用于多无人机广域目标搜索的扩展搜索图方法

多无人机(unmanned aerial vehicle,UAV)广域目标搜索是协同控制的重要研究内容。针对传统搜索图在多平台协调控制上的不足,提出了基于数字荷尔蒙机制的扩展搜索图方法。将荷尔蒙的扩散传播机制引入到搜索图的更新中,建立了基于数字荷尔蒙和目标确定度的混合信息结构,在此基础上,研究了基于滚动优化策略的实时路径规划方法。仿真结果表明,扩展搜索图比传统搜索图具有更好的多平台协调能力,是一种有效的多UAV广域目标搜索方法。

导弹末制导雷达搜索图研究

以远程反舰导弹为研究对象,运用概率统计理论、优化设计方法,研究远程反舰导弹末制导雷达目标搜捕问题。构建典型目标的数学模型,提出末制导雷达搜索图设计方案,得出了目标命中概率和截获概率的计算方法。

基于启发式搜索图的测试点决策方法

针对武器系统测试点决策问题,研究相关性矩阵和信息熵理论,将测试点决策问题转化为图搜索问题,测试点的决策过程就变成了图节点的扩展过程,在此基础上定义评估函数为启发信息,进而推导出图节点扩展方式,引导图搜索,通过实例对该方法进行验证。实例表明,该方法提高了测试节点搜索效率,快速决策出最佳测试点。

利用搜狗识图搜索图片

平常我们搜索图片，一般都是键人文本关键词这种方式来操作。其实，另一种方法以图搜图也非常方便，谷歌和百度都相继开发出了自己的以图搜图产品。如今，搜狗也正式推出了具备有以图搜图功能的新产品——识网搜索。笔者试用过后，感觉挺不错的。它不仅可以搜索出相类似的图片，还能识别图片中的内容，并借此在互联网中找出内容相似的关联图，功能上比百度同类型产品要完善许多。

基于端到端深度神经网络和图搜索的OCT图像视网膜层边界分割方法

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

基于图搜索的陆空两栖平台3D路径规划算法

为了解决陆空两栖平台路径规划能效与寻径效率问题,提出了一种基于图搜索算法的全局路径规划算法。考虑了空中飞行能耗与地面行驶能耗模型的不同,结合起飞阈值、地面移动成本系数、空中移动成本系数等参数决定模态切换机制,在遇到难以越过的障碍时使用逃脱算法脱困,当允许地面通过时优先采用地面行驶的方式到达目标点以提升寻径效率与能效。为验证该算法,分别建立了针对陆空2种模式下的能耗模型,在现有交通规则约束下完成城市场景和虚拟迷宫测试。结果表明:本算法的搜索效率相较于对照组算法提升了30%以上,有效提升搜寻效率的同时降低了能量消耗。

基于目标距离的末制导雷达最优搜索图模型

深入研究了反舰导弹末制导雷达目标捕捉模型,以末制导雷达第一方位搜索周期捕捉概率和全程搜索捕捉概率为约束条件,建立了以末制导雷达第一方位搜索周期扫描面积为目标函数的末制导雷达最优搜索图求取模型,解决了基于目标距离的末制导雷达最优搜索图参数求取问题,并利用多项式拟合,得到了最优搜索图参数工程实现方法,该方法易编程、计算量小、占用内存少,是一种简单、实用的中远程反舰导弹末制导雷达最优搜索图参数实现方法。

维护全局博弈图的蒙特卡洛图搜索

AlphaGo系列算法利用具备学习价值神经网络和策略神经网络主导蒙特卡洛树搜索的方法,成功地推动了棋类游戏人工智能的迅速发展。而最近,已有成果表明采用蒙特卡洛图搜索替代蒙特卡洛树搜索能够进一步提高程序的对弈水平。在此基础上,提出了一种新的基于蒙特卡洛图搜索的方法——维护全局博弈图的蒙特卡洛图搜索算法。该方法通过维护一个全局的博弈图,采用过期结点删除算法清除无价值的结点和边,并利用对手的时间进行推理计算等措施,提高了程序的博弈水平。以海克斯棋为实验对象,结果证明,在计算资源受限情况下相比其他搜索算法胜率有所提升。

搜索图的全部可能回路的新算法

This paper puts forward a new algorithm of searching out all cycles in graphs. Using this algorithm, we can accurately seek out all cycles in graphs without generating the basic cycles. The paper introduces the basic theory of the algorithm and the search method.

