一种网格简化算法及其在三维重建上的应用

针对机器人和自主车辆仿真系统开发的需要,提出了一种利用激光雷达采集的点云数据进行场景重建的算法.该算法根据激光雷达的点云数据生成多边形网格,能够对场景进行有效分割,并在此基础上对多边形网格进行有效简化,从而满足实时仿真系统的需要.在最后给出了仿真实验的结果,实验证明该算法简明有效.     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

基于遗传算法的点云数据与CAD模型坐标归一化研究

用非接触测量方法进行复杂型面零件数字化检测,点云数据与CAD模型的坐标归一化处理是必须的。针对传统的ICP(Iterative Closest Point)方法在坐标归一化过程中对初始点要求严格及由于型面的特殊性所造成的算法不能收敛问题,采用遗传算法对点云与CAD模型进行坐标归一化,由于遗传算法具有全局收敛性及对初始位置要求不严格,所以用该方法能使点云与CAD模型达到正确的配准。并以具体的实例验证了算法的可行性。     

车载激光点云海量数据的管理与快速显示

就提高车载三维信息采集与获取系统中海量点云数据的管理与显示问题,提出了一种数据访问效率的优化方案.该方案采用磁盘映射方式读取数据并引入分块索引的方法进而在VC 环境下成功编写调度模块,可为三维数据的显示过程点云数据管理软件调用.将所有的点云数据分块,通过块号查找,快速提高点云数据的查找速度,为结合OpenGL函数库以实现数据的显示提供基础,其算法思路简单且耗时少.     

DVE场景精简的NP-Hard问题及其近似算法

高效的网格精简算法对于大规模DVE场景的实时绘制与传输均十分重要.目前已经提出了大量关于网格精简方法[1],但绝大多数网格优化算法都是面向实际应用的.我们却从计算机科学理论的角度出发,对这一经典问题重新进行了深入研究.首先,我们发现网格精简是一个最优顶点覆盖问题,即NP-Hard问题.然后,我们又提出了一种基于贪心算法的用于网格精简的最优顶点覆盖问题的近似算法.理论推导与实验数据都说明本文所给出的近似算法有效地减少了DVE场景的网格数量,能进一步提高DvE场景数据的网络传输速度.     

基于改进随机森林算法的评估指标精简方法研究

为快速、准确获得武器装备系统效能评估结果，提出一种能够精简武器装备系统效能评估指标的方法。以随机森林(random forest, RF)算法度量的评估指标重要性为基础，通过改进RF算法中决策树划分属性选择、叶结点取值确定、决策树输出值计算方法，实现在指标值有缺失的情况下，对评估指标进行重要性的排序，进而精简出指定数量的重要评估指标。以防空系统效能评估指标精简为应用场景，基于指标值有缺失的模拟数据集，验证了提出的改进RF算法比传统RF算法具有更高的准确性。     

基于模糊聚类分析的入侵检测方法

提出了一种新的基于模糊聚类分析的入侵检测数据处理方法,该方法能够较为准确地区分正常和入侵进程,具有计算速度快、耗用资源少等特点。通过使用模糊聚类,还可以提炼出精简准确的分类规则。由于对数据中的孤立点采用了特殊的处理方法,因此对产生聚类规则的训练数据库进行添加和更新,该检测方法具有较强的可扩展性。通过仿真实验证明了该算法的有效性。     

基于改进尺度的CDC／MVT离群点去除算法

针对基于多向主元分析(MPCA)(包括PCA)的统计监控模型易受建模数据中离群点影响的不足,提出了一种基于改进尺度的CDC/MVT建模数据离群点去除算法。该算法将改进尺度的CDC与MVT相结合,首先利用改进尺度得到离线建模正常数据的均值和标准差,并对数据进行中心化和标准化处理;然后利用CDC算法找出建模历史数据中最一致的一半正常点;最后用这最一致的一半正常点初始化MVT的马氏距离的均值和协方差,并通过迭代计算得到其它的正常点。将该算法应用于β-甘露聚糖酶发酵批过程离群点的去除,与其它鲁棒离群点检测算法相比,应用结果表明该算法能有效地去除建模数据中的离群点。     

一种基于CUDA的三维点云快速光顺算法

提出了一种基于CUDA的点云光顺算法。算法细分成点云空间划分,K邻近搜索,法矢估算以及光顺等四个独立的且并行程度非常高的步骤。设计了基于CUDA的点云空间平均单元格划分算法及数据结构,有效提升了点云的划分效率;设计了基于CUDA的空间K邻近搜索算法;改进了点云法矢估算方法,提出了高斯加权的法矢计算方法,有效改善了法矢估算效果;在光顺过程中加入了邻近点的面积影响因子,缓和了过光顺等不足。最后通过实验验证了算法的有效性。     

