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。

具有潜在表示和动态图约束的多标签特征选择

针对现有嵌入式方法忽略实例相关性的潜在表示对伪标记学习的影响以及固定的图矩阵导致计算误差随迭代的加深而不断增大的问题,提出一种具有潜在表示和动态图约束的多标签特征选择方法.该方法首先利用实例相关性的潜在表示构造伪标签矩阵,并将其与线性映射和最小化伪标签与真实标签之间的Friedman范数距离相结合,从而保证伪标签与真实标签之间具有较高的相似性.其次,利用伪标签的低维流形结构构建动态图,以缓解固定图矩阵导致的随迭代深度增加计算误差的问题.在12个数据集上与7种先进方法的对比实验结果表明,该方法的整体分类性能优于现有先进方法,能较好地处理多标记特征选择问题.

变工况下动态卷积域对抗图神经网络故障诊断

针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结构信息进行建模。通过分类器和域鉴别器分别建模类别标签和域标签,通过图神经网络将数据结构信息嵌入到实例图节点中,利用高斯Wasserstein距离来度量不同领域的实例图之间的差异。本文对比了不同工况下共14种迁移任务在各模型下故障识别的准确率。实验结果表明:基于动态卷积的域对抗图神经网络模型在变工况下的故障诊断效果均优于其他对比模型,且模型性能稳定。

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。

基于HALP动态列线图预测ST段抬高型心肌梗死患者无复流现象风险分析

[目的]基于血红蛋白(Hb)、白蛋白(Alb)、淋巴细胞(LYM)和血小板(PLT)构建HALP,开发并验证动态列线图预测ST段抬高型心肌梗死(STEMI)患者经皮冠状动脉介入治疗(PCI)术后无复流现象(NRP)风险。[方法]回顾性分析2022年1月—2024年1月南阳市中心医院收治的449例STEMI患者,根据患者术后是否发生NRP分为NRP组145例,正常复流组304例。基于Hb、Alb、LYM和PLT观测值计算HALP。通过多因素Logistic回归分析确定NRP风险的独立影响因素。使用R语言相关软件包开发STEMI患者PCI术后NRP风险的动态列线图。[结果]449例NRP患者中,NRP发生率为32.3%(145/449)。NRP组患者HALP低于正常复流组患者(P<0.05),HALP诊断NRP的曲线下面积(AUC)为0.880(0.847~0.909),其最佳截断值≤3.04与真实诊断NRP患者的Kappa系数为0.612。多因素Logistic回归分析结果显示年龄、糖尿病和高敏C反应蛋白(hs-CRP)为STEMI患者PCI术后NRP的独立危险因素(P<0.05),左心室射血分数(LVEF)和HALP为独立保护因素(P<0.05)。基于HALP结合年龄、糖尿病、LVEF和hs-CRP的动态列线图(https://xz0311.shinyapps.io/DynNamicNRP/)可有效预测STEMI患者PCI术后NRP风险。[结论]HALP较传统危险因素更能有效预测STEMI患者PCI后NRP风险,而基于HALP开发出的动态列线图,将有助于开展针对高NRP风险患者的个性化治疗策略。

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。

抽油机系统效率动态控制图研制与应用

基于使抽油机井系统效率管理更加精细、节能措施安排更为精准的目的,采用示功图面积计算方法,将系统效率指标细分为地面系统效率和井下系统效率两部分,结合分析主要影响因素试验,以建立多元回归预测模型的方法,绘制出抽油机系统效率动态控制图。而后采用对应的系统效率提升对策,共治理低效井515口,共计实施措施3 385井次,平均系统效率提升7.91个百分点,年共累计节电204.61×10^(4)kWh。结果表明,应用抽油机系统效率动态控制图,能够准确判断出节能潜力,能够提出针对性的提效措施。

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。

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。

基于多视图对比学习的动态图链接预测方法

链接预测旨在推断网络中缺失的边或预测未来可能出现的边.先前的链接预测研究主要集中在处理静态网络上,其目标是预测已知网络中缺失的边,然而,现实世界中许多复杂网络通常是动态变化的,使得动态网络中的链接预测任务往往比静态网络中更为复杂和困难.近年来,基于动态图表示学习的链接预测方法已经展现较好的结果,这类方法利用动态图表示学习方法学习节点的嵌入表示,以捕捉网络的结构和演化信息,从而在动态网络中实现有效的链接预测.现有方法主要采用循环神经网络或自注意力机制作为神经网络架构的组件,通过时间序列网络学习动态网络的演化信息,然而,动态网络的多样性和演化模式的可变性对基于复杂时序网络的方法提出挑战.这些方法可能很难适应不同动态网络中不断发展的演化模式,同时,在图表示学习领域,图对比学习因为其强大的自监督学习能力受到广泛关注,但是现有方法大多针对静态图,对于动态图的研究较少.为了解决上述问题,提出一种动态网络多视图对比学习的链接预测方法,不依赖额外的时序网络参数,实现动态网络的表示学习和链接预测.该方法将动态网络快照视为网络的多个视图,摆脱对比学习对数据增强的依赖.通过构建包含网络结构、节点演化以及拓扑演化三个视图的对比学习目标函数,挖掘快照内网络结构、快照间节点和网络高阶结构的演化模式学习节点表示,实现链接预测任务.最后,在多个真实数据集上进行了多类动态链接预测实验,实验结果显著优于所有基线方法,验证了所提方法的有效性.

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。

动态图神经网络链接预测综述

在现实世界中,复杂的动态网络数据广泛存在,如社交网络、蛋白质相互作用网络和传染病传播网络,它们由大量的节点和边构成。针对这类数据的有效挖掘和利用,以进行精准预测,成为了一项关键任务。动态图神经网络链接预测是深度学习研究领域的一个重要分支,它旨在解析网络随时间演化的内在规律,并预测未来可能形成的链接,为各领域的决策提供有价值的信息和依据。回顾了动态图神经网络的发展历程,介绍动态图的建模方法和训练流程。在此基础上,根据时间粒度的不同,将动态图神经网络链接预测模型细分为离散动态图模型和连续动态图模型两大类,并综述了每一类别中当前主流模型所采用的建模方法;介绍了动态图链接预测研究中常用的数据集、评价指标和应用场景。最后,对该领域的未来发展趋势进行了前瞻性探讨。

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.

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.