基于动态Voronoi图的距离倒数加权法的改进研究

针对距离倒数加权法的不足 ,采用动态Voronoi图选取待插值点的邻近点 ,对每个已知数据点增加反映该点梯度的增量 ,并建立已知数据点的ε邻域避免计算误差 ,以改进距离倒数加权法 ,为距离倒数加权法的广泛应用创造条件。通过交叉检验与实际应用 ,证实利用改进后的距离倒数加权法进行空间数据插值精度更高 。

基于动态Voronoi图的多核处理器非均匀采样热重构改进方法

微处理器热监控中不精确的热点温度估计会导致错误的预警和不必要的响应.为了更好的监控微处理器的运行温度,提出了一种基于动态Voronoi图的多核处理器非均匀采样热重构改进方法.实验结果表明:该方法比现有的频谱技术在热重构平均温度误差和热点温度误差精度方面有了一定提高,能够有效运用在动态热管理技术中实现精确的全局和局部温度监控.

物流园区选址模型中的动态Voronoi图问题及评价

本文提出了物流园区选址的点和直线段加权Voronoi图的界定模型,改进了加权Voronoi图的以往局限性,实现了物流系统内空间服务范围的动态划分,构建了连续型直线段加权Voronoi图的选址模型,同时对选址模型进行分析及评价。

动态Voronoi图的算法实现

文中讨论了一种动态生成Voronoi图的构造算法。该算法以Delaunay三角网和相应的Voronoi图的对偶关系为基础,利用3个额外生长点,动态实现Delaunay三角网,然后根据优化后的三角网生成最终的Voronoi图。

多尺度融合与动态自适应图的公交客流预测模型

公交客流预测是公共交通规划和管理中的重要问题。虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗。同时,公交客流量短时间范围内更可能受到瞬时交通状况的影响。为了解决这些挑战,提出了一种多尺度融合和动态自适应图的公交客流预测模型(MFDAG)。该模型融合客流、时刻和周信息以增加数据的特征维度,用动态自适应图的方法来学习不同站点之间的关系。进一步提出了一种多尺度融合传播的方法来表示复杂的空间依赖关系,同时设计了一种多尺度卷积传播的方法来学习不同尺度的时间依赖关系。在两个真实的客流数据集上进行了实验,并与其他交通预测方法进行了比较。实验结果表明,所提出的多尺度融合和动态自适应图的公交客流预测方法具有更高的预测准确度。

稀疏图的r-动态染色

通过分析极小反例的结构性质,运用权转移的方法,研究了对于mad(G)<14/5的稀疏图G的r-动态染色数,证明了对于满足mad(G)<14/5的图G,若r≥9,则χr(G)≤r+2.研究结果推广了稀疏图r-动态染色的已知结果.

上海城区动态洪水风险图应用系统及典型暴雨内涝分析

【目的】为了提高沿海超大城市对洪涝灾害的先知先觉能力,快速预测分析洪涝潮组合影响下的淹没风险时空分布,【方法】以水文-水动力暴雨洪水分析模型为核心模块,通过与外部的气象精细化降雨预报数据库、自动雨量站实时监测数据库及实时水情、闸泵运行数据库相关联,研发了上海城区动态洪水风险图应用系统。采用由雨量站点到气象格网和水力网格的降雨二级空间融合技术,实现了模型与气象预报降雨数据的有效耦合。利用数据挖掘提取和GIS空间分析技术构建了包含10项洪水风险要素要点的城市内涝预报专报自动生成方法,实现了对内涝风险的快速一站式概览。利用系统可以对城市暴雨、河道洪水和风暴潮等单一发生或遭遇组合引起的淹没分布进行快速实时预报计算,模拟和预测城市洪涝潮灾害的有关淹没特征数据和淹没动态过程。【结果】利用系统分析了2023年6月23—24日暴雨的内涝风险分布,将模型模拟的积水区域与积水监测站、灾情直报和热线灾报的积水点进行对比,结果显示在150处对比积水点中,有129处误差不超过20 cm,占86%。模型模拟的积水空间分布与实际情况基本接近。【结论】结果表明:系统满足汛期常态化、业务化运行需求,能够为城市洪涝风险的实时动态分析和防汛指挥决策提供重要工具。

