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.

基于属性图的社区搜索模式及其分类体系

当前在属性图中的社区搜索方法较多、类型繁杂,没有系统的分类方式,约束了社区搜索的应用。为明确属性图社区搜索的类别,对属性图社区搜索分类方法进行研究。首先,首次提出属性图社区搜索模式的概念,深入分析属性图社区搜索模式之间存在的联系,提出属性图社区搜索模式的等价、从属、交叉、全异4种关系;其次,以搜索模式的输入图属性、输出图拓扑结构和各属性图社区搜索模式的实际意义为基础,构建两层分类体系,第1层是由输入属性图相同的模式集合构成的集族,这里的输入属性图包括时序、空间、关键字、权值、空属性图,第2层是由输出图拓扑结构及实际意义定位到的每一个具体的属性图社区搜索模式;然后,针对第2层中每一种模式,给出对应社区搜索算法的对比分析结果;最后,对所有属性图社区搜索模式的特性集中分析。总体而言,属性图社区搜索模式不仅为理解和分析复杂网络结构提供有力工具,也为解决实际问题提供新的视角和方法。

有向图上的影响力社区搜索

现有社区搜索方法用于从无向图中挖掘满足内聚性和影响力要求的社区,没有考虑有向图中边的方向对社区的影响,导致有向图上社区挖掘的结果出现影响力和内聚性不足的问题。基于此,提出有向图上的影响力社区搜索问题,并设计相应的在线搜索算法;为进一步提升社区挖掘的效率,提出有向图上基于索引的影响力搜索方法及其优化策略。此外,提出一种基于并行思想的索引构建方法,加速索引的构建过程。最后,基于8个真实数据集进行验证,实验结果验证了所提算法的有效性和高效性。

面向代码搜索的函数功能多重图嵌入

如何提高异构的自然语言查询输入和高度结构化程序语言源代码的匹配准确度,是代码搜索的一个基本问题.代码特征的准确提取是提高匹配准确度的关键之一.代码语句表达的语义不仅与其本身有关,还与其所处的上下文相关.代码的结构模型为理解代码功能提供了丰富的上下文信息.提出一个基于函数功能多重图嵌入的代码搜索方法.在所提方法中,使用早期融合的策略,将代码语句的数据依赖关系融合到控制流图中,构建函数功能多重图来表示代码.该多重图通过数据依赖关系显式表达控制流图中缺乏的非直接前驱后继节点的依赖关系,增强语句节点的上下文信息.同时,针对多重图的边的异质性,采用关系图卷积网络方法从函数多重图中提取代码的特征.在公开数据集的实验表明,相比现有基于代码文本和结构模型的方法,所提方法的MRR提高5%以上.通过消融实验也表明控制流图较数据依赖图在搜索准确度上贡献较大.

一种基于图神经网络的改进邻域搜索算法

近年来图神经网络与深度强化学习的发展为组合优化问题的求解提供了新的方法。当前此类方法大多未考虑到算法参数学习问题,为解决该问题,基于图注意力网络设计了一种智能优化模型。该模型对大量问题数据进行学习,自动构建邻域搜索算子与序列破坏终止符,并使用强化学习训练模型参数。在标准算例集上测试模型并进行三组不同实验。实验结果表明,该模型学习出的邻域搜索算子具备较强的寻优能力和收敛性,同时显著降低了训练占用显存。该模型能够在较短时间内求解包含数百节点的CVRP问题,并具有一定的扩展潜力。

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。

一种基于邻近图的植被面要素合并方法

植被面要素合并是面要素制图综合的重要内容。针对现有面要素合并方法在合并过程中缺乏有效邻近关系表达和指导的问题,提出一种基于邻近图的植被面要素邻近关系表达和合并方法。首先,将植被面要素的邻近关系定义为3种类型,制定不同类型邻近关系的探测策略,其次,以节点和链接的形式实现植被面要素邻近关系的图表达,通过邻近图搜索获取邻近群组,最后,对邻近群组执行相对应的合并算法实现植被面要素合并。实验结果表明,邻近图可以正确表达植被面要素之间的邻近关系,有效地指导合并过程,提高合并效率。

融合模式决策的4WIS车辆路径规划方法

针对四轮独立转向(four-wheel independent steering,4WIS)车辆的路径规划问题,提出了一种融合模式决策的图搜索算法.首先,对4WIS车辆三种运动模式进行建模,并分析其运动模式的运动特性,据此设计多模式节点拓展策略,实现了4WIS车辆多运动模式与路径规划的融合.然后,针对最优节点选取和运动模式决策问题,设计了多目标代价函数,引导4WIS车辆合理切换运动模式,并生成平滑路径.最后,在MATLAB软件上进行仿真实验,在多种场景中测试所提出算法,验证其可行性与有效性.结果表明:提出的算法在路径规划中考虑了三种运动模式的优化组合与模式切换问题,能实现最优运动模式序列和最短路径规划.且该算法求解效率高,所规划路径优异,能充分发挥4WIS车辆的高灵活性与高通过性,有效解决其路径规划问题.

