基于位移映射的道路生成与绘制方法

以矢量形式表达的道路信息在地理信息系统中占有重要地位。通过位移映射方法解决了三维地形上道路的生成与绘制问题。首先,在考虑道路几何约束的情况下,根据道路平面图以及相应的DEM数据生成参考曲面;然后,通过对参考曲面的一次离屏渲染,利用深度图方法生成DEM位移图和纹理掩模图;在地形绘制中同时使用位移映射和纹理映射,实现道路几何信息以及细节信息的实时嵌入。实验表明,这种方法在小尺度显示中以较低的代价增强了道路仿真绘制的真实感。     

基于B-REP的CAD模型与VR模型接口的实现

复杂CAD模型利用现有数据接口向VR模型转换存在面片数过多,不能满足在虚拟环境下实时性要求.在保证模型精度前提下,为减少面片数目,提出了基于B-Rep表示CAD模型的边界上点数据提取方法;实现平面多连通区域转化为单连通区域算法;利用uv平面搜索得到曲面上点数据及其排列顺序快速实现曲面三角化,改变边界上点的数目可生成多LOD模型,实验验证了算法具有可行性.     

一种快速生成预定地形高程数据的方法

针对分形、Perlin噪声不能精确生成预定地形高程数据的问题,先使用分形和高度面结合的生成方法在一定程度上控制生成地形的形状,接着利用一种基于二维高斯分布曲面的变形方法对地形进行变形,然后建立变形的目标函数和搜索空间,用四又分割树来减少搜索空间,并利用模拟退火法搜索出满意解来实现对预定地形高程的生成.最后提出一种基于顶点影响力分层的算法改进搜索效率,仿真实验表明,该方法快速有效的生成了预定地形.     

有理Bezier曲线曲面的形状控制及调整

本文提出一种曲线曲面造型方案。作者采用局部计算端点切向量和强制曲线曲面通过指定点的方法生成Bezier插值曲线曲面并对其形状进行控制和调整,使造型达到满意效果。     

任意理想导电目标的NURBS曲面建模与RCS预估

少量的NURBS参数曲面足够描述任意目标的几何形状,通过Cox-De Boor变换算法可将任意NURBS曲面拆分为Bezier曲面。针对NURBS曲面目标模型,提出了非常适合于工程应用的目标电磁散射建模方法。该方法使用CAD软件(如UG等)进行复杂目标几何建模,通过其IGES接口传递模型数据;应用驻相法计算Bezier曲面上的物理光学(PO)散射场积分,快速、准确地获得任意复杂目标的RCS;讨论了NURBS曲面目标几何建模及其RCS计算中的关键技术。最后通过算例验证了理论算法和计算程序的有效性。     

多连通域Voronoi图生成算法的研究

Voronoi图作为一种重要的计算机图形学技术,在数控加工、机器人的运动规划和曲面生成等许多领域都有广阔的应用前景.研究了由直线和圆弧组成的平面多连通域Voronoi图的生成算法,提出了平面闭包的搜索算法与闭包的归一化方法,根据单连通域Voronoi图的生成算法实现了多连通域Voronoi图的构造.实践证明了上述算法的有效性与可行性.     

基于三角面元的涂层目标FDTD共形网格生成技术

提出了一种基于三角面元数据生成涂层目标时域有限差分（finite-difference time domain, FDTD）共形网格的方法。通过将原目标中各三角面元的顶点沿曲面在该点处的法线方向内移（内涂层）或外移（外涂层）所需的厚度,得到一组关于涂层的三角面元数据。其中曲面上各顶点处的法线方向近似等于包围该顶点的各三角面元的单位法向的矢量和。对于局部涂敷的情况,可根据需要只将涂敷部分所包含的三角面元顶点进行相应的移动,而其余顶点的位置保持不变。利用投影求交法,由原目标的三角面元数据和新生成的涂层三角面元数据即可得到共形FDTD计算所需要的共形网格参数。数值结果验证了方法的正确性和有效性。     