动态不确定因果图在中医诊断中的应用探讨

动态不确定因果图(DUCG)已成为中医药领域新兴的、先进的知识表示与推理模型。为更好地应用DUCG为中医临床提供诊断推理与决策支持,在归纳总结DUCG中医药领域研究与应用情况的基础上,分析现阶段DUCG在中医诊断中存在的主要问题,包括中医术语规范统一和中医药知识库质量问题、推理算法和模型建造的方法选择与设计问题、DUCG中医诊断模型的平台化和产品化问题等,并据此展开应用思路与方法探讨,提出应深挖DUCG的技术内涵,根据临床实际需求选择精准、高效的推理建模方法,建立符合中医药理论思想、具有中医特色的智能辅助诊断模型,加强DUCG协同研究平台及产品的开发应用。

动态场景下基于实例分割与光流的语义SLAM建图

视觉同步定位与建图技术常用于室内智能机器人的导航,但是其位姿是以静态环境为前提进行估计的。为了提升视觉即时定位与建图(Simultaneous Localization And Mapping,SLAM)在动态场景中的定位与建图的鲁棒性和实时性,在原ORB-SLAM2基础上新增动态区域检测线程和语义点云线程。动态区域检测线程由实例分割网络和光流估计网络组成,实例分割赋予动态场景语义信息的同时生成先验性动态物体的掩膜。为了解决实例分割网络的欠分割问题,采用轻量级光流估计网络辅助检测动态区域,生成准确性更高的动态区域掩膜。将生成的动态区域掩膜传入到跟踪线程中进行实时剔除动态区域特征点,然后使用地图中剩余的静态特征点进行相机的位姿估计并建立语义点云地图。在公开TUM数据集上的实验结果表明,改进后的SLAM系统在保证实时性的前提下,提升了其在动态场景中的定位与建图的鲁棒性。

动态路图在冠状动脉低剂量模式中的应用

目的评估联合应用动态冠状动脉路图(dynamic coronary roadmap,DCR)技术及低剂量冠脉模式是否可以进一步降低总放射剂量、透视时间和对比剂用量。方法 纳入2022年7月至2022年12月在上海市同济医院行冠脉造影患者94例,随机分为DCR组53例,对照组41例。DCR组应用冠状动脉动态路图指导行经皮冠状动脉介入(PCI)术,对照组采用低剂量冠脉造影模式进行手术。比较两组的总空气比释动能(air kerma,AK)、剂量面积乘积(DAP)、术中透视时间、对比剂用量。结果 与对照组相比,DCR组的AK明显减低,为(597.9±222.8) mGy比(717.0±326.8) mGy(P=0.039);DAP也显著减少,为(33.2±13.3) Gycm^(2)/s比(41.3±21.5) Gycm^(2)/s(P=0.027);DCR组的透视时间少于对照组,为(9.8±3.3) min比(12.1±4.3) min(P<0.01);两组对比剂用量无明显差异,为(122.3±19.0) mL比(130.5±28.5) mL(P=0.116)。结论 在低剂量冠脉介入治疗中应用动态冠脉路图模式,进一步降低了放射线剂量、透视时间及对比剂用量。

基于顶点组重分配的动态增量图划分算法

图划分是分布式图计算中的一项基础工作,其作用是将大规模图进行划分并分配到集群中的不同机器上.图划分的质量对分布式图计算的性能有很大的影响,其目标是降低负载平衡和最小化边割.如今,现实中的图数据通常呈动态增长态势,这就需要一种能够处理动态增量图的划分方法,在图数据动态增长的过程中确保划分的质量不受影响.目前虽然有一些动态图划分算法被提出,但它们不能同时专注于实时处理动态变化和获得高质量的划分结果.提出基于顶点组重分配的动态增量图划分算法(ED-IDGP)来解决大规模动态增量图的划分问题.在ED-IDGP算法中,设计实时处理4种不同单元更新类型的动态处理器,并在每次处理完单元更新后通过在分区发生动态变化的附近执行局部优化器进一步提高图划分的质量.在ED-IDGP的局部优化器中,利用基于改进标签传播算法的顶点组搜索策略搜索顶点组,并利用提出的顶点组移动增益公式衡量最有益的顶点组,将该顶点组移动到目标分区中做优化.在真实数据集上从不同的角度和度量指标评估了ED-IDGP算法的性能和效率.