多层次矿床本体的构建及在知识图谱中的应用

将具有多元异构性和复杂语义的矿床数据转化为结构化数据,是目前矿产资源勘查大数据领域面临的关键问题。传统的机器学习方法无法精确描述实体概念、属性及其属性值的语义信息,导致多源异构数据的可解释性较差。因此,可解释性的知识图谱已成为当前研究的热点。然而,当前矿床领域本体构建研究仍相对匮乏,这阻碍了矿床知识图谱的研究。本文聚焦于矿床领域的概念、关系、属性描述,结合知识工程、叙词表、复用前人本体及专家知识,采用基于知识工程和基于顶层本体相结合的本体构建方法,使用本体开发工具Protégé构建了以时空矿床文本为基础的矿床领域本体库,实现了矿床知识概念、关系的系统化、规范化、形式化表达。然后运用Neo4j构建本体库知识图谱,并以庞西垌多金属矿床为案例,将矿床本体与矿床数据进行了知识图谱连接,展示了矿床本体作为知识图谱骨架的重要性。本文研究对下一步矿床知识图谱推理分析具有一定的指导意义。

基于可微池化的层级图相似性学习

目前,大多数关于图相似性学习的工作仅考虑图级匹配或节点级匹配,忽略了多层级的粗图级匹配,为解决该问题提出一种可微池化层级图匹配网络(PHMN)模型。逐层将图的节点表示进行软聚类进而将源图转化为尺寸缩小的粗图;在图对上使用多角度多层级的跨图匹配层,获取匹配矩阵;由注意力机制将图对匹配矩阵转化为匹配向量后,传入LSTM模型和多层感知机进行相似度预测。该模型在图回归任务和图分类任务的对比实验中,分别取得8项最优表现和6项最优表现。

异质信息网络中基于解耦图神经网络的社区搜索

在异质信息网络(HINs)中搜索包含给定查询节点的社区具有广泛的应用价值,如好友推荐、疫情监控等。现有HINs社区搜索方法大多基于预定义的子图模式对社区的拓扑结构施加一个严格的要求,忽略了节点间的属性相似性,导致结构关系弱而属性相似性高的社区难以定位,并且采用的全局搜索模式难以有效处理大规模的网络数据。为解决这些问题,首先设计解耦图神经网络和基于元路径的局部模块度,分别用于度量节点间的属性相似性和结构内聚性,并利用0/1背包问题优化属性和结构两种凝聚性度量指标,定义了最有价值的c大小社区搜索问题,进而提出了一种基于解耦图神经网络的价值最大化社区搜索模型,执行3个阶段的搜索过程。第一阶段,依据查询信息与元路径,构造候选子图,将搜索范围控制在查询节点的局部范围内,保证整个模型的搜索效率;第二阶段,利用解耦图神经网络,融合异质图信息和用户标签信息,计算节点间的属性相似度;第三阶段,根据社区定义以及凝聚性度量指标,设计贪心算法查找属性相似度高且结构凝聚的c大小社区。最后,在真实的同质和异质网络数据集上测试了搜索模型的性能,大量实验结果验证了模型的有效性和高效性。

无蜂窝大规模MIMO系统信道估计中基于加权图的叠加导频分配

针对无蜂窝大规模多输入多输出(cell-free massive multiple-input multiple-output, CF-mMIMO)系统信道估计中导频污染问题,提出了基于加权图的叠加导频(superimposed pilot, SP)分配方案。首先分析导频污染对SP信道估计的影响,引入一种全新度量表示用户间潜在导频污染程度;其次根据接入点与用户间大尺度衰落系数完成用户加权干扰图构建,将系统吞吐量最大化问题转化为有容量最大k切割问题求解;最后采取顶点交换局部搜索算法实现SP次优分配。仿真结果表明:本文方案能够有效地改善SP信道估计误差以及系统吞吐量。

基于图论的复杂系统潜通路分析方法

潜通路分析方法是可靠性分析中一种常用的方法,是减少设计问题,提升可靠性的一种重要手段。当前的潜通路分析方法主要是应用于电路系统分析,也有部分包含管路系统的应用,但是还没有适用于复杂系统的潜通路分析方法。针对上述问题,提出了一种基于图论的系统潜通路分析方法,首先构建基于流的系统模型,然后将模型中不影响分析的连接关系及模型节点简化,最后将系统模型转换为抽象的图模型,并利用节点识别和路径追踪的方法进行分析。最后,将所提方法应用于直升机起落架误收问题的分析,证明了所提方法的有效性。

感-通-物多目标融合应急无人机路径规划方法

为了完成多无人机应急救援场景下救灾点的需求感知(感)、数据收集(通)和物资投放(物)任务,提出了在考虑无人机能耗约束下,感-通-物多目标融合的两阶段的应急无人机路径规划求解框架。第一阶段提出基于时序图卷积网络的救灾点人数预测模型,并量化救灾点物资和通信需求;第二阶段提出基于贪心和禁忌搜索的多无人机路径规划算法,通过交替优化救灾点划分和单无人机路径规划来求解原优化问题。仿真结果表明,该算法在总服务收益上优于传统的无预测多无人机路径规划算法。

