锚社区时序网络图生成算法

图数据相关分析任务往往需要合成数据集来检验和评估算法的有效性和高效性。真实世界图数据不仅在拓扑上具有社区结构特征,还往往在时序上呈现出一定的演化特性,社区节点可能在锚定时间窗口内频繁交互。然而,现有合成方法存在一定局限性。大多方法或仅关注网络中的社区结构,或仅关注网络中的时序信息,无法生成节点锚时频繁交互的社区。为克服此局限,提出了锚社区概念及定义以刻画社区内节点锚时频繁交互的特性;接着,基于分布概率生成模型提出了一般时序图生成算法;进一步地,提出了锚社区时序网络图生成算法(GTN-AC),不仅允许用户配置锚定时间窗口,还允许用户指定度数分布和时间戳分布。实验结果表明,相较于基准方法,GTN-AC能在保证较优生成质量的同时拥有较快的生成速度。

基于多尺度时空Transformer的视频动态场景图生成模型

为应对动态视频中物体间关系在时间维度上的动态变化,提出一种基于多尺度时空Transformer的视频动态场景图生成模型,在经典的Transformer架构基础上引入了多尺度建模思想,以实现对视频动态细粒度语义的精确建模。首先,在空间维度上保留了传统模型对物体在全局空间相关性的关注;同时还对物体间的相对位置进行了局部空间相关性建模,以便更好地理解人和物之间的交互动态,提供更准确的语义分析结果。其次,在时间维度上,除了保留传统模型对视频中物体短期时间相关性的关注外,还关注了同一对物体在完整视频中的长期时间相关性,通过更全面地建模物体之间的长期关系,生成更准确、连贯的场景图,在一定程度上缓解了由遮挡、重合等引起的场景图生成问题。最后,通过空间编码器与时间编码器的共同作用,更加精准地建模视频动态细粒度语义,克服了传统的单尺度模型的局限性。实验结果显示,在Action Genome基准数据集上,与基线模型STTran相比,在谓词分类、场景图分类与场景图检测三个任务的Recall@10指标上分别提升了5.0、2.8、2.9个百分点。实验结果表明,多尺度建模思想能够更加精确地建模,并有效地提高在视频动态场景图生成任务上的性能。

基于多模态特征转换嵌入的场景图生成

场景图生成是计算机视觉领域中的热点研究方向,可连接上、下游视觉任务。场景图由形式为<主语-谓语-宾语>的三元组组成,模型需要对整幅图像的全局视觉信息进行编码,从而辅助场景理解。但目前模型在处理一对多、多对一和对称性等特殊的视觉关系时仍存在问题。基于知识图谱与场景图的相似性,我们将知识图谱中的转换嵌入模型迁移至场景图生成领域。为了更好地对此类视觉关系进行编码,本文提出了一种基于多模态特征转换嵌入的场景图生成框架,可对提取的视觉和语言等多模态特征进行重映射,最后使用重映射的特征进行谓语类别预测,从而在不明显增加模型复杂度的前提下构建更好的关系表示。该框架囊括并补充了现存的几乎所有转换嵌入模型的场景图实现,将四种转换嵌入模型(TransE、TransH、TransR、TransD)分别应用于场景图生成任务,同时详细阐述了不同的视觉关系类型适用的模型种类。本文所提框架扩展了传统应用方式,除独立模型之外,本文设计了新的应用方式,即作为即插即用的子模块插入到其他网络模型。本文利用大规模语义理解的视觉基因组数据集进行实验,实验结果充分验证了所提框架的有效性,同时,得到的更丰富的类别预测结果表明了本文所提框架有助于解决数据集中的长尾偏差问题。

