三角网格曲面共形参数化研究综述

曲面参数化是计算机图形学和计算机辅助设计中的一个重要问题,有着广泛的应用背景.曲面参数化旨在谋求从三维曲面到某参数区域变换过程中某些内蕴几何量(例如边长、角度、面积)的变形最小化.保角参数化前后保持曲面局部形状,又称作共形参数化.本文针对三角网格曲面,介绍了共形参数化领域的研究现状.根据目标参数域的不同,主要讨论了平面...     

点集表面的共形参数化

基于点的图形系统成为图形学研究中的一个热点。该文介绍了一种无组织点集表面的共形参数化方法,在该参数化方法中,传统算法中经常使用的欧氏距离被测地线距离所代替。相对于欧氏距离,测地线距离能够更好地描述点集所隐含的表面,减少由点集表面无拓扑性质带来的误差,保持点集曲面的形状不变,提高参数化的质量。     

智能数据分区与布局研究

大数据时代,数据规模庞大,由数据进行驱动的应用分析场景日益增多.如何快速、高效地从这些海量数据中提取出用以分析决策的信息,给数据库系统带来重大挑战.同时,现代商业分析决策对分析数据的实时性要求数据库系统能够同时快速处理ACID事务和复杂的分析查询.然而,传统的数据分区粒度太粗,且不能适应动态变化的复杂分析负载;传统的数据布局单一,不能应对现代大量增加的混合事务分析应用场景.为了解决以上问题,“智能数据分区与布局”成为当前的研究热点之一,它通过数据挖掘、机器学习等技术抽取工作负载的有效特征,设计最佳的分区策略来避免扫描大量不相关的数据,指导布局结构设计以适应不同类型的工作负载.首先介绍了智能数据分区与布局的相关背景知识,然后对智能数据分区与布局技术的研究动机、发展趋势、关键技术进行详细的阐述.最后,对智能数据分区与布局技术的研究前景做出总结与展望.     

一种新的智能流场特征检测与识别方法

传统的基于拓扑分析方法的特征可视化系统的扩展性、通用性和交互性较差。本文分析了流场的特征,在此基础上提出了一种基于BP神经网络的可选择智能流场特征提取方法,设计了一种三层BP神经网络结构,用户可以对感兴趣的新特征进行选取并进行训练和提取,而无须修改程序。该方法利用神经网络较强的非线性映射能力,提高了系统的扩展性、通用性和交互性。基于上述方法,设计并实现了一个流场可视化原型系统。实验表明,该方法对流场任意特征具有高识别率和较低的误警率、漏报率。     

智能流场特征抽取与多分辨率可视化

分析了流场特征,提出一种基于BP神经网络的可选择智能流场特征提取方法,由用户选择关注特征区域并将该区域作为输入样本进行训练,利用训练后的神经网络对新数据进行识别预处理,抽取出用户关注的特征区域;提出一种基于“鱼眼视图”技术的多分辨率流场特征绘制方法,将原始数据场采用层次细节二叉树表示,以减少绘制数据量．基于上述方法,设计并实现了一个原型系统,对用户关注区域进行详细信息显示,同时保持了整个数据场的概貌,实现了具有良好交互性的可选择流场特征可视化．     

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。     

神经网络相平面分区控制器研究与仿真

将神经网络的在线学习、即时调节功能与相平面分区的逻辑判断特性相结合提出了一种新的智能控制器———神经网络相平面分区控制器.该控制器将系统响应的基本性能与相应工况的控制作用力的划分和作用强度在相平面上建立起了实时的相互对应关系,从而使各分区内的控制参数能随着被控对象的变化在线自动调节参数,具有自适应能力.仿真结果表明,利用该方法设计的控制器闭环性能好、鲁棒性强.该方法为非线性控制提供了一种有效的控制器设计途径.     

飞行器表面矢量场数据动态纹理可视化方法

面向飞行器表面流场数据可视化的应用需求,提出一种基于线性卷积（LIC）及纹理平流（IBFVS）相结合的动态纹理可视化方法。算法通过将IBFVS方法的背景随机噪声替换为LIC纹理方式,结合了LIC纹理结果对比度高及IBFVS方法生成速度快的优势;针对LIC绘制速度慢的不足,利用GPU对曲面矢量场投影并插值,生成规则矢量数据场;用GPU对LIC部分进行并行加速,有效提高了LIC纹理图像产生速度;将LIC结果图像加入到IBFVS进行平流,生成纹理图像,最后加入颜色映射,丰富流场信息。实验结果表明,该方法生成的飞行器表面动态纹理图像对比度高,清晰度强,实时绘制性能好。     

基于大数据的财务审计研究

为了改善财务审计中数据维度高、特征复杂导致智能审计效率低、训练周期长等问题,提出了一种基于大数据的财务审计平台,为财政政策的实施和完善提供决策支持。针对财务审计数据特点,提出了应用于财务审计模型的卷积神经网络结构,从而增强特征多样性,提升模型鲁棒性。采用遗传算法对卷积神经网络相关参数进行优化处理,从而增强模型的稳定性,提高模型的收敛速度。通过仿真分析,将所提模型与BP神经网络、多层感知器、卷积神经网络进行比较,基于mAP、F-score、精确度、敏感度等指标进行分析。仿真结果进一步验证了所提模型训练收敛速度更快,所提模型mAP为92.54%,且模型性能更优。     

