基于矩阵的MBR主方向关系的反关系

求解二维空间区域物体的反方向关系是空间推理的重要手段，本文总结了区间代数和矩形代数的反关系求解方法，并介绍了MBR（Minimum Bounding Rectangle）主方向关系的求解方法，利用矩阵方向关系模型和MBR模型之间的关系，给出了基于矩阵的反方向关系求解方法。     

基于线型物体的主方向关系模型的研究

在区域物体最小边界矩形MBR（Minimum Bounding Rectangle）理论的基础上,对线型物体主方向空间关系模型进行了研究,提出了将线型物体主方向关系转化为MBR关系的方法,以促进应用MBR相关运算法则和定理进行线型物体的空间方向关系的研究.对于特殊位置的线型物体,分析了基于投影的主方向模型及其特性,研究了对特殊位置线型物体利用投影方法进行的主方向关系合成运算,以便于对线型物体空间方向关系推理的进一步研究.     

方向关系定性计算算法

计算空间关系的算法是空间数据库和智能地理信息系统的核心。现重点讨论空间关系中的方向关系的定性表示和计算。针对有效地计算在多边形集合区域间的方向关系,提出了线性时间内定性计算方向关系的算法,通过分析得到该算法是有效的。     

采用定性坐标的位置表达及主方向关系推理

针对现有的位置关系表达模型均面向点对象,提出了定性直角坐标的概念,基于此概念提出了一种平面区域对象位置关系表达模型,该模型通过记录主对象与参考对象的定性位置区域的交集是否为空,由此构造位置矩阵来表达区域对象间的位置关系,从而较好地反映了对象的形状及对象间的空间布局,可有效地表达区域对象间的位置关系,并通过定性坐标将方向和距离关系有机地结合在一起形成统一的表达和推理模型.为了提高主方向关系推理的精度,基于该模型又提出了一个主方向关系推理算法,并对其正确性进行了验证.理论分析和实例验证的结果表明,该算法降低了推理的不确定性,提高了推理的精度.     

二维波达方向估计的非酉联合对角化方法

针对高斯白噪声中的二维角度估计问题,提出一种非酉联合对角化方法.该方法利用平移不变结构阵列信号子空间的旋转不变性,构造一组具有对角结构的空时相关矩阵,通过降维相关矩阵组的联合对角化,估计出阵列导向矢量矩阵,实现二维波达方向估计,所得二维角度能自动配对.该方法的计算量小于交替列对角化中心(ACDC)算法,且由于每步迭代具有精确的最小二乘闭式解,消除了ACDC算法的误差积累问题,其估计精度比二维旋转不变子空间方法和ACDC算法至少高5dB和2dB.     

基于图论技术的FPGA资源管理算法

在对可重构硬件上的空闲资源进行管理时,采用平面划分算法寻找最大空闲矩形存在冗余计算和重复计算的问题.为此,文中提出了一种基于虚拟无向图的计算最大空闲矩形的算法.该算法基于FPGA二维区域模型,利用无向图与FPGA模型之间的相互映射关系,通过在虚拟无向图中寻找有效回路和通路间接完成寻找最大空闲矩形的任务,使空闲区域划分过程大大简化.最后,文中通过仿真实验对比了该方法与已有的SL算法的性能,结果表明,KAMER_VU算法有效降低了系统硬件布局时间,提高了为任务分配硬件资源的成功率.     

基于模糊PID的智能小车控制算法研究

智能小车自动寻迹过程中,方向控制与速度控制都存在高度非线性的问题。采用模糊PID控制算法,实现了对方向和速度的优化控制,即采用模糊PD算法对智能小车方向进行控制,采用模糊PID算法对速度进行控制。该方案运用于智能车控制系统,克服了传统PID控制的不足,通过模糊规则进行推理决策,实现了PID参数的实时优化。     

主方向关系合成的研究

方向关系推理是定性空间推理领域的一项重要的研究内容，得到了国内外许多学者的关注，其中，主方向关系的合成又是方向关系推理的基石。本文以Goyal和Egenhofer提出的“井”方向关系模型为基础，考虑了关系合成中的两种情况，即基于一致性的合成（Consistency-based Composition）与实体论合成（Existential Composition），给出了一种基于一致性的关系合成的新方法，同时从理论上证明了该方法的正确性。     

基于回跳搜索的方向关系推理算法

空间关系是GIS的重要理论问题之一,在GIS数据建模、空间查询、空间分析、空间推理、制图综合、地图理解等过程中起着重要作用.方向关系的是一类重要空间定性关系.文章首先讨论了方向关系定性表示,然后着重讨论回跳搜索算法和基于方向关系组合运算表的定性推理,最后给出一个基于回跳搜索的方向关系组合运算表的定性推理算法.     

关于拓扑关系复合表适用性的实验与分析

实现了一个拓扑推理算法,并以基本不同平面图Ｋ５为实验对象,研究了拓扑关系复合表的适用性问题,实验结果表明,拓扑关系复合表只适用于同维实体间的拓扑推理。     

空间点与线目标间方向关系的定量表达

针对现有多种表达模型不能定量表达空间目标间方向关系问题,采用统计模型的定量表达方法,通过AUTOLISP语言编程计算得到折线目标相对于点目标的方向值分布范围,对这组统计值进行排序,求出中值方向,实现以点为参考目标、折线为源目标的方向关系的计算.研究结果表明:该程序能确定出描述折线相对于点的方向关系的分布范围与中值这两个度量,实现方向关系的定量表达.研究结论初步突破了对传统的定性表达目标间方向关系的认识,有助于寻求定量表达算法的有效途径.     

