采用图分解的特征识别算法研究

CAD/CAE模型转换,其关键在于如何将模型分解为最简单元,这些单元往往具有相近的网格划分属性,可以方便估计计算误差和计算时间。基于此提出了基于图分解的特征识别算法,对属性邻接图进行分解,根据分解后的属性邻接图中的连通分量生成体特征。该算法不再局限于特征类型,只要合理控制顶点的可分解性判断就可以得到期望的模型分解结果;同时该算法可以获得体特征,使得可以在特征这一粒度上进行特征删除和替换,以方便地完成模型的简化。     

机械加工MBD毛坯模型的特征识别设计方法

为了解决基于模型的定义(MBD)环境下机械加工毛坯辅助设计问题,采用特征识别技术辅助创建三维毛坯模型.首先分析了机械加工工艺设计环节MBD毛坯模型的组成要素与模型要求,并建立零件模型的属性面邻接图;根据零件模型上加工特征的特点划分简单特征、体积特征和表面特征;通过属性面邻接子图的模式从特征集合中识别出简单特征与体积特征,并利用补特征法与半空间法抑制这2种特征;最后,根据工艺员输入的表面加工余量创建抑制表面特征的实体.在整个毛坯设计推理过程中研究了三维制造标注的维护方法,最终达到辅助工艺员快速设计MBD毛坯模型的目的.     

基于蚁群算法的三维CAD模型检索

为了更好地实现CAD模型的重用,提出一种利用蚁群算法的三维CAD模型检索算法.通过提取CAD模型的B-rep信息,将模型用属性邻接图来表示;根据如果2个CAD模型存在相似的特征或局部结构,那么CAD模型对应的属性邻接图就应存在公共子图这一原理,利用蚁群算法来检测属性邻接图中的公共子图,从而得到2个CAD模型相似的局部细节特征;然后通过比较相似局部细节特征对CAD模型进行相似性评价.实验结果表明,该算法能较好地实现三维CAD模型检索,检索性能高于通用领域的检索算法,可以实现CAD模型设计和制造知识的重用.     

基于过渡特征识别及过滤的三维CAD模型检索

为解决过渡特征对基于图匹配的三维CAD模型检索算法的效果和效率影响问题,提出一种三维CAD模型检索中过渡特征的识别及过滤算法.首先利用基于规则判断的方法识别出B-Rep模型中存在的过渡特征;然后根据识别结果对CAD模型的属性邻接图进行重构,以消除因过渡特征的存在对模型几何及拓扑信息造成的影响;最后利用重构的属性邻接图、通过子图同构方法实现基于过渡特征过滤的三维CAD模型检索.实验结果表明,该算法能够有效地实现对多种过渡特征类型的过滤,检索结果更符合实际工程需求.     

基于面上下文码匹配的CAD模型检索方法

为弥补现有的基于图的形状描述应用图匹配或子图匹配实现CAD模型检索时,存在着检索效率低下或检索结果不够准确的缺陷,提出一种基于面上下文码匹配的CAD模型检索方法。提取CAD模型的B-rep信息生成面属性邻接图;依据面的上下文邻接关系,将模型面属性邻接图转化为上下文层状面属性邻接图,生成面上下文码;由检索模型与数据库模型的面上下文码匹配排除筛选不匹配的面,得到与检索模型相匹配的面。实验结果表明,该方法能够实现CAD模型的整体和局部检索,并且检索效率和精准程度能够满足实际需要。     

复杂结构件CAD模型碎面缺陷自动识别与修正方法

针对复杂结构件数模中常存在碎面缺陷,易导致零件在数控加工自动编程时出现特征识别错误、特征提取困难等问题,提出基于属性邻接图的自动识别与修正方法.首先分析复杂结构件碎面缺陷的特征,给出碎面缺陷的定义;然后建立结构件CAD模型的有效属性邻接图,计算面和边的属性并对图中元素赋值,识别碎面缺陷;再根据碎面的几何类型和几何参数构造相应类型的基面,并对基面进行拟合完成碎面缺陷的修正;最后给出文中方法的实现流程并开发了相应的算法,结合实例证明了该方法的正确性和有效性.文中算法已在CATIA V5平台上实现,并集成在飞机复杂结构件快速数控编程系统中,应用于实际生产,取得了良好的效果.     

