融合整体和局部信息的三维模型检索方法

基于特征融合的三维模型检索方法能有效提高检索效率,提出一种融合整体和局部信息的三维模型检索方法。分别通过Canny算子提取边缘特征和基于尺度不变特征变换特征的词袋模型提取词频向量特征,边缘特征用于描述三维模型的整体信息,词频向量特征用于描述三维模型的局部信息,将这两种特征融合成为新的特征用于描述三维模型。试验表明,融合整体和局部信息的三维模型检索方法能够有效地提高检索结果的准确率。     

基于流形排序的社会化推荐方法

提出一种基于流形排序和社会化矩阵分解的推荐方法,采用流形排序方法度量用户间的社会相似度,利用正则化技术构建用于评分矩阵因式分解的目标函数,将用户之间的偏好差异作为目标函数的惩罚项,从而将用户之间的社会相似性融入评分矩阵的低阶矩阵分解过程. 实验结果表明,在大型的数据集上,该方法获得了比当前同类方法更好的推荐精度和更低的评分预测均方根误差/评分预测平均绝对误差（RMSE/MAE）值.     

一种基于单一视图的三维模型检索方法

针对已有研究存在的视图冗余性问题,提出采用单一视图进行三维模型形状特征度量t并通 过动态规划进行相似性计算,实现三雏模型的单一视图特征描述和匹配．算法主要由三步组成：首先,将三维模型进行姿态调整,并通过渲染得到最能表达三堆模型外形特征的主视lit．其次,对渲染得到的视图进行轮廓采样,通过内在距离扣内角提取模型彤技特征描述,最后,采用动态规剐算法计算不同模型之间的相似程度．实验结果表明：尽管只采用单一视图进行特征描述,但所提出的算法检索精度要高于一些典型三雏形状特征描述符,包括采用深度视图定义的形状描述符.     

基于跨本体语义相关的三维模型检索方法

针对某些特定领域的建模中单一的语义检索条件无法得到理想的检索结果,提出了基于跨本体的语义相关度进行检索的算法。首先构建相关领域的本体,然后对已有实例进行分析,通过聚类算法找出模型本体间具有相关性的属性。再通过调查获取用户对实例的评价数据,对深度信念网络进行训练,求出本体间相关语义属性的相关度权值。最终对模型库中的模型计算与检索模型间的相关度作为检索条件,将大于一定阈值的模型作为检索结果。应用该算法,用户一般在检索首页可以找到较满意的模型,大大缩短了检索的时间。     

PWFT-BERT:一种融合排序学习与预训练模型的检索排序方法

信息检索是从文档集合或互联网中找出用户所需信息的过程,细化为召回和排序两个阶段。针对排序阶段中相关文档的重排序,提出一种称为融合排序学习与预训练模型的检索排序方法(Pair-Wise FineTuned Bidirectional Encoder Representation from Transformers,PWFTBERT)。通过对候选论文数据集使用BM25等算法召回出与查询相关的小范围文档后,可应用PWFT-BERT对召回得到的文档集合进行排序。为构造pair-wise形式的训练数据,提出一种伪负例生成算法生成训练数据,并使用排序学习方法微调预训练模型使其适配排序任务。对比IT-IDF和BM25基线方法,PWFT-BERT在WSDM-DiggSci 2020数据集上的检索结果提升了240%和74%,证明了所提方法的有效性。     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

基于视图特征点分布的三维模型检索算法

已有的特征描述符所需存储空间大和匹配计算效果不理想,因此难以得到良好的检索效果． 针对这一问题,算法提出了一种结合ＢｏＦ和视图特征点分布的三维模型检索算法．算法首先用 ＳＩＦＴ描述符对模型渲染视图进行特征点提取和描述,然后运用ＢｏＦ算法对得到的ＳＩＦＴ特征描述 符进行简化,统计特征分布并得到其特征分布直方图,从而使得到的新的特征描述符能大大减少存 储空间,同时方便对模型相似性计算,最后通过三维模型数据库对算法进行统计分析．实验结果表 明所得到的新的特征描述符在检索效率上要优于传统的三维模型特征描述符．     

三维模型检索中特征权值的应用研究

在原有三维模型检索方法的基础上提出了加入特征权值进行三维模型检索的方法,并将此方法应用到基于球面调和的三维模型检索中。通过以采样球面积为比例逐渐增加外部球面的采样权值来平衡采样不均匀对检索效果的影响。在PSB测试集上进行检索实验,并使用多种评价指标进行对比。实验结果表明,加入特征权值后检索效果优于原始方法。     

