基于FEBM和模糊神经网络的模糊概念识别

在基于解释的机器学习问题上,近期提出的模糊模型FEBM（Fuzzy Explanation-Based Model)为模糊概念的识别和分类提供了一种很好的解决手段。在对该模型当对象的解释谓词在[0,1]上取确值的情况时,计算“对象属于概念C的真值”的公式进行适当调整的基础上,结合神经网络可以用于模式识别和分类的特点,提出了一种基于模糊神经网络和FEBM的模糊概念识别方法。实验表明,该方法是有效的和可行的,是关于该模型应用的一个极为有意义的尝试。     

一种模糊对象的极大co-location模式挖掘算法

空间co-location模式表示的是空间对象的实例在一个相同的区域内频繁地进行空间并置。人们已经对确定和不确定数据co-location模式挖掘做了很多工作,也有很多成果,但对极大co-location模式挖掘研究较少,特别是针对模糊对象的极大co-location模式挖掘研究还未见报道。提出Mevent-tree算法来挖掘模糊对象的极大co-location模式,首先为每个对象构建空间对象树,从而得到候选模式,然后为候选模式集构建HUT树,最后在HUT树中从阶数最大的候选模式开始到阶数2为止,深度优先搜索极大co-location模式并在得到极大模式后对HUT树剪枝。接着提出两个改进算法,包括预处理阶段模糊对象的剪枝算法和在构造HUT树之前co-location候选模式的剪枝算法。最后通过大量实验验证了Mevent-tree算法和改进算法的效果和效率。     

扩展空间对象聚类问题的研究

扩展空间对象的聚类分析是空间聚类研究的焦点问题。扩展空间对象的聚类分析要求在聚类中不仅要考虑对象的位置,而且要考虑对象所占据的范围。空间近似是研究扩展空间对象聚类的基本思想,但是点近似的方法忽视了扩展对象覆盖范围的影响,经常造成聚类质量不高,同时点近似方法的算法代价比较高,影响聚类的性能和可伸缩性;最小外接矩形(MBR)近似的方法一定程度地保留了扩展空间对象的位置和范围信息,配合MBR距离或者扩展距离,使得扩展对象的聚类分析无论从质量还是性能都可以满足要求。文章最后比较了几种扩展对象聚类方法的聚类性能和效果。     

Indexing Future Trajectories of Moving Objects in a Constrained Network

Advances in wireless sensor networks and positioning technologies enable new applications monitoring moving objects. Some of these applications, such as traffic management, require the possibility to query the future trajectories of the objects. In this paper, we propose an original data access method, the ANR-tree, which supports predictive queries. We focus on real life environments, where the objects move within constrained networks, such as vehicles on roads. We introduce a simulation-based prediction model based on graphs of cellular automata, which makes full use of the network constraints and the stochastic traffic behavior. Our technique differs strongly from the linear prediction model, which has low prediction accuracy and requires frequent updates when applied to real traffic with velocity changing frequently. The data structure extends the R-tree with adaptive units which group neighbor objects moving in the similar moving patterns. The predicted movement of the adaptive unit is not given by a single trajectory, but instead by two trajectory bounds based on different assumptions on the traffic conditions and obtained from the simulation. Our experiments, carried on two different datasets, show that the ANR-tree is essentially one order of magnitude more efficient than the TPR-tree, and is much more scalable.     

分组移动对象的区域偏离监视算法

以大量可分组移动对象的区域偏离监视问题为研究背景,扩展了基于区域覆盖的空间索引结构——虚拟网格四分树,提出了一种新的索引结构VGQ_G。基于VGQ_G,实现了区域偏离监视算法RDMA;给出了监视算法的性能对比实验。实验结果表明,在移动对象数量足够大的时候,设计的监视算法比朴素的监视算法在响应时间上提高了一个数量级。     

不确定对象的人工神经网络自学习控制方法

利用模糊控制的思想,将误差、误差变化及加速度作为输入,建立一个神经网络控制器,对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法.并将此方法用于焊接熔池动态过程控制的有效性试验.     

