三角形网格细分采样

提出了一个网格细分采样方法．对于具有任意拓扑的亏格为零的流形三角形网格，首先在单位球面上对其进行全局参数化，然后将一个简单的正多面体进行适应性细分从而得到细分采样网格，将采样网格进行中心投影到参数单位球面上，并在采样网格顶点处对参数化网格进行重采样，从而得到一个具有细分拓扑结构和原始网格形状的新网格．具有细分结构的重采样网格不仅可用于网格简化和几何压缩，而且有利于采用细分小波对定义于其顶点上的各种数字几何信号进行处理。     

有限密度采样在直线边界检测中的精度分析

对有限密度数据采样进行了分析,提出了在有限密度采样下提高对直线边界的检测精度的方法以及有限密度数据采样网所能达到的最高精度。建立了分辨谱图和分辨图,说明了有限密度采样间隔对分辨力的影响,以及如何避开分辨盲区以达到较高的直线边界检测精度,提出了对其它类型的边界线在有限密度采样下精度分析的思路和方法。     

基于密度峰值聚类和局部稀疏度的过采样算法

现有的绝大多数过采样方法着重于寻找少数类样本的边界从而增强样本的可分性,忽略了样本的重叠分布与小析取问题,这导致在过采样阶段产生过多的噪声,最终无法实现对少数类样本的正确分类.针对这些问题,提出一种基于密度峰值聚类和局部稀疏度的过采样算法.首先利用改进的密度峰值聚类算法对全部样本自适应地划分出多个簇,根据簇内样本的不平衡比过滤掉不平衡比过高的簇,然后在筛选出的簇中根据少数类样本的分布情况对各簇的过采样个数进行分配,最后通过样本密度计算出各簇少数类样本的局部稀疏度,从中选择出稀疏度较高的少数类样本参与到最终的合成少数过采样.将提出的过采样算法与八种常用的过采样算法分别与三种基分类器相结合,在18个不平衡数据集上进行对比实验.实验结果表明,提出的算法总体上表现更优,能得到更好的分类性能.     

基于k-邻域密度的离散点云简化算法与实现

提出一种基于k-邻域密度(即k-邻域中的点云密度)的离散点云简化算法, 并给出了在三角网格重构中的实现. 该方法不仅可以保证实物模型重建后的整体轮廓, 而且在细节部分也较好地保持了局部形状特征. 三角网格重构的实验结果表明, 所给方法简单、 高效, 同时, 在实物模型平滑处与曲率变化较大处均取得了理想效果.     

平面网格生成中网格密度的控制方法及其应用

提出了一种控制网格密度的边界点分布函数,结合所选用的网格生成方法,建立了能适应带有各种边界域和各种网格密度分布要求的二维网格生成系统,能方便灵活地生成各种网络。     

改进的基于密度和网格的高维聚类算法

针对综合了基于密度和网格的CLIQUE聚类算法,提出了一种改进的方法,并给出了简单的有效性验证。     

基于小波分析的点采样表面简化

在对点采样表面进行小波分析的基础上,提出了2种新的点采样表面的简化方法.通过对目标表面的空间频率及信号能量进行控制,实现点采样表面的简化.方法一,通过对点采样信号进行低通滤波及降低采样率的方式对表面进行重采样;方法二,通过对点表面进行能量阈值化,对不同区域使用不同采样率的方式进行非均匀采样.实验表明,这2种方法能够分别在目标表面最高空间频率及最低信号能量准则下,实现点采样表面的有效简化.提出的点采样表面小波处理流程还可应用于点采样表面的几何压缩、特征检测与提取和点采样表面的编辑.     

基于影响区域节点密度插值的结构拓扑优化方法

变密度法是结构拓扑优化中一种常用的处理方法,但在优化过程中会出现棋盘格、网格依赖性、灰度单元等数值不稳定现象.为解决单元变密度法中出现的棋盘格问题,在优化过程中引入节点密度作为设计变量.在提出基于影响区域节点密度插值优化方法的同时,给出了一种基于等密度线的后处理方法.计算结果表明该方法在消除棋盘格现象的同时,处理了网格依赖性问题,并消除了结果中的灰度单元现象.     

线结构光三维视觉曲面测量的自适应采样与建模方法

研究了线结构光视觉传感器曲面测量数据在商用ＩＤＥＡＳ中的建模问题,提出了一种基于曲率特征的自适应采样方法和采样精度评价指标．对扫描曲线进行采样,并经过对曲线间采样点的匹配、细分生成矩型网格数据,送入ＩＤＥＡＳ系统,建立曲面的ＣＡＤ 模型．最后给出了曲面建模实例,结果表明该方法使采样点能有效地反映扫描截面曲线的曲率特征,实现了与ＩＤＥＡＳ曲面建模数据格式的转换     

基于自适应邻域参数的拉普拉斯特征映射

提出一种基于自适应邻域参数的拉普拉斯特征映射算法,该算法首先依据采样密度确定每个样本点的自适应邻域参数,然后根据流形弯曲度调整优化邻域参数.实验结果表明,改进后的算法能够取得比拉普拉斯特征映射算法更好的降维效果.     

A two-stage algorithm of adaptive model-based parameter estimation and its application in the fast calculation of Green''s function in multi-layer soils

A two-stage algorithm is presented to determine an analytical model-based rational function by adaptively selecting sampling points. At the first stage, the rational interpolation function is created by using Stoer-Bulirsch algorithm and comparing the fitted model with the different ranks. At the second stage, the fitted model is validated by comparing with the first-principle model at a set of checking points. Some checking points will be added to the sampling series determined in the first stage to improve the fitted model. The new proposed algorithm is more accurate and effective than that using Stoer-Bulirsch interpolation only due to the fact that it appends the validation approach. When a highly oscillating curve is approximated, the validation ensures the fitting precision. With the two-stage MBPE algorithm, some time-consuming electromagnetic computations can be replaced by the interpolation from the fitting functions, which can increase the computational efficiency greatly. This method is used to calculate the samplings of the Green's functions in a multi-layer horizontal soil to demonstrate its effectiveness. The number of samples used to accurately model such Green's functions is less than 20 for the typical soil parameters. The computational time can be reduced by more than two orders of magnitude compared with that using the conventional uniform sampling technology.     

