3维地质体模型中闭合结构的提取

在地质体建模中,曲面问的拓扑结构分析是一个非常重要的步骤.为了得到块体结构的模型,需要对层面模型内所有的曲面进行全局性的拓扑分析.当层面模型的数据规模极其庞大的时候,这种全局性的分析势必要受到内存容量的限制.为了提高运算速度,提出了一种基于简化面片的闭合块体构造算法,该算法可将模型内所有的曲面数据尽可能地简化,仅仅保留交线附近的关键数据.这种简化后的层面模型既包含了全局的拓扑信息,又可以完全载入内存.实验结果表明,该算法不仅具有较快的拓扑分析速度,并能适用于大规模的地质体模型的构建.     

基于预计算切片序列的动态体绘制技术

为进一步提高基于硬件加速的体绘制技术的渲染性能,解决海量体绘制应用中体数据可视化环节的性能瓶颈,文中提出了一种基于硬件加速的实时切片体绘制技术的优化模型。相对于完全基于实时切片的体绘制系统,应用该技术在保证最终图像渲染质量的同时可节省动态判断切片方程的计算开销并大幅降低运行时的数据带宽需求。基于预计算的动态体绘制在切片方向选择空间中选取一组彼此正交的切片方案,并在预处理阶段生成切片几何数据,运行时根据视点位置通过特定判断算法进行方案选择。对基于分块的海量数据体绘制系统,该技术可有效降低海量体绘制的总体带宽消耗,从而进一步拓展系统的渲染规模。     

分层法求强循环规划解

设计了一种求解强循环规划问题的状态分层算法。从目标状态开始,首先进行强规划分层,然后对剩余状态进行弱规划分层,并记录相应信息,最后用该信息作启发因子,在弱规划分层结果中搜索强循环规划分层。分层结束后利用分层时记录的信息可以直接得到强循环规划解。所设计的算法在求解状态动作较多的强循环规划问题时有较高的效率;且当强规划解存在时,求解效率更高,并能保证得到质量更优的强循环规划解——强规划解。实验表明,所设计的算法能够以较少的重复搜索得到强循环规划解,求解效率比反向搜索高。     

网络表示学习算法的分析与验证

网络表示学习算法是社交网络分析领域的一个热点问题。该文旨在研究现有的各种网络表示学习算法,并分析各类算法在不同结构的网络数据中的性能,对3大类别、共10种网络表示学习算法在8个网络上进行了网络节点的多标签分类以验证算法的性能,以此来全面评价各类算法的效果、效率和应用范围。实验结果表明,DeepWalk这种流行的深度学习算法在各种类型的网络中有着稳定而较好的效果。而基于矩阵分解算法的应用,则受限于其较高的空间复杂度。     

基于深度学习的论文个性化推荐算法

该文基于学术搜索和数据挖掘平台Aminer向用户进行个性化推荐,提出了结合协同过滤推荐和基于内容推荐的混合模型,实验表明该算法可以有效解决新物品的推荐问题,即冷启动问题。其中在基于内容推荐的模型中,融合深度学习的方法,引进了词向量模型,将用户和论文映射到用词向量空间, 并使用WMD(Word Mover Distance)计算相似度。实验表明,与其他基线模型相比该文提出的推荐模型在准确率上显著提高了4%。     

一种基于稳定特征的全自动图像拼接算法

提出了一种改进的特征匹配算法,该算法是基于稳定特征向量,即在多尺度空间下检测图像,得到稳定特征点,并在稳定特征点上利用梯度方向提取特征向量作为匹配要素的一种图像拼接算法.试验结果表明:本算法在速度上和普通的特征拼接算法相差不大,但由于特征点的稳定性,所以具有较好的鲁棒性,适合各种不同特点的图像拼接应用.     

不确定规划中可达关系的快速求解算法

在不确定规划领域中,通常需要在同一个不确定状态转移系统中解决多个规划问题,如果能得到不确定规划中状态之间的可达关系即可方便求解该规划问题,然而现有矩阵乘法求解可达关系时存在算法复杂度高的问题。为此,设计一种快速求解不确定规划中状态之间可达关系的算法,将确定动作和不确定动作区分处理,先求解所有确定动作的可达关系,再采用链表和队列求解不确定动作的可达关系。实验结果表明,与矩阵乘法相比,该算法能得到更全面的可达关系,且求解效率更高。     

使用Rational Rose实现对基于Web的应用的OO设计

本文深讨了利用OO的开发工具以及基于OO的开发流程完成基于WEB的应用的流程,并提出了开发基于WEB的应用的一种新的开发过程。最后给出了一个具体的实现。     

基于数据场的大规模本体映射

针对已有的本体映射方法在处理大规模本体映射任务时效率和有效性较低的问题,文中提出了一个基于数据场的本体映射算法.该算法首先使用高效的相似度算法,建立本体中元素对另一本体的初始相关度;然后,利用数据场势函数引入周围本体元素对当前元素的影响,修正初始相关度,并最终确定本体间的相关子本体;最后,利用针对性的方法对上述相关子本体进行更有效的映射.实验结果表明,该算法可以在提高映射结果质量的同时保证较高的映射效率.     

通用抽取引擎框架:一种新的Web信息抽取方法的研究

大规模的网络视频信息既为用户信息分享带来了方便,同时也为国家监管部门带来了新的挑战。考虑到效率问题,在线视频监管则主要考虑视频描述信息。主要研究了网络视频描述信息的抽取问题,提出了一种新的Web信息抽取方法:通用抽取引擎框架,其主要包括对视频描述信息抽取问题的形式化描述和用户感知的视频网站逻辑模型。该方法在国家某部委的视频监管项目中已得到应用,并取得了很好的效果。实验结果表明,该方法的扩展性、通用性和抽取准确率大大优于其他方法。