基于Hadoop云平台的并行数据挖掘方法

业界已经开始运用云平台来处理海量高维数据,将各种异构系统仿真为一个系统,其中在Hadoop环境进行数据挖掘会遇到数据模型的全局性、HDFS的文件随机写操作、数据生命周期短等问题.为解决这些问题,在Hadoop上实现高效海量数据挖掘,提出了在Hadoop上一种高效数据挖掘框架,利用数据库来模拟链表结构,管理挖掘出来的知识,提供了树形结构、图模型的分布式计算方法;在此基础上实现一个统计算法——Yscore分箱算法,以及决策树和KD树的建树算法;并利用Vega云对Hadoop集群进行仿真.实验数据表明该框架和算法实用可行,且可能拓展与数据挖掘之外的其他领域.     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

基于时域滤波的点目标检测算法

当红外预警系统对低空飞行的运动目标进行检测时,由于云杂波的存在,系统的检测性能会受到严重影响。分析了云层背景下目标和云层在探测器上的时间响应特性,建立了四种类型的像素点时域模型。并以这四种时域模型为基础,提出了云层背景下点目标的时域检测算法。理论分析和实验结果表明,新算法能有效检测出各种云层背景下的点目标。     

面向绿色云计算数据中心的动态数据聚集算法

在分析目前云数据中心设备能耗和数据访问规律的基础上,创建了云计算数据模型,研究了云计算系统任务调度和数据部署层面的节能机制,提出一种面向绿色云计算数据中心的动态数据聚集算法。算法分为数据聚集与节点聚集两个层次,在兼顾系统服务质量的同时,按照节点和数据在不同时段的使用情况有效聚集数据,实现原本随机部署的数据与节点的有序化聚集和重新部署,从而使计算存储节点能够轮流运转,部署于云数据中心各区域的温控设备可以更加精确地实施定点环境温度控制。算法达到既充分利用资源,满足用户的服务需求,同时降低系统的整体能耗的目标。通过仿真实验进行了实验验证和性能分析,结果表明算法能够保障云数据中心的服务质量,提高设备稳定性,达到了“绿色”节能目标。     

一种快速生成DSM的不规则三角网构网新方法

针对目前存在的不规则三角网(triangulation irregular network, TIN)构网效率较低的问题提出了一种新的生成数字表面模型(digital surface model, DSM)的构网方法。首先,通过建立虚拟格网和格网插值,在线性时间内快速建立初始三角网。然后,对初始三角网中局部少量数据优化得到最终的TIN。最后,对数据进行冗余处理和密集处理,构造高分辨率的DSM。实验结果表明,该算法的构网效率高于当前存在的TIN构网方法,对于大数据量的DSM生成具有良好的适用性。     

基于元胞自动机的云层实时模拟

云层的实时模拟是构造真实的虚拟自然环境的重要组成部分.然而,外观形状的不规则性和物理形成过程的复杂性增加了云层实时模拟的难度.在分析和研究现有云层建模和渲染方法的基础上,提出了一种基于元胞自动机的云层实时模拟方法,该方法的核心是采用元胞自动机理论对云层建模,使用风力函数对云进行控制;综合单散射和多重散射的方法构造云的光照模型;利用连续帧之间的相关性实现基于视点变换的云层实时渲染, 并利用Murakami的元球方法计算云的密度分布.实践证明该方法可以实时模拟具有较强真实感的云层.     

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简, 去除冗余信息和不相关特征, 基于机器学习领域现有的特征选择算法, 提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息, 推荐合适的特征选择算法。首先, 分析了数据集特征的描述方法。然后, 介绍了采用综合度量指数的算法性能评价方法。最后, 给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13个过滤型特征选择算法建立了元数据库, 采用留一法进行交叉验证, 推荐命中率达到了90%以上, 推荐性能比例达到97%以上。     

基于敏感等级的云租户数据安全保护模型研究

为云计算提供有效的租户数据安全保护,提出一个第三方租户数据安全保护模型,解决租户数据的存储和检索安 全问题. 模型采用隐藏数据间关系的方法,对租户数据进行切片,利用单向函数混淆切片关系;结合租户对数 据的隐私需求和安全等级定义,给出租户数据的分级方法;依据安全等级对分割后的子表内容进行局部加密或匿名,实 现云端数据存储安全;结合私有信息检索技术,利用云端加密数据的关键字检索算法,隐藏租户搜索请求,保护云端数据 的检索安全. 实验表明,该模型能满足租户数据在未知云环境中的存储和检索安全要求.     

基于优化序列提取的相控阵雷达识别方法

针对相控阵雷达工作模式识别的问题,提出一种基于优化序列提取的雷达识别方法.首先,对相控阵雷达搜索和跟踪的工作模式进行分析,建立工作模式序列模型.其次,通过剔除Needleman-Wunsch方法中的多余数据简化运算流程,提出一种优化的雷达信号公共序列提取算法.然后,通过理论证明了所提算法的高效性,并给出算法识别效果的评...