一种提取曲面加工可行刀具方向的方法

着眼于自由曲面五轴ＣＮＣ加工中无干涉刀具接近方向集合的自动获取算法的研究，给出了一种基于凸包和适应性离散的采样算法，使得在干涉检查过程中，采样点的选取能适应曲面几何特征．在刀具路径的每个ＣＣ位置，自动给出可行方向的集合，减少干涉检查的人工交互，提高计算效率．该算法可以作为模具加工的并行工程框架中自动无干涉路径规划的支持工具．     

由粗到精的三维等距模型对应关系计算

针对不同姿态下的三维等距模型对应关系计算问题,提出了一种基于初始谱植入的稠密对应关系计算方法。计算源模型与目标模型上各点的高斯曲率,利用空间一致采样算法获得一组数目相同的采样点,通过初始谱植入构建源模型与目标模型间的初始对应关系,使用空间一致采样法并结合二分图匹配算法迭代获取每一层的对应关系,利用贪婪优化算法进行优化,得到三维模型间的稠密对应关系。实验结果表明,以初始谱植入匹配算法计算得到的稀疏对应关系为基础,通过由粗到精的求解过程,能构建更为准确的稠密对应关系,并在一定程度上减小了等距误差。与已有算法相比,基于初始谱植入的稠密匹配算法适用于计算等距或近似等距的三维模型之间的对应关系;与单一使用测地距离度量相比,可以得到更加准确的稠密对应关系。     

一个计算积分的替代抽样方法

为提高高维积分的计算速度, 提出一种替换Monte Carlo积分方法. 将积分区域以网格的形式离散化, 再在网格上以相应的密度函数之值为权函数采用离散的Gibbs抽样算法抽样, 对抽样得到的样本作均匀扰动后就可获得所需的新抽样序列,从而得到积分的近似估计值. 模拟表明新算法计算速度较快.     

一种基于Kriging模型的机械结构可靠性分析方法

通过分析现有机械结构可靠性抽样方法存在的不足以及影响失效概率估计精度的主要因素,提出了一种基于Kriging模型及自适应抽样方法的机械结构可靠性分析方法.该抽样方法将随机抽样与聚类算法相结合,能够在概率上保证新增样本点落在对失效概率贡献较大的区域,避免对非重要区域的不必要抽样.以大数定律及中心极限定理为基础,推导了所提出的Kriging模型的收敛条件.通过两个算例说明所提出方法的迭代收敛过程、准确性及稳定性,结果表明,该方法能够在较少调用结构功能函数情况下得到失效概率较准确的估计值.     

自适应采样免疫算法及其对随机优化问题的应用

基于体液免疫的简化机制,设计随机优化免疫算法处理高维随机优化问题．算法的关键在于设计：（1）动态分配群体中各抗体采样次数的自适应采样算法;（2）抗体进化算子;（3）进化群体和记忆集的采样数．该算法具有结构简单、灵活、易于应用的特点．数值实验及多种算法比较显示,此算法具有噪声抑制能力强和寻优速度快速等特点,对于不同噪声幅值的高雏随机优化,均能在优化质量、噪声抑制、执行效率中获得满意效果．     

自适应直接取样岩心三维重建算法

由于直接取样算法在重建过程中引入了多个需要手动调节的参数,使其在实际运用中具有一定的难度.针对这一问题,提出了一种自适应直接取样岩心三维重建算法.首先,使用三级网格对图像进行逐级重建;其次,使用高斯加权来提高模式匹配的准确性;然后,根据待匹配数据事件的条件数据点自适应的选择模式搜索范围,将距离最小模式的中心点赋给待模拟点;最后,使用算法与传统直接取样算法分别对多张储集层岩心图像进行三维重建.通过比较重建结果与真实结构在统计分布、孔隙结构上的差异,证明了算法的有效性.     

面向结构可靠性分析的并行自适应加点策略

现有的自适应加点策略多局限于Kriging模型，或在每次迭代过程中只能选取一个最佳样本点，效率较低.为解决上述问题，本文提出了一种通用的并行自适应加点策略CF-K.该方法考虑了样本点的局部不确定性并确保所选样本点分布在极限状态函数附近；此外，结合k-means算法以实现并行计算，即利用多台计算机在每次迭代的同时进行多个样本的仿真.算例分析表明，与其他方法相比，所提方法在满足精度要求的条件下具有更少的迭代次数，更节省时间.基于所提方法的结构可靠性分析不仅在计算效率和精度之间取得了较好的平衡，在理论上还可用于任何现有的代理模型.     

Analysis of realizable rational decimated nonuniform filter banks with direct structure

In the design of nonuniform filter banks （NUFBs） with direct structure, the location of each analysis filter, corresponding to the sampling factor satisfying maximal decimation condition, should be set properly to avoid large aliasing. In this paper, a necessary and sufficient condition for the setting of the location of each analysis filter is derived. The NUFBs, we focus on, have rational decimation factors. Based on the derived condition, the frequency support of each analysis filter for the realizable NUFBs can be determined directly in such a way that the analysis filters can extract the corresponding bands of the input signal. This provides a guideline for the design of NUFBs with direct structure in choosing proper locations of analysis filters.