基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

清淤泵提升设备伸缩臂有限元分析及优化设计

秦山核电二期及方家山核电6台机组的PX泵房大修期间需对格栅除污机下方水室进行清淤处理,清淤过程中需用水泵将水室中的淤泥和残水抽出。把核电站PX泵房提升设备伸缩臂作为研究对象,目标参数设定为悬臂梁体积和质量,利用ANSYS Workbench进行参数化设计及求解,在总应力和总位移都有盈余的情况下,以悬臂梁截面尺寸的厚度作为设计变量进行尺寸优化,从而达到设计的要求。     

一种分布式文件系统的推送式数据预取机制

为了克服传统的数据预取机制的不足,提出了一种在分布式文件系统中存储服务器端的推送式数据预取机制.在达到减少网络通信的数据量和通信时延目的的同时,可以让运行客户端文件系统的计算节点从跟踪I/O操作和预测I/O操作的工作中脱离出来,减轻了客户端的工作负担,提高了存储系统的性能.     

基于三维点云的岩体结构面自动分类与参数计算

结构面间距是岩体稳定性和力学特性分析中的一个重要参数，在岩石力学、采矿工程、边坡监测等领域的数值计算中广泛应用.本文以岩体边坡露头为研究对象，基于非接触测量获得的三维点云数据，提出一种基于密度聚类的结构面细化分类方法；在结构面粗略分组提取的基础上，通过投影变换、散乱点拟合等算法，求得结构面间距和岩体体积节理数.设计开发了结构面细化分类及间距等参数计算与分析原型系统，实际案例分析表明，本文方法可有效实现结构面的自动细化分类，并能够计算出间距等相关参数，可为岩体质量分级和岩体稳定性分析等提供方法支撑.     

云图书馆--浅谈云计算之于图书馆

简要介绍了云计算的发展历程及其核心思想，探讨了云计算对于图书馆整合及其运营与创新的重要性，分析了云计算使用中的安全和隐私问题，论述了云计算在降低碳排放方面的作用。     

公共图书馆少儿服务探讨

分析了新时期公共图书馆开展少儿服务的重要性,对公共图书馆少儿服务的现状及存在的突出问题进行了分析,探讨了公共图书馆提高少儿服务整体水平的有效对策.     

一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

浅议云计算给图书馆管理带来的挑战

围绕云计算与图书馆管理的联系,分析了云计算给图书馆管理带来的机遇与挑战,并提出应对挑战的措施,以促进云计算更好地融入图书馆管理中,使图书馆管理实现现代化、标准化.     

陶瓷产品三维互动装饰设计定制服务平台

在个性化定制已经成为一种时尚和潮流的今天，个性化定制实现了企业品牌品质和文化的升级。大数据引领的新经济时代，如果企业能及时获取并满足不同消费者的个性化需求，便会在新经济中掌握主动权。以通过网络获取用户对陶瓷产品的个性化定制需求为例，将陶瓷产品各组成配件进行数字化处理并存储于云服务器，借助Web3D技术，实现在线自由3D组合设计陶瓷产品，同时调用云端装饰图案库资源或在线自主设计装饰图案来对陶瓷产品进行图案装饰，并且建立图案资源与器形之间关联度的数学模型，以辅助普通用户提高陶瓷产品设计作品的美感。在线交互式装饰图案设计是利用Fabric.js在Canvas元素上提供的互动对象模型来实现装饰图案的生成和编辑，图案编辑中应用卷积操作实现了图像滤镜处理变换。通过建立设计图案画布与陶瓷三维模型之间的映射关系，生成具有较强真实感的陶瓷产品三维模型虚拟展示。研究成果可用于陶瓷产品在线三维交互式定制和展示宣传，在满足消费者对陶瓷产品个性化定制需求的同时，还可以为当前陶瓷市场创造一种崭新的营销方式，从而实现销量的增长。     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰，点云密度不均匀，场景复杂多样以及物体之间存在遮挡现象等问题，使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题，提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数，利用核密度估计学习一个密度函数，对非均匀采样的点云数据进行卷积操作。同时，受深度学习在图像领域的启发，引入残差连接、空洞卷积等结构，训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。