范围的速度和精确度,还可以大大提高语义特征CAD系统的性能。实验表明该算法具有更强的适应性和实用性。     

基于局部非负稀疏编码的掌纹识别方法

为了更有效地提取出图像的局部特征,在传统的非负稀疏编码(Hoyer-NNSC)算法的基础上,提出了一种新的具有稀疏度约束的局部NNSC (LNNSC)算法。该算法考虑了特征基向量的稀疏度约束和特征的最大化代表性,能够得到强化的图像局部特征;同时利用拉普拉斯密度模型作为特征系数的稀疏惩罚函数,保证了图像结构的稀疏性。在特征提取的基础上,进一步利用径向基概率神经网络(RBPNN)分类器,实现了掌纹的自动识别。仿真实验结果表明,与基于非负矩阵分解(NMF)、局部非负矩阵分解(LNMF)和Hoyer-NNSC的掌纹识别方法相比,该算法在掌纹识别研究中有较高的可行性和实用性。     

基于PHOG特征的行人检测算法研究

HOG特征对行人轮廓有很好的描述能力,但基于HOG特征的行人检测存在检测速度慢、漏检率较高的问题,使得该算法的实践应用范围受限。本文针对检测速度慢、漏检率较高的问题,提出了一种基于PHOG特征的行人检测算法。首先,提出了PHOG特征,该特征对cell内的梯度特征进行强化,增大了目标与背景的梯度分布区别,从而使目标更容易被分类器学习和识别。然后提出了构建特征金字塔的方法,并对PHOG特征进行有效地降维,大幅度减少了检测时间。试验结果表明,本文提出的PHOG-PCA特征将漏检率从35%降到了22%,检测速度也比一些流行算法快。