基于规则的空间关系推理

空间关系的形式化表示和推理是目前地理本体领域的研究热点,本文简要介绍了目前比较有几种代表性的空间关系模型,在此基础上提出了一种拓扑和方向组合的空间关系模型及其OWL形式化表示,并通过扩展推理规则实现了简单的空间关系推理.     

二维桁架路径模型的自动生成算法

针对传统的基于工件CAD模型或建筑CAD图纸的路径模型生成和规划方法不适用于复杂桁架结构的问题,提出了一种基于桁架结构CAD图纸的二维桁架路径模型的自动生成算法.该算法首先使用图像处理算法(如图像膨胀、面积滤波、腐蚀和细化)结合特征点提取算法对输入的图像进行处理,并获得桁架图像的特征点集,通过求取特征点间的连接关系得到邻接矩阵,然后利用特征点集和邻接矩阵重构出二维桁架路径模型.以输电线路铁塔路径模型的生成为例,阐述了算法的具体实现过程,并利用Floyd算法实现了机器人的全局路径规划.该算法只需输入桁架结构CAD图纸,程序即能自动生成路径模型.利用Floyd算法完成了机器人的全局路径规划,其结果可以应用于桁架攀爬机器人的智能导航领域.     

基于水平扫描线算法的STL模型三维网格化

借鉴快速成形技术中的分层切片思想,针对立体光刻（STL）表面模型,提出一种高效、稳定的三维网格自动生成算法．首先,将STL模型沿Z向剖切成叠层的二维切片环;然后,采用水平扫描线算法离散各层二维环区域,生成均匀、连通的矩形网格;最后,将各层中所含的小矩形沿Z向拉伸至各自上一层高度,从而将表面模型重构为立方单元组成的三维网格．实际算例显示：基于该算法的三维网格自动生成程序可以在保证网格高精度的前提下,有效地提高计算效率,并降低空间复杂度．     

一种快速二维到来方向估计算法

讨论了无线网络通信中多径窄带信号的二维到来方向估计算法的特点和性能,提出了一种基于双平行线阵列结构的二维到来方向估计的快速算法.与以前的工作相比,该算法在求解过程中只需要对较小维数的数据矩阵进行特征值分解,具有较低的计算复杂性,并且能够解决具有相近的方位角或仰角的入射波束问题.该算法利用特征值估计二维到来方向,利用特征向量的对应关系解决二维到来方向的配对问题.仿真试验表明提出的算法具有较小的估计误差,对信噪比的变化具有更好的鲁棒性等优点.     

一种基于群体智能聚类的设备性能横向比较算法

提出了一种基于群体智能的设备性能横向比较算法,该算法将设备模式投影于二维平面上,然后依据群体智能聚类,实现设备性能的自组织聚类分析.为了提高群体智能聚类算法的运行效率,提出了利用主成分分析改善模式投影时的随机性.此外,为了减小参数选取对算法的影响,提出了一种更简单的相似度衡量公式.将改进后的算法与原算法进行比较,结果显示,改进算法的运行效率更高.利用改进算法对某中央空调的数据进行分析,验证了算法能满足设备性能自组织聚类的要求.     

模糊区域间空间关系的组合推理

模糊性区域的空间目标之间的空间关系描述与推理问题在近年来成为GIS界研究的一个热点.本文首先讨论了模糊区域的定义和边界问题,然后把描述确定性区域的9交模型引入到模糊区域,建立了二维空间中描述模糊区域之间的9交模型,最后提出了基于空间方向关系和空间拓扑关系的组合推理方法.     

一种用于高维大数据的协方差无关的主成分分析迭代算法(英文)

主成分分析是一种大家熟知的用于维数压缩的方法.主方向是协方差矩阵的最大特征值对应的特征向量.协方差矩阵的阶数等于数据的维数.当样本维数很高时,可以用阶数等于样本数的替换矩阵来计算主方向.然而,当样本的维数与样本数都非常大(即高维大数据)的情况下,主方向的计算就变得非常困难.提出了一个协方差无关的迭代主成分分析(CIPCA)算法,用于计算高维大数据情形下的主方向.证明了该算法以指数速度单调收敛到主方向的精确值.并在高维大数据集(图像数据集)上对CIPCA算法的性能进行了验证,实验结果显示使用CIPCA算法主方向的收敛速度非常快.     

基于方向关系的不确定区域拓扑关系推理

用宽边界区域模型建模不确定区域,把不确定区域间的拓扑和分析关系表示为确定区域间拓扑和分析的组合表示,并根据宽边界区域方向关系矩阵与宽边界区域扩展九交矩阵的联系,提出了基于方向关系的推理拓扑关系方法。根据推理方法可直接推理拓扑关系,因而可以节省计算量和存储空间。     

基于WT-W2D2DPCA的人脸识别算法研究

人脸识别过程中,针对二维主成分分析(2DPCA)算法在特征提取和数据降维上存在的问题,本文首先引入双向二维主成分分析(2D2DPCA)算法,该算法同时考虑图像行与列方向上的信息.考虑到人脸图像存在信息冗余而影响识别率的问题,于是本文提出一种基于小波加权双向二维主成分分析(WT-W2D2DPCA)的人脸识别算法.该算法首先采用二级小波分解对人脸图像进行预处理,提取其低频部分;然后根据人脸图像的特性,将低频部分进行奇偶分解,并引入加权思想,重组低频人脸图像,最后在ORL人脸数据库上进行双向二维主成分分析.实验结果表明,该方法不仅克服了传统2DPCA系数矩阵大的问题,而且得到了比传统的2DPCA、2D2DPCA算法更好的识别效果.