火焰、烟、云等不规则物体的建模方法研究综述

对计算机图形学领域的火焰,烟、云等不规则物体建模及模拟方法的研究动态进行了综述性介绍,在介绍描述云的分形几何模,描述火焰的细胞自动模型,描述气体现象运动特征的扩散过程及粒子系统模型,纹理映射模型和光照模型的基础上,分析和总结了几个主要方法的特点及使用场合。     

一种基于空间相依性的移动对象聚类算法

移动对象的聚类算法,要求能够适应移动对象移动模式动态变化的特点.针对该问题,提出了一种基于空间相依性的移动对象聚类算法.该算法首先计算移动对象之间的空间相依度,空间相依度考虑了移动对象之间的移动速度、方向及位置.当用户之间的空间相依度大于某一阈值时,认为对象之间可达,所有相依度可达对象划分为同一个群组,从而实现移动对象聚类.算法采用一段时间内对象的平均速度和方向代替即时速度和方向,能够有效降低重新聚类次数.实验及分析表明,该算法能够体现移动对象的移动特性,对于移动对象的聚类具有较高性能.     

Requirement Analysis for the Definition of Reusable Spatial Objects

Requirement analysis plays a critical role in designing geographical information systems because it aims to capture user informational needs correctly and fully. Proposed analysis and design methodologies either adapt general-purpose approaches to this application field or extend them by introducing specific constructs to better capture the spatial properties of objects. Many of them are based on the object-oriented paradigm; unfortunately, they usually lack expressive power so that a wide gap remains between the contents of the resulting documentation and the required depth of the detailed application design. The solution we propose is based on the GeoMDT model, which combines the modeling capability of current conceptual data models with that of predicate calculus formulas under a unified paradigm in order to express object dynamics in form of invariant. The strong points of the GeoMDT model are independence of the GIS technology, easy identification of routine functions, effective guide to modular design, and a high reuse potential obtained through the nested encapsulation mechanism.     

Fuzzy Distance-Based Range Queries over Uncertain Moving Objects

Data obtained from real world are imprecise or uncertain due to the accuracy of positioning devices,updating protocols or characteristics of applications.On the other hand,users sometimes prefer to qualitatively express their requests with vague conditions and different parts of search region are in-equally important in some applications.We address the problem of efficiently processing the fuzzy range queries for uncertain moving objects whose whereabouts in time are not known exactly,for which the basic syntax is find objects always/sometimes near to the query issuer with the qualifying guarantees no less than a given threshold during a given temporal interval.We model the location uncertainty of moving objects on the utilization of probability density functions and describe the indeterminate boundary of query range with fuzzy set.We present the qualifying guarantee evaluation of objects,and propose pruning techniques based on the α-cut of fuzzy set to shrink the search space efficiently.We also design rules to reject non-qualifying objects and validate qualifying objects in order to avoid unnecessary costly numeric integrations in the refinement step.An extensive empirical study has been conducted to demonstrate the efficiency and effectiveness of algorithms under various experimental     

地理信息系统中空间对象间拓扑关系的推理

首先讨论了地理信息系统中空间对象的空间数据模型,然后定性地分析了空间对象点与点、点与线和点与区域之间的拓扑关系,并给出了空间对象拓扑关系的推理算法.最后,将模糊技术与空间对象之间的拓扑关系的推理算法结合起来,使其可以方便地处理地理信息系统中的模糊性和不确定性.     

一种基于移动对象的动态反向最近邻的算法

随着无线通讯技术的发展,移动对象的查询有广阔的应用空间.针对现有反向最近邻算法很多都是基于静态对象的情况,提出了一种新的基于移动对象的反向最近邻的算法--以TPR-tree为索引结构,对原有的半平面修剪策略进行了改进,使其性能优化,并采用过滤验证这两个处理步骤来获取移动查询点的反向最近邻,实现了移动对象的动态反向最近邻的查询.     