一种改进的基于幂线性单元的激活函数

针对修正线性单元（ReLU）完全丢弃网络中包含有用信息的负激活值问题,基于参数化修正线性单元（PReLU）和指数线性单元（ELU）的研究,提出一种新颖的参数化激活函数幂线性单元（PoLU）。PoLU对输入的负激活部分实施有符号的幂非线性变化,幂函数的参数是可以在CNNs训练过程中自适应学习的;同时像ReLU那样保持正激活部分不变。PoLU可以高效地实现并且灵活地运用到不同的卷积神经网络架构中。在广泛使用的CIFAR-10/100数据库上的实验结果表明,PoLU要优于ReLU和它相对应的激活函数。     

基于飞行数据多重分区的高机动飞机气动建模及参数辨识

在准定常假设下,飞机在大迎角或大幅机动飞行时,其气动特性呈现非线性特点.常用基于配平状态下小幅机动飞行辨识所得的线性气动模型已不再适用.为解决这一问题,提出一种飞行数据多重分区方法,通过各区间的局部线性化以表征气动特性的全局非线性.各区间中,针对气动力和力矩系数的静态项、动导数项及控制导数项进行泰勒级数展开,提出一种通用气动模型,并利用最小二乘类方法辨识各项气动参数.根据某现代战斗机仿真飞行试验数据,辨识相关气动参数并与真实值进行比较,结果表明两者吻合较好.试验结果验证了所述飞行数据多重分区方法和通用气动模型的有效性.     

A data clustering algorithm for stratified data partitioning in artificial neural network

The statistical properties of training, validation and test data play an important role in assuring optimal performance in artificial neural networks (ANNs). Researchers have proposed optimized data partitioning (ODP) and stratified data partitioning (SDP) methods to partition of input data into training, validation and test datasets. ODP methods based on genetic algorithm (GA) are computationally expensive as the random search space can be in the power of twenty or more for an average sized dataset. For SDP methods, clustering algorithms such as self organizing map (SOM) and fuzzy clustering (FC) are used to form strata. It is assumed that data points in any individual stratum are in close statistical agreement. Reported clustering algorithms are designed to form natural clusters. In the case of large multivariate datasets, some of these natural clusters can be big enough such that the furthest data vectors are statistically far away from the mean. Further, these algorithms are computationally expensive as well. We propose a custom design clustering algorithm (CDCA) to overcome these shortcomings. Comparisons are made using three benchmark case studies, one each from classification, function approximation and prediction domains. The proposed CDCA data partitioning method is evaluated in comparison with SOM, FC and GA based data partitioning methods. It is found that the CDCA data partitioning method not only perform well but also reduces the average CPU time.     

一种基于光流场的医学图像配准方法

提出了一种基于光流场的医学图像弹性配准方法。方法先对图像进行小波分解,从最低分辨率的近似图像开始,采用光流场的方法进行逐级配准,再对配准的各分量进行重构,直至得到最高分辨率的配准图像。实验表明,这种方法对于具有较小形变的医学图像的配准是有效的。     

车用汽油机进气歧管空气流量智能测量模型

为了确保车用汽油机在运转工况下能获得最佳浓度的混合气要求,利用节气门元器件,基于压差式节流流量测量原理,通过对节气门旋转角度函数链神经网络拟合和节气门的流出系数拟合建立了车用汽油机进气歧管空气流量测量模型。实验验证结果表明:随着进气歧管压力升高,车用汽油机空气质量流量智能测量误差呈降低趋势,且其误差均小于5.0%。     

Intelligent deflection yoke magnetic field tuning

This paper presents a method and a system to identify the number of magnetic correction shunts and their positions for deflection yoke tuning to correct the misconvergence of colors of a cathode ray tube. The method proposed consists of two phases, namely, learning and optimization. In the learning phase, the radial basis function neural network is trained to learn a mapping: correction shunt position changes in misconvergence. In the optimization phase, the trained neural network is used to predict changes in misconvergence depending on a correction shunt position. An optimization procedure based on the predictions returned by the neural net is then executed in order to find the minimal number of correction shunts needed and their positions. During the experimental investigations, 98% of the deflection yokes analyzed have been tuned successfully using the technique proposed.     

SPR传感器阵列中微流通池的流场仿真

在自制表面等离子体激元共振(SPR)传感器阵列检测装置的微流通池的研制中,为了获得更好的检测精度和重复性,需要流经各检测点的流量尽可能一致。设计了几种不同的微流通池结构,并利用Comsol Multiphysics软件对其内部的流场进行仿真分析。首先,分析了常用梭状流通池的内部流场分布,并研究了不同长度过渡段对流场分布的影响。在此基础上,讨论了不同流通池形状,特别是流通池外形轮廓,如椭圆状流通池和边界流线型更好的流通池对流场分布的影响。此后,还研究了过渡区中微结构阵列设计对检测区流场分布的影响。仿真研究结果表明:适当延长过渡段长度,有利于改善流体流动的稳定性和均匀性,但这种改善将随长度的进一步增加逐渐减弱。而不同的边界外形轮廓对检测区域流场的影响不大;当采用一定的微结构阵列扰流设计后,流场均匀性一定程度上得到改善。     

数据流特征感知的交换机流表智能更新方法

针对软件定义网络（SDN）中交换机流表匹配率低的问题,提出了数据流特征感知的交换机流表智能更新方法。首先,论述流表项的生存超时时间timeout对数据包匹配的影响,并且分析比较基于先进先出（FIFO）、近期最少使用（LRU）等一般方法存在的不足;其次,根据流表项的生存时间和数据流的特征密切相关的思想,利用基于隐马尔可夫模型（HMM）的深度流检测（DFI）技术对数据流进行分类;最后,根据流表资源和控制器计算资源状况,实现对不同类型数据流流表项的智能更新。采用校园数据中心网络行为数据的模拟实验表明,与流表更新的一般方法相比,智能方法能使流表匹配率提高5%以上,对SDN交换机的管理有实际意义。