基于Voronoi图的空间点事件统计聚类方法

挖掘地理空间数据中点事件聚集模式对于揭示流行疾病、犯罪分布热点区域及城市基础设施空间分布格局等具有重要意义。针对不同形状、密度和大小的显著空间点聚集模式的识别,目前以空间扫描统计为代表的方法虽然可以对空间点聚类的显著性进行统计推断,减少虚假聚类结果,但其主要用于识别球形或椭圆形状的聚簇,对于沿着街道或河道分布的任意形状、不同密度的显著空间点聚簇识别还存在局限。因此,本研究提出一种基于Voronoi图的空间点聚集模式统计挖掘方法。首先,采用Voronoi图来度量空间点分布的聚集性,将空间点聚类问题转化为热点区域探测问题;其次,结合局部Gi*统计量探测统计上显著的空间点聚簇;最后,通过模拟数据和真实犯罪事件数据进行实验与对比分析。结果表明:本方法能够有效探测任意形状的空间点聚类,并对空间点簇的显著性进行统计判别,识别显著的空间点簇,减少随机噪声点的干扰;聚类识别结果优于现有代表性方法,如DBSCAN算法、空间扫描统计方法等。

动态有权图上的随机游走概率计算

图上的随机游走概率计算是传统图论与现代数据挖掘领域普遍关注的问题之一.现有工作普遍关注静态图上的随机游走概率计算,却鲜少关注与实际应用场景更贴合的权重动态图.针对动态有权图上的随机游走概率计算问题,提出了一种基于硬币翻转采样的随机游走概率计算方法.相比于传统的基于权重采样的随机游走概率计算方法,所提方法可以在保证随机游走概率计算结果无偏的前提下,同时做到近似最优的随机游走概率计算复杂度和最优的采样结构更新复杂度.作为对比,现有方法或具有较大的计算时间复杂度,或依赖于复杂的索引结构而难以在动态图上即时更新.对所提方法做出了详细的理论分析,并在真实图数据集上进行模拟实验,实验结果证实了所提方法的有效性.

基于Voronoi图的无线传感网络覆盖盲区检测方法

传感网络的空洞暴露程度较少,在检测网络覆盖情况时更容易出现误差,影响盲区的检测效果。为此,提出基于Voronoi图的无线传感网络覆盖盲区检测方法。根据节点分布关系推测无线传感网络覆盖情况,在Voronoi图的指导下排除已覆盖区域,获取具备检测条件的未覆盖无线传感网络空洞。计算网络空洞的暴露程度和节点能量,作为特征样本输入粒子群分离器中,根据分类器的输出结果,实现无线传感网络覆盖盲区检测。仿真结果表明,所提方法不同覆盖盲区数量下的检测时长低于0.2 s、不同节点数量下的检测能耗低于20 J、不同空洞圆心距下的覆盖盲区差异度最高为0.24,证明所提方法具有较好的无线传感网络覆盖盲区检测效果。

基于改进动态因果图的湿法冶金浸出过程故障诊断方法研究

针对现有湿法冶金工艺机制复杂和浸出工艺故障诊断方法存在精度较差等问题,研究了用改进的动态因果图诊断湿法冶金浸出工艺故障,主要通过二元区间数对动态因果图进行优化改进,并对条件概率上下限进行加权,实现湿法冶金浸出工艺故障诊断。结果表明:该故障诊断方法相较于常规方法,故障诊断准确率更高,能对浸出工艺的故障进行较准确的诊断。

基于图框架变换的动态图神经网络模型

为了有效地挖掘并利用动态图的低频和高频信息并捕捉其时空演变规律,提出了一种基于图小波的兼顾低通、高通滤波的多尺度图卷积,并将该卷积运算融入长短期记忆网络中,构建了一类基于图框架变换的动态图神经网络模型.在离散动态图的3个基准数据集中采用2种不同的训练方式进行实验,对比了11种动态图表示学习方法.实验结果表明:所提模型通常能取得最优效果且稳定性更好,同时也验证了模型能够更好地捕获动态图的演变规律.

