基于图模型与注意力机制的室外场景点云分割模型

针对在多对象且空间拓扑关系复杂的室外场景环境中相似地类区分难的问题,提出一种结合图模型与注意力机制模块的A-Edge-SPG(Attention-EdgeConv SuperPoint Graph)图神经网络.首先,利用图割和几何特征结合的方法对超点进行分割;其次,在超点内部构造局部邻接图,从而在捕获场景中点云的上下文信息的同时利用注意力机制模块凸显关键信息;最后,构建超点图(SPG)模型,并采用门控循环单元(GRU)聚合超点和超边特征,实现对不同地类点云间的精确分割.在Semantic3D数据集上对A-Edge-SPG模型和SPG-Net(SPG neural Network)模型的语义分割效果进行比较分析.实验结果表明,相较于SPG模型,A-Edge-SPG模型在总体分割精度(OA)、平均交并比(mIoU)和平均精度均值(mAA)上分别提升了1.8、5.1和2.8个百分点,并且在高植被、矮植被等相似地类的分割精度上取得了明显的提升,改善了相似地类间语义分割的效果.     

一种基于极大熵的快速无监督线性降维方法

现实世界中高维数据无处不在,然而在高维数据中往往存在大量的冗余和噪声信息,这导致很多传统聚类算法在对高维数据聚类时不能获得很好的性能.实践中发现高维数据的类簇结构往往嵌入在较低维的子空间中.因而,降维成为挖掘高维数据类簇结构的关键技术.在众多降维方法中,基于图的降维方法是研究的热点.然而,大部分基于图的降维算法存在以下两个问题:(1)需要计算或者学习邻接图,计算复杂度高;(2)降维的过程中没有考虑降维后的用途.针对这两个问题,提出一种基于极大熵的快速无监督降维算法MEDR. MEDR算法融合线性投影和极大熵聚类模型,通过一种有效的迭代优化算法寻找高维数据嵌入在低维子空间的潜在最优类簇结构. MEDR算法不需事先输入邻接图,具有样本个数的线性时间复杂度.在真实数据集上的实验结果表明,与传统的降维方法相比, MEDR算法能够找到更好地将高维数据投影到低维子空间的投影矩阵,使投影后的数据有利于聚类.     

基于故障邻接状态的配电网多故障抢修与优化策略

基于故障与配网的拓扑关系和抢修与恢复的动态交替特性,建立了基于故障邻接状态的配电网多故障抢修与优化模型,快速制定抢修策略。在故障抢修阶段,基于供电类型建立负荷节点带电状态矩阵,提取故障邻接负荷的带电状态建立故障邻接负荷带电状态矩阵,对其进行拓展得到故障邻接状态,并对故障进行分类。通过抢修与故障邻接状态的交替更新确定每阶段最优抢修任务。在重构计算中,建立自适应环压有序环矩阵作为算法的解空间,引入余弦递减函数和莱维飞行对量子粒子群算法进行改进,建立莱维系数量子粒子群算法进行求解。用PG&E69节点系统进行仿真,验证所提方法的可行性和所提算法的有效性。     

考虑空间邻接关系的二维货架空间分配问题研究

货架资源的紧缺性使货架空间分配问题成为零售市场中被重点关注的领域。本文在二维货架空间分配模型的基础上,考虑了产品空间邻接关系的影响,建立了混合整数非线性规划模型,并设计了改进型随机密钥遗传算法进行求解,最后使用多个算例进行了广泛验证。在小规模问题中,通过本文设计算法、基准遗传算法和Lingo求解结果比较,发现本文设计算法相对于Lingo在求解效率上有很大提升。在大规模问题中,通过本文设计算法和基准遗传算法比较,发现在收敛时间相近的情况下,本文算法效果更好。通过对加入空间邻接关系效应与否进行对比分析,发现在考虑该效应的情境下,所有算例的利润值都有所提升,并且随着上架产品种类数增多,利润及其增量呈现先增后减的趋势。     

基于形状骨架图匹配的文物碎片自动重组方法

为了有效解决文物碎片自动重组中由于断裂部位受损造成几何信息丢失,采用传统几何驱动方法容易失效的问题,本文提出一种基于形状骨架图匹配的文物碎片自动重组方法,将碎片匹配问题转化为碎片表面纹饰中非完整纹元的互补匹配问题.首先,通过提取文物碎片表面特征线得到碎片表面的纹饰信息;然后根据完整纹元的特征确定非完整纹元互补匹配的约束条件,采用视觉骨架剪枝的方法提取完全位于断裂部位的非完整纹元的形状骨架图,基于形状骨架图语法及匹配约束条件判定非完整纹元是否互补匹配;接着,将碎片上非完整纹元的顺序作为上层约束条件,采用基于带剪枝深度优先的搜索方法搜索匹配碎片;最后,以邻接碎片上非完整纹元间公共弦的端点作为邻接约束点,采用最小二乘法计算刚体变换参数得到碎片的初始位置,并采用迭代最近点方法将邻接碎片精确对齐.实验结果表明,该方法能够有效解决断裂部位存在缺损文物碎片的自动重组问题.     