基于粒子群优化的三维突防航迹规划仿真研究

提出了一种基于粒子群优化的三维突防航迹规划方法并进行了仿真验证。通过引入最小威胁曲面的概念生成三维航迹搜索空间,利用一个有限项的多项式函数来逼近最小威胁曲面中的三维航迹在二维水平面内的投影,从而原来的规划问题简化为在一个一元函数多项式系数空间中的搜索寻优。利用粒子群优化,将约束条件和搜索算法相结合,能有效减小搜索空间,提高效率。仿真结果表明,生成的航迹具有地形跟随、地形回避和威胁回避的功能。     

三维曲面重构与多视匹配技术的研究

自由曲面是制造技术中的关键技术,它广泛用于航空、航天、汽车制造、模具以及服装和制鞋工业等领域。本文介绍了将非接触光学测头用于三坐标测量机(CMM)实现对复杂三维曲面的在线测量。主要研究了如何对采集得到的大量散乱数据进行曲面重构处理,同时采用了一种实用的图像匹配算法实现了多视数据信息的融合。     

完备正交V-系统与点云数据拟合

提出了对点云数据进行曲面拟合的一种新方法,它基于一类L2[0,1]上完备正交的函数系(称之为V-系统)。V-系统由分段多项式组成,它包括各个层次的间断函数,具有多分辨分析特性和局部性。给出了k次V-系统(k=0,1,2,3)的具体表达式;利用有限项Fourier-V级数展开式,高效地生成点云数据显示的被测量对象的几何造型。检测例子表明,这种方法对很广泛遇到的一类问题而言,处理过程简单、速度快、精度高。     

价值互补性、数据披露与交易策略

数智经济时代,聚合不同维度的用户数据能够发掘出巨大价值。基于数据使用者互补性购买行为,构建数据披露与数据交易的两阶段博弈模型,考察数据拥有者的披露价格（获取价格）与数据经纪商的交易价格。结论显示：当经纪商都不获取数据时,最优交易价格与数据价值互补性程度呈现非线性关系。相比经纪商都不获取数据,当有一个经纪商获取数据时,如果数据价值互补性程度较高,获取数据的经纪商最优交易价格上升,没有获取数据的经纪商最优交易价格不变;如果数据价值互补性程度较低,获取数据的经纪商最优交易价格上升,没有获取数据的经纪商最优交易价格下降。相比经纪商都不获取数据,当经纪商都获取数据时,最优交易价格保持不变。通常认为,数据存在非排他性与非竞争性,会促使数据拥有者的多重销售行为。然而,本文发现,在一定的数据价值互补性程度下,数据拥有者制定最优披露价格,将只向一个数据经纪商披露数据。     

基于误差传递和熵的区间DEA方法

传统的DEA(data envelopment analysis)模型只能用来处理精确数据,而在现实生活中,由于统计误差、信息不完全等原因,获取精确数据十分困难,数据往往只能以区间数的形式给出.因此,如何在不确定条件下利用DEA方法评价决策单元的相对效率一直是DEA理论的研究前沿.针对这一问题,文章在DEA传统模型的基础上,利用改进的交叉效率思想,使用误差传递和熵处理区间数据,求得每个决策单元全局交叉效率的误差分布形式(中点值和误差最大估计值),然后根据全局交叉效率,使用有向距离指数给决策单元排序.最后通过两个算例来说明本文提出的方法的可行性和有效性.     

多分辨数据融合技术

本文研究了多分辨数据融合算法,设计了双正交小波及对应的ＦＩＲ滤波器。在多分辨数据融合算法中,利用小波变换连接不同分辨率的数据,以便充分利用多分辨率数据中的互补信息。仿真结果表明,多分辨数据融合算法优于传统的数据融合算法。     

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题, 提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先, 采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次, 对采集得到的原始数据预处理后提取健康因子, 将训练用数据和测试数据分别构成参考数据集和目标数据集。然后, 以参考数据集为基础, 利用动态时间规整算法扩增目标数据集数据。最后, 使用数据扩增后的测试数据训练BLSTM网络, 利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明, 基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据, 扩增性能退化过程相似的滚动轴承运行数据, 利用扩增数据训练BLSTM网络, 能够有效提高性能退化趋势预测能力, 进而提高剩余寿命预测精度。     