基于知识与图的形状特征层次识别方法

为解决特征识别中对特征间关系缺乏有效处理的问题,提出基于知识与图的形状特征层次识别方法。将形状特征进行分层识别,由低到高依次分为面关系图、简单形状特征关系图、组合形状特征关系图,给出模型的数据结构及特征识别算法。实验证明,该方法可以简化零件的属性邻接图表达方法,丰富图表示法的工程含义,为建立零件间的关联功能级装配特征提供一条新的途径。     

形状特征的定义

本文研究形状特征的形式定义，并强调了形状特征的非几何语义，引入面邻接图ＡＡＧ和几何约束集来定义特征体素，使形状特征的空间属性和边界局性结合起来，从而面向基于约束的设计。最后，作者尝试用代数规格说明来定义特征，并给出了实例。     

反向工程中三角网格的加工特征识别

为实现反向工程中的特征重构,提出一种在三角网格上由Morse-Smale复形转换为分割面属性邻接图进行加工特征提取的算法.首先通过移动最小二乘曲面法计算网格顶点曲率,构建曲率特性指标函数,消除因网格连接引起的误差,达到降噪的作用;然后在三角网格上建立和简化Morse-Smale复形,精确提取特征线,将网格分割为边界清晰连续的区域,并获得各区域的邻接关系;最后判断关键点和特征线的性质,将Morse-Smale复形直接转换为分割面属性邻接图进行加工特征识别.实验结果表明,该算法准确、高效,而且不需要人工干预,对于反向工程中大规模、带噪声的网格具有较好的识别效果.     

一种基于块邻接图的手写体文本格线删除及笔画重构算法

格线删除是计算机自动笔迹鉴定系统预处理过程中的关键步骤。在分析已有的手写汉字文本格线删除算法利弊的基础上。采用Pavlidis提出的块邻接图表示法来进行格线删除。并提出了格线删除后的笔画重构算法。该算法首先采用链表结构将笔迹图像保存为块邻接图；然后根据该邻接图搜索出满足条件的连通子图，这些连通子图就是需要删除的格线；最后再对因格线删除而断开的笔画进行重构。由于块邻接图只需进行一次水平或垂直扫描就能获得，因此格线的搜索和删除非常迅速；同时该算法还考虑了格线删除后的笔画重构，这样既删除了笔迹图像中的干扰信息，又不改变笔迹图像的特征。实验结果显示，该方法具有很强的抗干扰能力，对格线的删除非常有效。     

大图结构特征对划分效果的影响

针对大图结构特征如何影响划分效果这一问题,提出一种通过顶点度分布特征来描述大图结构特征的方法。首先,基于真实的图数据产生若干顶点数和边数相同、但结构特征不同的仿真数据集,通过实验计算真实图与仿真图之间的相似度,证明该方法对描述真实大图结构特征的有效性。然后,通过Hash和点对交换划分算法,验证图结构特征与划分效果之间的关系。当点对交换划分算法执行到5万次时,划分一个有6301个顶点和20777条边的真实图其交叉边数比Hash划分算法降低了54.32%,划分仿真图数据集中结构特征差异明显的两个图时,交叉边数分别为6233和316。实验结果表明,点对交换划分算法能够减少交叉边数,图的顶点度分布差异越大,划分后交叉边数越少,划分效果越好,因此大图结构特征影响其划分效果,这为建立图的结构特征与划分效果之间的关系模型研究奠定了基础。     

Algorithms for Extracting Correct Critical Points and Constructing Topological Graphs from Discrete Geographical Elevation Data

Researchers in the fields of computer graphics and geographical information systems (GISs) have extensively studied the methods of extracting terrain features such as peaks, pits, passes, ridges, and ravines from discrete elevation data. The existing techniques, however, do not guarantee the topological integrity of the extracted features because of their heuristic operations, which results in spurious features. Furthermore, there have been no algorithms for constructing topological graphs such as the surface network and the Reeb graph from the extracted peaks, pits, and passes. This paper presents new algorithms for extracting features and constructing the topological graphs using the features. Our algorithms enable us to extract correct terrain features; i.e., our method extracts the critical points that satisfy the Euler formula, which represents the topological invariant of smooth surfaces. This paper also provides an algorithm that converts the surface network to the Reeb graph for representing contour changes with respect to the height. The discrete elevation data used in this paper is a set of sample points on a terrain surface. Examples are presented to show that the algorithms also appeal to our visual cognition.     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.     

Adaptive Window Based 3-D Feature Selection for Multispectral Image Classification Using Firefly Algorithm

Feature extraction is the most critical step in classification of multispectral image. The classification accuracy is mainly influenced by the feature sets that are selected to classify the image. In the past, handcrafted feature sets are used which are not adaptive for different image domains. To overcome this, an evolutionary learning method is developed to automatically learn the spatial-spectral features for classification. A modified Firefly Algorithm (FA) which achieves maximum classification accuracy with reduced size of feature set is proposed to gain the interest of feature selection for this purpose. For extracting the most efficient features from the data set, we have used 3-D discrete wavelet transform which decompose the multispectral image in all three dimensions. For selecting spatial and spectral features we have studied three different approaches namely overlapping window (OW-3DFS), non-overlapping window (NW-3DFS) adaptive window cube (AW-3DFS) and Pixel based technique. Fivefold Multiclass Support Vector Machine (MSVM) is used for classification purpose. Experiments conducted on Madurai LISS IV multispectral image exploited that the adaptive window approach is used to increase the classification accuracy.     