三维模型检索中的语义与形状异构特征融合

三维模型检索是多媒体信息检索领域的重要组成部分,由于"语义鸿沟"的存在使得当前基于内容的检索结果通常不十分令人满意。考虑到解决"语义鸿沟"的关键是将三维模型的底层形状特征与高层语义特征进行有效融合,为此提出一种三维模型的语义与形状异构特征融合方法,该方法将三维模型在基于内容的检索过程中用户反馈信息形成的语义关联作为模型的语义表达,并通过子空间学习方法将这种语义表达信息与模型的底层特征进行融合,最后将融合后的新特征应用于三维模型检索中。在Princeton shape benchmark上的测试表明,该方法的检索结果明显好于单纯形状特征的检索结果。     

基于子块的三维网格模型检索

针对三维模型检索中如何准确计算模型间相似性问题,提出用子块局部相似性计算不同模型整体相似性的三维模型检索新方法.把经过线性细分和姿态调整的三维模型分割成不同的子块,构造每个子块的法向量直方图.采用从局部到整体的过程计算任意两个模型的相似度: 根据直方图相交函数计算模型对应子块的局部相似性,结合子块点密度及局部相似性,采用改进的相似函数计算得到不同模型的整体相似度.和一些相似的检索算法比较,子块方法可以得到比较好的检索准确率.     

基于新型流形法的三维应力强度因子求解

为保证在裂纹尖端具有最佳的逼近,裂纹尖端的解析解与其周边数值解联合应用的新型流形法可用来求解应力强度因子,但仅限于平面问题的Ⅰ型和Ⅱ型裂纹.沿用解析解与数值解联合应用的思路,以三维穿透直裂纹为研究对象,在裂纹尖端引入Williams解析解级数,应用解析覆盖与周边数值覆盖联合求解三维应力强度因子,相对于其他数值方法而言,...     

一种基于实例学习的三维模型检索匹配方法

传统的基于内容的三维模型检索的相似性度量方法主要借鉴二维图像检索中所采用的距离度量算法,达到比较两三维模型相似度的目的,该做法限制了模型间匹配的广度.针对这种单核匹配的限制,提出了一种新的多核匹配方法.利用图论中两点间的最短距离的思想,得出两模型最相似那他们的距离最短,因此查询样本跟匹配的样本存在的通路上的模型节点能影响他们的相似度,这样就提高了匹配的广度和精度.同时在已有的特征提取基础上,把标签繁衍算法应用到最短距离求解中,并将基于实例学习的K近邻方法引入到模型匹配算法中,实现了半监督学习,提高了系统的查准率.     

多特征结合相似度优化的三维工程模型检索算法

为提高三维模型的检索准确度,针对工程三角网格模型提出了一种基于随机点间距离和法向夹角余弦联合分布及二进制粒子群优化的检索算法。在模型表面构造若干随机点并计算各点之间的距离和法向夹角余弦,然后以距离和余弦为坐标轴建立距离一余弦二维网格,统计各网格中的随机点数量,得到三维模型的距离-余弦联合形状分布矩阵,用分布矩阵之间的L_2距离表示模型之间的相似度。为了体现形状分布矩阵中各元素对模型相似度影响的差异性,采用一种基于二进制粒子群优化的方法对相似度计算过程进行了改进。实验结果表明,本算法可有效提高工程三角网格模型检索的准确性。     

基于高斯过程的三维模型语义分类和检索

针对三维模型检索系统提高准确率、减少几何特征和人类语义丰富性之间的“语义鸿沟”等问题, 提出一种基于高斯过程的语义分类和检索新方法.该方法采用一种统计2个采样点相对质心向量夹角的AC2直方图新特征,与形状分布的D2特征组合成低层特征,使用高斯过程进行三维模型语义分类的监督学习,计算测试模型的语义类概率预测分布,建立低层特征和查询概念之间的联系;使用语义距离和不相似度计算方法进行检索排序.实验结果表明：与已有的某些监督学习的方法相比,多类的测试模型进行语义分类的准确率明显得到提升,检索中能体现语义概念,检索性能也得到提高.     

基于形态分布图与BP神经网络的三维模型检索方法

为实现已有设计实例的重用,满足对设计基元层次相似搜索的要求,提出了一种三维模型检索方法.在模型B-Rep数据结构基础上,通过构造离散曲面获取三维模型的离散点集.利用正态分布种子作为索引,对离散点集进行随机选取,计算任意两点之间的欧氏距离获得三维模型的欧氏距离序列.通过分治快速排序和概率分布统计获得三维模型的形态分布图,将其作为三维模型的检索索引,并进行了鲁棒性分析.使用BP神经网络对不同模型的形态分布图进行非线性映射,通过比较三维模型的形态分布图获得其形状相似度,实现了设计基元的检索.开发了原型系统,以机械零件的不同粒度设计基元为重点进行验证和应用,实验结果表明,该方法具有较好的可计算性和较高的检测精度,对于实现已有设计重用及提高产品设计效率具有重要意义.