基于双邻接图正交近邻保持投影的人脸识别算法

正交保持投影(ONPP)是经典的图嵌入降维技术,已经成功地应用到人脸识别中,其保持了高维数据的局部性和整体几何结构。监督的ONPP通过建立同类邻接图来最小化同类局部重构误差,寻找最优的低维嵌入,但是其只使用了类内信息,这会导致异类数据点间的结构不够明显。因此,提出了基于双邻接图的正交近邻保持投影(DAG-ONPP)算法。通过建立同类邻接图与异类邻接图,在数据嵌入低维空间后同类近邻重构误差尽量小,异类近邻重构误差更加明显。在ORL,Yale,YaleB和PIE人脸库上的实验结果表明,与其他经典算法相比,所提方法有效提高了分类能力。     

基于改进SLIC与区域邻接图的高分辨率遥感影像建筑物提取

针对传统SLIC超像素算法在高分辨率遥感影像上分割质量差的问题,提出一种基于降维的改进SLIC与区域合并的方法对建筑物进行分割.首先,对传统SLIC的五维计算进行降维简化,采用灰度特征信息替换色彩信息,减少LAB颜色空间五维特征向量表征的冗余;其次,采用区域邻接图对过分割图像进行合并;最后,对改进SLIC中的主要参数即超像素数目k、紧凑度m和迭代次数p对分割结果的影响做了分析与比较.实验表明：该方法不仅分割出了大部分的建筑物信息,还提高了算法的运行效率与空间效率.运行时间效率比传统SLIC提高了25.5%;对建筑物的提取精度能达到97.6%.     

基于低秩表示投影的无监督人脸特征提取

为了构造数据之间的自适应邻接图,同时克服稀疏表示系数和协同表示系数互相独立、提取全局信息弱的缺陷,提出采用低秩表示(low-rank representation, LRR)系数构造权重矩阵的流形学习算法,即低秩表示投影(low-rank representation projections, LRRP)和判别低秩表示投影(discriminative low-rank representation projections, DLRRP)。在新算法中,将低秩表示系数表征的样本之间的邻接关系保留在特征空间;同时利用低秩系数的聚类性质,在优化目标中加入类内散度最小化项,计算出具有判别性的投影矩阵。试验结果表明,在真实人脸图像库上与其他几种流形学习算法相比,LRRP和DLRRP能够取得更好的识别率。提出的新算法是有效的特征提取算法,能够丰富流形学习框架。     

一种基于双编码遗传算法的机动微波接力网组网方法

针对机动微波接力网组网及优化需要,提出一种基于双编码遗传算法(DMGA)的机动微波接力网组网方法.以网络价值最大化为优化目标,综合考虑节点价值、吸引系数、衰落概率等条件,实现了对每个节点接力设备的智能分配.通过研究网络价值与设备数的非线性关系,引入最优配置点的概念,为微波接力设备的编配数量提供量化依据.在遗传算法中使用邻接矩阵和邻接表的双编码法,其中邻接矩阵的优势是基因改变一定不会产生重复、自环链路,邻接表的优势是基因改变不会影响链路的总数.两种编码法在变异、交叉运算中交替运用,使约束条件与染色体形态特征优势匹配,避免了为满足约束进行的循环操作,提高了运算效率.仿真算例表明,双编码算法与单编码相比,计算时耗大大降低.     

本体演化的波及效应计算优化研究

鉴于使用Floyd-Warshall算法对规模较大的本体评估具有时间复杂度与空间复杂度较高且未考虑本体演化过程中各版本之间的关联,提出基于邻接表的SPFA（shortest path faster algorithm）优化波及效应的计算。该算法不仅在大规模本体计算中具有计算效率的优势,而且可以简化版本迭代过程中波及效应的计算过程。实验结果表明,使用SPFA在计算本体的波及效应相比于基于邻接矩阵的方式具有一定的时间优势,并且这种优势随着时间的变化逐渐增加;在本体演化的波及效应计算时间中,本体演化后的版本的计算时间大约与原有方法相差较少,证明了优化计算的有效性。