基于改进Hough变换和图搜索的油库目标识别

为了识别遥感图像中圆形油库目标,首先改进了基于梯度信息的圆形检测Hough变换方法,提取出图像中的圆形油库。然后根据油库的空间分布关系,提出利用深度优先的图搜索策略对检测到的圆进行分组,剔除虚警目标,最终实现油库目标区域的定位。改进的Hough变换通过利用梯度的方向信息和降低参数空间维数的方法降低了算法执行时耗费的时间和占用的存储空间,提高了圆检测的效率,同时用图搜索技术来排除虚假目标和定位目标区域,降低了虚警率,提高了识别精度。实验表明,该方法能够快速准确地识别油库目标,适用于不同分辨率的可见光遥感影像。

基于启发式图搜索的最小测点集优选新算法

模拟故障字典的测点选择问题是目前的一个研究热点。本文将这一问题转化为启发式图搜索问题,测点选择过程就变成了图节点的扩展过程。运用信息理论和M进制编码规则,首先给出了启发函数的计算方法,推导出图节点的构造方法和扩展规则,然后在此基础上给出了用于测试节点优选的启发式图搜索算法,最后进行了分析实验。实验结果表明本算法既克服了局部寻优方法不能找到全局最小测点集的缺点,又能显著降低传统穷举搜索算法的时间复杂度和空间复杂度。

基于动态阈值启发式图搜索的SLAM算法

针对当前多数SLAM数据关联算法存在不能在线修正的问题,提出一种使用动态阈值的启发式图搜索数据关联算法。该方法使用回溯机制实现对错误数据的修正,在搜索过程中使用动态阈值进行门限过滤,减少可能的数据关联的数目,在不降低数据关联正确率的情况下,提高数据关联效率。仿真实验结果表明,该算法可有效地降低运算时间。

一种基于搜索图的自动评测模型

自动评测是当今CAA(Computer AssistedAssessment)和e Learning等领域研究的重要方面 .考察人工评测的特点 ,并提出一种基于知识点搜索图的评测模型 .该模型已经在基本SQL语句的培训和测试中得到了实际应用 .

基于优化的同构子图搜索的虚拟网络映射算法

针对现有虚拟网络映射算法的不足,首先提出了一个综合考虑网络中节点资源需求(能力)和拓扑属性的节点资源能力评价方法,合理地评价节点资源能力,优化了虚拟节点的映射顺序;其次改进了虚拟节点映射时备选物理节点的选择过程,提高了虚拟链路映射质量;最后通过考虑物理网络子区域内的资源总量,优化了算法中初始资源分配区域的选择。实验结果表明:与已有的算法相比,本文映射算法在映射质量、长期平均收益、长期平均接收率、算法执行时间等方面均有明显提高。

图搜索中A＊算法的SQL解法

讨论图搜索的A*算法和SQL算法，利用数据库存储图中原始数据，借助SQL语言来生成A*算法要求取的解，简化了编程。

与/或图搜索中的A算法——AO.A算法

本文建立了普通图和与/或图(指广义与/或图,它包括普通与/或图)的概念之间的相似对应关系,从而将图搜索中完美的理论、算法及分析方法成功地移植到与/或图搜索中来.以A~*算法为例,本文描述了一个类似于A~*的与/或图搜索算法AO.A~*,并分析了其性能. 本文还对与/或图搜索算法的复杂度的定义进行了讨论,并指出了G.Levi的复杂度定义的某些缺陷.

启发式图搜索算法RA^＊的改进算法IRA^＊及IRA

本文在文[1]基础上,对两种RA~*算法进行了比较研究,通过引入感兴趣集,给出了RA~*算法的改进算法IRA~*和IRA’,并且证明了IRA~*算法的可采纳性.从算法所扩展的结点数目这一角度来看,IRA~*算法明显优于RA~*算法.若感兴趣集并不包含最佳路径上的结点,则IRA~*算法的变形——IRA’算法可用来寻找一条较佳的求解路径.

基于级联网络和图搜索的轨迹模式学习算法

提出了一种基于级联竞争神经网络和有向无环图搜索的运动目标轨迹分布模式提取算法。采用级联竞争神经网络提取不同时序处流矢量的分布,根据轨迹点之间的时序转移关系构造有向无环图,通过深度优先搜索来获取轨迹分布的显式表示,并在此基础上给出了一种基于轨迹点对齐的异常轨迹检测方法。构造的级联网络自动隐含了轨迹点的时序关系,可以处理不同长度轨迹模式的学习问题。不同场景的仿真实验表明此方法可以应用于复杂场景下的目标异常行为检测。

大数据时代的图搜索技术

众所周知,互联网及其应用升级推动数据量几何级数的增长,促使我们进入"大数据"时代。图数据是一类重要的大数据,与关系表格和XML等数据结构相比,图具有更强的表达能力,可以表示相对复杂的结构,所以被广泛地应用于各个领域。图的应用促使图搜索技术——"大数据"时代一种新的搜索模式的产生,并已引起业界越来越多的关注。文章介绍图搜索应用及其相关技术,揭示在"大数据"时代图搜索的重要意义及其面临的问题与挑战。

基于轮廓片段匹配和图搜索的红外目标识别方法

针对前视红外(FLIR)目标识别中复杂背景干扰和目标轮廓片段缺失的问题,提出了一种基于轮廓片段匹配和图搜索的目标识别方法。提取基准图和实时图的轮廓特征并进行分段,利用片段的方位和朝向特征进行匹配并构建匹配图;在基准图轮廓片段间的空间关系约束下,利用图搜索策略遍历匹配图得到候选目标轮廓片段组合;结合全局相似性度量实现目标的匹配识别。仿真实验结果表明,该方法对复杂背景干扰和轮廓片段缺失的情况具有较好的适应性和鲁棒性。