张拉整体结构的智能化找形研究进展

近年来,“未来的结构体系”张拉整体结构得到学术界的广泛关注。其中,找形是张拉整体结构设计的关键步骤,即确定结构的平衡状态的过程。随着人工智能逐渐应用到各个领域,张拉整体结构的智能找形方法也应运而生,通过使用人工智能技术改进传统的找形方法,以达到简化找形流程的目的。首先介绍人工智能在建筑领域的应用;其次,阐述使用人工智能技术改进张拉整体结构找形方法的研究意义;然后介绍张拉整体结构几种常用的传统的找形方法及其优缺点,再通过调研大量文献,对现在最新的张拉整体结构智能找形方法,特别是优化算法和神经网络方法进行详细介绍和分析;最后,预测并分析总结该领域未来可能的研究方向及相应的发展趋势。

基于时空周期模式挖掘的活动语义识别方法

传统的活动语义识别研究侧重从时空轨迹的空间信息中提取人类的活动语义,对时空轨迹数据的时间特性挖掘不足。本文兼顾时间和空间特征,提出了一种基于周期模式挖掘的活动语义识别方法。首先将分离出的活动轨迹数据通过空间距离进行密度聚类分成不同轨迹簇;然后,根据轨迹簇的时序特征挖掘个体对特定位置的访问周期,基于该访问周期,并结合在该位置的停留时间,及其附近兴趣点分布等特征构建分类模型,识别人类个体的活动语义。基于签到数据和仿真数据的实验结果表明,结合周期特征的活动语义识别方法相比没有加入周期特征的实验结果有效提升识别精度20%以上,在2个相同的签到数据集下,对比其他的识别方法提升精度10%以上。