基于局部数据增强动态图的事件预测

事件指在真实世界中特定的时间和地点发生的与特定主题相关的活动,例如,社会动乱、暴恐袭击、自然灾害和传染病流行等事件会对国家安全和人民群众的生活产生重大威胁。如果能对此类事件的发生进行有效预测,将最大程度地减少负面事件带来的影响或最大化正面事件带来的利益。关于事件的研究中,准确预测事件仍然是一个非常具有挑战性的任务。文中提出了一种基于图注意力网络的事件预测方法LAT-GAT(Local Augmented Temporal-GAT),该方法使用条件变分编码器,在所构建的事件图中对目标节点的邻居节点生成新的特征样本,与节点原有特征进行拼合,形成新的节点特征,实现了对事件的传播结构的利用;另外,LAT-GAT还考虑了历史事件发生的时间先后顺序,将网络在上一时间点的输出结果集成到当前时间的特征中,从而实现了对事件传播时间特性的利用。最后,在泰国、印度、埃及和俄罗斯这4个国家真实事件数据集上,与多种代表性基线方法进行了对比实验。实验结果表明,LAT-GAT在4个国家数据上的F1评分都优于基线方法;在泰国、俄罗斯和印度数据集上召回率优于基线方法;在泰国、埃及和印度数据集上也获得了最高的准确率。还通过消融实验考察了模型参数对最终结果的影响。

改进骨架提取的Voronoi图导航中骨架重构算法研究

基于Voronoi图的路径规划算法在复杂环境导航过程中会因环境改变和Voronoi图结构的不变性,使全局路径规划器陷入最短路径搜索“陷阱”,导致导航失败。针对这一问题,提出一种改进骨架提取的Voronoi图导航骨架重构算法。对栅格地图进行预处理,生成全局初始骨架;结合激光雷达观测模型更新代价地图,通过改变代价地图的更新方式辅助骨架重构,实现机器人正确导航。对比实验结果表明,所提算法使骨架重构具有“记忆性”,在保证导航实时性的同时,提升了骨架算法的导航鲁棒性。

DGOA:基于动态图和偏移注意力的点云上采样

由三维扫描设备直接得到的点云经常是稀疏、不均匀、有噪声的,因而点云上采样在点云重建、渲染等领域扮演了越来越关键的角色。为此提出了一种新的基于动态图和偏移注意力的点云上采样网络DGOA,主要包含局部特征提取(LFE)、全局特征提取(GFE)和坐标重建(CR)3个模块。LFE采用多层结构提取邻域信息,每层基于特征相似性构建动态图,可以在特征空间自适应的将点云分组,增大感受野,获得长距离的语义信息,更好的建模点云的局部几何形状。GFE采用基于拉普拉斯算子的偏移注意力使每个点都能获得点云的全局信息,使生成点云的细节与原始点云一致,减少噪声的影响。CR借鉴FoldingNet操作,避免生成点的聚集。此外,整个网络与输入点云中点的顺序无关,具有置换不变性。在多个数据集的定量与定性实验结果表明,该方法优于其他方法,并且具有良好的泛化性和稳定性。

基于云模型的煤矿安全风险四色图动态管控系统研究

四色图是一种规范的、新型的安全可视化管理方法。针对井下工作环境复杂多变、隐患排查不到位、煤矿安全风险防范四色图科学性与指导性不强等问题,为提高风险辨识评估的准确性及煤矿安全管理水平,紧跟煤矿安全管理信息化、智能化的发展趋势,建立了基于云模型的煤矿安全风险四色图动态管控系统。该系统主要由硬件和软件构成,利用内嵌于系统的云模型对煤矿各风险点进行风险等级评估,并根据结果展现对应的风险等级颜色,克服了传统煤矿安全风险调控效率较低的弊端,将风险评价等级和防控措施相结合,实现了煤矿安全风险的实时评估和动态管理。云模型-四色图的组合通过云模型解决分级过程中系统的模糊性和不确定性,并利用四色图对风险分级进行直观展示,为科学的煤矿风险管理提供理论支撑。该系统在山西潞安五阳矿井成功应用,为更多煤矿安全管理信息化、智能化发展提供支持。