基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN 网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。     

经典深度卷积神经网络模型在手绘草图识别中的应用研究

通过设计多组实验策略,在TU-Berlin手绘草图数据集中,对AlexNet、GoogLeNet、VggNet和ResNet四种经典深度卷积神经网络结构进行手绘草图识别对比实验,结果表明相比其他网络结构,ResNet在手绘草图识别任务上具有更好的性能.     

一个简单笔式交互系统的实现

论文以用户为中心的思想，引入笔交互风格，运用Fonseca和Jorge提出的模糊逻辑识别算法，采用了中科院软件所的笔式应用开发平台PenUI作为底层支撑．设计并实现了一个能识别基本几何图形和简单手势的交互式系统。所采用的识别算法是一种识别多笔画几何草图简单方法。它利用图形的暂时邻接关系和全局几何特征来识别一些简单的几何图形，其中有实线和虚线两种类型类型。     

单幅手绘草图重建三维模型方法研究

提出从单幅手绘草图快速生成三维模型的方法,对输入草图进行在线识别与规整,将草图转换为规则的几何图形.然后提出二维图形向三维模型转换的映射机制,完成三维信息的添加.最后进行实验验证,结果表明可自然高技地完成手绘筒田的三维重建.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题，提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM．该算法利用分布式K—Means聚类算法对每个数值型属性进行聚类，求得聚类中心，由此构造全局模糊集，定义全局隶属度函数．DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘，采用全局一局部站点模式，其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF．实验结果表明，该算法能准确地生成全局模糊频繁项目集，在求解全局模糊频繁项目集过程中，传送局部模糊候选项目集支持数的通信量为O（n），提高了算法的挖掘效率．     

用户意图感知及其功能转换设计

为解决产品设计领域中用户意图存在主观性,随机性以及模糊性的问题,提出一种利用模糊理论与熵权法对用户意图特征项进行分析,并用Kano模型和聚类分析对用户意图特征项进行功能转换设计.以互联网产品案例作为研究对象,研究结果表明,采用模糊集表达与熵处理方法能够区分不同的用户群体对用户意图特征项权重问题,而卡片分类与集簇分析方法进一步对特征项进行优化与信息架构构建,用于指导产品设计.研究结论解决了产品设计中用户意图存在的不确定性问题,为产品设计提供新的思路.     

平面几何图形检索的关键问题研究

基于计算机辅助教学领域中平面几何图形的识别和检索研究, 提出一套可行的完整解决方案,并对手绘图美化、基本图元检测、显著性分析、位置关系描述和匹配度计算等关键问题进行分析。在深入分析几何图各级特征的同时, 提出具有较强针对性的布局关系描述和复杂图形匹配的多种算法, 使得几何图形最终得以直接用于内容检索, 弥补了基于关键字检索技术在描述查询意图方面的不足。实验结果表明, 本文提出的解决方案不仅可行, 而且具有较高的准确度。     

融合熵和势能的手绘草图特征描述方法

为更加深刻地刻画手绘草图中的形状主题,并使特征描述方法具有一定的平移、缩放和旋转不变性,提出了一种基于熵和势能的手绘草图特征描述方法.该方法首先提取手绘草图的关键点,并对每个关键点的周围区域进行分块,计算其信息熵;然后根据关键点像素在手绘草图对象中的位置,计算其像素势能,从而获得融合了熵和势能的关键点特征描述向量;最后将训练集中所有图像的全部关键点特征描述向量聚类形成视觉码书,每一幅手绘草图均表示成基于码书的特征描述向量.实验结果表明,文中方法能较好地描述手绘草图的形状特征.     

基于正态分布理论的模糊综合评判法识别岩性

不同的测井参数对岩性的识别功能各不相同,只有综合评判各个测井参数曲线才能大致反映地层主要岩性特征,因此传统的定量的数学关系式很难正确地描述地层岩性。模糊综合评判法对多因素、多层次的复杂问题具有较好的评判效果。采用模糊综合评判法识别岩性过程中,合理地确定评判因素及其隶属度函数尤其重要。通过对大量测井和录井资料统计分析,发现对于同一岩性层段,部分测井响应特征参数基本服从正态分布规律。因此利用正态分布理论确定各评判因素隶属度函数,并通过模糊变换,得出用模糊集合表示的评价结果。将评判结果与实例比较证明,该种方法能够克服传统岩性识别中存在的缺点和不足,评判结果更加科学可靠。