基于神经网络的交通信息融合预测方法

为了更加准确地预测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于神经网络的融合预测方法。这种方法根据预测数据各属性的特点，将数据构造为多个相关的时间序列。在此基础上，对各序列采取不同的处理方法，然后利用神经网络进行融合，得到最终的预测结果。这种方法可用于数据动态预测的各种领域。实验结果表明，采用这种方法可以有效地改善数据预测的误差。     

基于多任务支持向量机的健康数据融合方法

针对电子健康服务管理中的多源数据融合难题,利用人工智能技术,结合多任务学习理论与支持向量机理论提出基于多任务支持向量机的数据融合方法(multi-task support vector machine for data fusion,简称mSVMDF).该方法对具有相同数据源的特征向量构造基于支持向量机的融合模型,在多任务学习框架下考虑结构稀疏性与各模型关联性的有机结合,以实现对具有不同数据源个数的多源数据的融合,并以多源影像数据与常规检验数据融合为例,开展数值实验验证方法的有效性.实验结果表明mSVMDF方法可以有效地融合具有不同数据源个数的多源数据,同时该方法具有较好的分类性能与结构稀疏性.     

高频数据下基于PGARCH模型的VaR估计方法及应用

高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中.     

基于稀疏指数排序的高维数据并行聚类算法

高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类研究非常具有挑战性.针对高效的CABOSFV高维数据聚类算法,采用并行计算模式提高其大规模数据的处理能力,提出基于稀疏指数排序的高维数据并行聚类算法P-CABOSFV.该算法根据高维数据稀疏指数排序进行分割点选择实现数据划分,将数据分配到多个计算节点同时处理聚类任务,再基于集合稀疏特征差异度聚类结果合并策略将各计算节点的聚类结果合并得到最终聚类结果.UCI数据集和计算机合成数据集实验表明:高维数据并行聚类算法P-CABOSFV聚类质量良好,具有很强的数据规模和数据维度可扩展性,是有效可行的.     

基于MapReduce的分布式改进随机森林学生就业数据分类模型研究

教育数据挖掘(educational data mining)是当代教育信息化发展的前沿研究领域,正在吸引越来越多教育学家和数据科学家的关注."大数据"时代背景下,随着数据处理规模的不断激增,现有的数据挖掘模型在单一处理节点的计算能力遭遇瓶颈,各类面向大数据处理的分布式计算框架应运而生.借助这些框架,面向解决高校就业数据挖掘问题的机器学习模型便可以满足未来大规模数据处理的需求,在未来数据集体量庞大的信息集成系统中为数据挖掘和决策支持提供帮助.以此为背景,本研究对比现有数据模型对研究目标对象的分类性能,提出了以引入输入特征加权系数来计算特征的信息增益作为特征最优分裂评判指标的改进随机森林模型来提升数据分类性能,通过仿真测试改进模型对于现有模型分类性能的提升情况,与此同时为解决大数据时代背景下面向海量数据分类任务的单节点性能瓶颈问题,提出了基于分布式改进随机森林算法的大规模学生就业数据分类预测模型.通过使用MapReduce分布式计算框架实现已训练模型在本地磁盘与分布式文件系统之间的序列化写入与反序列化加载过程,进而实现了基于改进随机森林模型的大规模数据分类模型的分布式扩展.     

Kernel method-based fuzzy clustering algorithm

1.INTRODUCTION Clusteranalysisdividesdataintoclustersinorderto facilitateunderstandingortofindstructurehiddenin dataset.Clusteringalgorithmspartitionasetofdata objectsintoclustersorclasses,wheresimilardataob jectsareassignedtothesameclusterwhereasdissimi lardataobjectsshouldbelongtodifferentclusters. SinceZadeh(1965)presentedthefuzzysettheory, thefuzzymethodisfirstlyintroducedinclustering problems,whichiscalledthefuzzyclusteringanaly sis.Fuzzyclusteringisawidelyappliedmethodfor acquiri…