Finding relevant features for Korean comparative sentence extraction

In this paper, we study how to extract comparative sentences from Korean text documents. We decompose our task into three steps: (1) collecting comparative keywords; (2) extracting comparative-sentence candidates by keyword searching; and (3) eliminating non-comparative sentences from these candidates using machine learning techniques. We perform various experiments to find relevant features. As a result, our experiments show significant performance, an F1-score of 90.23%.     

一种基于图注意力的双分支社会关系识别方法

从图像中挖掘人物间的社会关系在刑侦、隐私防护等领域有重要的作用。现有的图建模方法通过创建人际关系图或构建知识图谱来学习人物关系,取得了良好的效果。但基于图卷积神经网络（GCN）的方法一定程度上忽略了不同特征对特定关系的不同程度的重要性。针对上述问题,提出了一种基于图注意力的双分支社会关系识别模型（GAT-DBSR）,第一个分支提取人物区域以及图像全局特征作为节点,核心是通过图注意力网络和门控机制去更新这些节点以学习人物关系的特征表示。第二个分支通过卷积神经网络提取场景特征来增强对人物关系的识别。最终对两个分支的特征进行融合并分类得到所有的社会关系。该模型在PISC数据集的细粒度关系识别任务上的mAP达到了74.4%,相比基线模型提高了1.2%。在PIPA数据集上的关系识别准确率也有一定的提升。实验结果表明了该模型具有更优越的效果。     

基于非鲁棒特征的图卷积神经网络对抗训练方法

图卷积神经网络可以通过图卷积提取图数据的有效信息,但容易受到对抗攻击的影响导致模型性能下降。对抗训练能够用于提升神经网络鲁棒性,但由于图的结构及节点特征通常是离散的,无法直接基于梯度构造对抗扰动,而在模型的嵌入空间中提取图数据的特征作为对抗训练的样本,能够降低构造复杂度。借鉴集成学习思想,提出一种基于非鲁棒特征的图卷积神经网络对抗训练方法VDERG,分别针对拓扑结构和节点属性两类特征,构建两个图卷积神经网络子模型,通过嵌入空间提取非鲁棒特征,并基于非鲁棒特征完成对抗训练,最后集成两个子模型输出的嵌入向量作为模型节点表示。实验结果表明,提出的对抗训练方法在干净数据上的准确率平均提升了0.8%,在对抗攻击下最多提升了6.91%的准确率。     

Contourlet域目标不变特征提取

在基于形状的目标识别中,提取出鉴别力强并具有不变性的特征是至关重要的问题。多尺度几何分析具有多方向选择性和各向异性的特点,能够更有效地表示目标图像的局部特征,但这些变换本身不具备不变性,极大地限制了它在模式识别中的应用。利用图像广义矩的概念,提出了一种在Contourlet域具有平移、缩放及旋转不变性特征的描述子,该特征能精细地刻画目标区域的局部特性,并在位置、角度及尺寸变换情况下具有不变性,仿真实验验证了其不变性,并讨论了一般情况下,Contourlct变换分解尺度对不同类目标间分离度的影响,为提取最具鉴别性的特征提供了有益的参考。     

A novel classifier for multivariate instance using graph class signatures

Applications like identifying different customers from their unique buying behaviours, determining ratingsof a product given by users based on different sets of features, etc. require classification using class-specific subsets of features. Most of the existing state-of-the-art classifiers for multivariate data use complete feature set for classification regardless of the different class labels. Decision tree classifier can produce class-wise subsets of features. However, none of these classifiers model the relationship between features which may enhance classification accuracy. We call the class-specific subsets of features and the features’ interrelationships as class signatures. In this work, we propose to map the original input space of multivariate data to the feature space characterized by connected graphs as graphs can easily model entities, their attributes, and relationships among attributes. Mostly, entities are modeled using graphs, where graphs occur naturally, for example, chemical compounds. However, graphs do not occur naturally in multivariate data. Thus, extracting class signatures from multivariate data is a challenging task. We propose some feature selection heuristics to obtain class-specific prominent subgraph signatures. We also propose two variants of class signatures based classifier namely: 1) maximum matching signature (gMM), and 2) score and size of matched signatures (gSM). The effectiveness of the proposed approach on real-world and synthetic datasets has been studied and compared with other established classifiers. Experimental results confirm the ascendancy of the proposed class signatures based classifier on most of the datasets.