遥感影像中模糊对象表达

遥感影像中的空间对象及其边界具有模糊性。针对遥感影像中模糊对象的表现特征,借助云理论和云模型来对模糊对象进行表达研究。基于影像的灰度和梯度等数字特征,构建基于数字图像的对象云,用对象云表达模糊对象,核外半云环表达其边界,从而用模糊数学的方法来合理表达遥感影像模糊对象,最后以遥感影像为例进行验证。该方法不仅丰富和完善了云理论,同时也为模糊对象表达,遥感影像的理解和分析提供了一种新的思路。     

交互式分割视频运动对象的研究与实现

在 MPEG- 4视频编码标准中 ,为了实现基于视频内容的交互功能 ,视频序列的每一帧由视频对象面来表示 ,而生成视频对象面 ,需要对视频序列中运动对象进行有效分割 ,并跟踪运动对象随时间的变化 .在视频分割方法中 ,交互式分割视频对象能满足分割的效率与质量指标要求 ,因此提出了一种交互分割与自动跟踪相结合的方式来分割视频语义对象 ,即在初始分割时 ,依据用户的交互与形态学的分水线分割算法相结合提取视频对象轮廓 ,并用改进的轮廓跟踪方法有效提高视频对象轮廓的精度 ;对后续帧的跟踪 ,采用六参数仿射变换跟踪运动对象轮廓的变化 ,用平移估算的运动矢量作为初始值 ,计算六参数仿射变换的参数 .实验结果表明 ,该方法能有效地分割并跟踪视频运动对象     

基于模糊c-means算法的空间数据分类和预测

空间分类和预测是空间数据挖掘中一个非常重要的方法,但对它们的研究目前尚处于初始阶段.通过引入空间对象对模糊聚类的模糊隶属度的概念,提出了基于模糊c-means算法的空间数据分类和预测的方法(SFCM),该方法首先用模糊c-means方法对数据集论域空间进行聚类,但由于空间数据具有空间自相关的特性,在用模糊c-means算法进行空间聚类时加入了空间信息,然后计算每个空间对象对所有聚类的模糊隶属度并从中找出模糊隶属度最大的聚类,最后用该聚类中心对象的因变量的值作为该空间对象的因变量的估计值,理论分析和实验结果表明,该算法是有效可行的.     

The DR-tree: A Main Memory Data Structure for Complex Multi-dimensional Objects

An efficient index structure for complex multi-dimensional objects is one of the most challenging requirements in non-traditional applications such as geographic information systems, computer-aided design, and multimedia databases. In this paper we first propose a main memory data structure for complex multi-dimensional objects. Then, we present an extension of the existing multi-dimensional index structure. Among existing multi-dimensional index structures, the popular R*-tree is selected. The R*-tree is coupled with the main memory data structure to improve the performance of spatial query processing. An analytical model is developed for our index structure. Experimental results show that the analytical model is accurate, the relative error being below 15%. The performance of our index structure is compared with that of a state-of-the-art index structure by experimental measurements. Our index structure outperforms the state-of-the-art index structure due to its ability to reduce a large amount of storage.     

一种模糊区域的拓扑关系模型

空间区域拓扑关系建模是空间推理、地理信息系统(GIS)和计算机视觉等领域一个非常重要的主题，模糊区域的拓扑关系建模正日益受到相关领域研究者的重视，在分析现有模型的基础上，提出了一种模糊区域的拓扑关系模型，该模型利用模糊集来表示模糊区域，通过三个谓词的真值来判断区域间的拓扑关系，将分明区域作为特例统一处理，根据谓词的多种真值能够实现多层次上的拓扑关系分析．     

基于过程输入输出变化关系的模糊建模方法

针对难以建立精确数学模型的复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。首先按过程输出随输入变量变化的程度对输入变量论域进行划分,在此基础上确定模糊模型的规则总数和前件参数;然后根据所建模糊模型可表示为一个前馈模糊神经网络,利用BP学习算法求得过程模糊模型的后件参数。仿真例子验证了模糊建模方法的有效性,同时表明所建模糊规则模型较好的泛化能力。     

基于广义Choquet模糊积分的语言特征对象近似识别/分类

语言特征存在于许多实际应用中，如模糊数知识系统、语义检索、模糊人脸识别等．为解决这类具有语言特征(模糊数)对象的识别／分类问题，提出了基于广义Choquet模糊积分的分类方法与模型．该方法不仅可以解决数值特征对象识别／分类问题．同时为具有模糊数特征的对象识别／分类问题提供了手段，从而扩大了原有分类模型的适用领域．模糊人脸识别模拟实验证明，在语言特征环境下．该分类模型有效地实现了语言模糊对象的近似辨识．