灵活的属性社区搜索方法

社区搜索旨在搜索满足指定条件的紧凑社区,在现实世界中有广泛的应用场景.研究了在属性图中进行社区搜索的问题.考虑到在实际应用中,需要对社区中的顶点数量进行限制,提出了灵活的属性社区搜索问题,其目标是在包含查询结点且结点规模有限的连通子图中,寻找具有最大图属性得分的子图.与传统的社区搜索问题不同,研究采用无参数的社区模型来衡量社区的紧密度,从而避免了指定参数的困难,使查询更加灵活.同时提出了3个算法:精确算法EXACT、启发式算法FACH和优化算法FACH+.在FACH和FACH+中,文中设计了剪枝规则并在FACH+中适当修改了启发策略,可以快速有效地找到符合要求的子图.在多个真实社交网络数据集上的实验结果表明:文中提出的算法在准确性和效率上都具有显著的优势.

移动机器人路径规划算法研究进展

路径规划是实现移动机器人自主导航的关键技术之一。针对移动机器人路径规划的特点,本文将其划分为基于图搜索的路径规划算法、基于采样的路径规划算法以及考虑动力学约束的路径规划算法。基于这些分类系统地总结了路径规划领域的研究现状,并着重分析了各类规划算法的优缺点。最后,对移动机器人路径规划的未来发展趋势进行了展望,为进一步推动移动机器人路径规划研究提供了有益的思路和指导。

考虑综合成本的常规公交客流分配方法

为改善常规公交客流数据传统调查方法效率低、准确性差,以及常规公交客流分配时对出行成本考虑不全面、个体间出行成本存在较大差距的缺点,开展了考虑综合成本的常规公交客流分配方法研究。以数据即服务为基础开发的手机信令数据平台作为常规公交客流分配数据来源。通过经纬度坐标匹配,得到用户与交通小区之间的空间关系。利用数据仓库工具筛取数据字典索引,界定时间、速度、起终点类型等数据参数,通过时间匹配、路径匹配进行交通方式识别,将用户比例外推扩样至全国人口,得到常驻居民早高峰常规公交通勤起讫点(origin-destination,OD)量。分析常规公交客流个体的出行时间成本、拥挤成本、票价成本,建立以个体利益最大为原则、考虑综合成本的常规公交客流分配模型。将交通小区间常规公交客流分配问题转换为有向赋权图路径选择问题,并采用深度优先搜索与连续平均法混合算法求解,进行常规公交出行方案筛选以及客流分配。选取哈尔滨市典型交通小区为案例,开展常规公交客流分配,并与传统Logit路径选择概率模型分配结果、人工调查结果对比分析。结果表明:模型分配结果与人工调查结果的平均绝对百分比误差为4%,Logit模型为17.5%。模型分配客流后个体出行成本极差、方差、总和分别为0.03,0.0001,1108.35,Logit模型分别为3.28,1.58,1127.02。验证了模型分配客流的准确性以及考虑综合成本的必要性,分配客流后个体出行成本差距更小,更符合利益最大原则。

GAT-IL:一种基于图注意力网络与模仿学习的服务功能链部署方法

网络功能虚拟化通过将网络功能从专用硬件设备迁移到商用服务器上运行的软件中间盒中,简化了网络服务的配置和管理.在网络功能虚拟化的环境下,由一系列有序的虚拟网络功能组成的服务功能链正在成为承载网络服务的主流形式.将底层物理网络资源分配给服务功能链的需求称为服务功能链部署问题.对于基础设施提供商来说,在有限的资源条件下获得长期高回报是一个重要的挑战.本文形式化定义了服务功能链部署问题,提出了一种基于图注意力网络与模仿学习的服务功能链部署方法(Graph Attention Network and Imitation Learning,GAT-IL).该方法使用图注意力网络评估每个物理服务器的放置潜力,通过蒙特卡洛树搜索方法给出专家示范,并采用模仿学习方法进行智能体的训练,融入集束搜索策略优化解空间.大量的实验结果表明,本文提出的GAT-IL方法在平均收益代价比和接受率的性能指标上均优于现有代表性算法.

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。

以“耕织图像”为核心的知识图谱设计及应用研究

耕织图像是艺术领域重要的图像资源,在人工智能技术与网络技术的驱动下,提出一种面向耕织图像的数字资源开发,实现多种载体形式的耕织图像资源数据知识图谱构建、主题性检索功能设计,以满足知识服务需求。构建耕织图像知识图谱与数据关联,选取各种载体形式的耕织图像资料为数据来源,搭建图文资料图数据库,并在此基础上构建本体知识图谱,以充分挖掘利用图像知识。基于关联数据构建作品的知识图谱模型,能够揭示耕织图像的语义信息,为各种载体形式的耕织图像资料的数据化转换提供新方法和新思路,既能揭示耕织图像之间隐藏的关系,又能比较分析耕织图像中未知图像的内涵,以及耕织图像中所涵盖的关于耕作和纺织图像技术、工具、动能等的发展演变。