基于邻域相似性和超像元增强的SAR影像差异图生成

差异图的质量是影响合成孔径雷达(synthetic aperture radar,SAR)影像变化检测性能的关键因素之一。文章针对SAR影像,提出了一种全新的基于邻域相似性和超像元增强的差异图生成方法。首先,将邻域信息引入到相似性算子,利用邻域相似性生成初步差异图;然后,对初步差异图进行超像元分割,并基于分割结果利用性质“差异图中像元灰度值越大,对应区域发生变化的可能性越大”对初步差异图进行增强。4组真实SAR影像数据的实验结果表明,与4组先进水平的差异图生成方法相比:该方法能够明显提高变化区域和未变化区域的对比度,得到更高质量的差异图;能够得到更优的变化检测结果。

基于增强语义信息理解的场景图生成

场景图生成(SGG)任务旨在检测图像中的视觉关系三元组,即主语、谓语、宾语,为场景理解提供结构视觉布局。然而,现有的场景图生成方法忽略了预测的谓词频率高但却无信息性的问题,从而阻碍了该领域进步。为了解决上述问题,提出一种基于增强语义信息理解的场景图生成算法。整个模型由特征提取模块、图像裁剪模块、语义转化模块、拓展信息谓词模块四部分组成。特征提取模块和图像裁剪模块负责提取视觉特征并使其具有全局性和多样性。语义转化模块负责将谓词之间的语义关系从常见的预测中恢复信息预测。拓展信息谓词模块负责扩展信息谓词的采样空间。在数据集VG和VG-MSDN上与其他方法进行比较,平均召回率分别达到59.5%和40.9%。该算法可改善预测出来的谓词信息性不足问题,进而提升场景图生成算法的性能。

多连通域Voronoi图生成算法的研究

Voronoi图作为一种重要的计算机图形学技术 ,在数控加工、机器人的运动规划和曲面生成等许多领域都有广阔的应用前景。研究了由直线和圆弧组成的平面多连通域Voronoi图的生成算法 ,提出了平面闭包的搜索算法与闭包的归一化方法 ,根据单连通域Voronoi图的生成算法实现了多连通域Voronoi图的构造。

基于差分隐私保护的社交网络发布图生成模型

社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一个满足差分隐私保护的社交网络发布图生成模型,首先通过图模型表示社交网络结构,并将原图按照节点特征分类为多个子图;然后利用四叉树方法对子图的密集区域进行划分,在树的叶子节点添加满足差分隐私保护的噪声;通过子图重构的方式,生成待发布图.最后,利用度分布、最短路径、聚类系数等统计分析方法,实验验证了该模型的可行性和有用性.

基于模板的工程图生成

为解决工程图样式多样化带来的效率低下的问题,提出了一种基于模板的工程图生成方法。把工程图抽象为一个复杂的表格,利用表格模板技术,完成工程图模板方案的设计;根据不同数据特点,设计了由3种方式构成的数据录入策略;数据和模板通过参数名字符串建立数据接口。从工程图的样式抽象出模板,根据给定的数据和视图生成相应的工程图。在CATIA上利用基于组件应用架构(CAA)的定制开发包,开发了一套工程图快速生成的软件,对本文设计的工程图生成方法的有效性进行了验证,满足了工程图多样性样式的同时,提高了效率。

基于加权有限状态机的动态匹配词图生成算法

由于现有的加权有限状态机(WFST)解码网络没有精确词尾标记,导致当前已有的词图生成算法不含精确的词尾时间点,或者仅是状态、音素级别的词图,无法应用到关键词检索中。该文提出在WFST静态解码器下的语音识别词图生成算法。首先从理论上分析了WFST解码音素图和词图的可转换关系,然后提出了字典的动态音素匹配方法解决了WFST网络中词尾时间点对齐的问题,最后通过令牌传递的遍历方法生成了词图。同时,考虑到计算量优化,在令牌传递过程中引入了剪枝算法,使音素图转词图的耗时不到解码耗时的3%。得到的词图,不仅可以用于语言模型重打分,由于含有精确的词尾时间点,还可以直接应用到关键词检索系统中。实验结果表明,该文的词图生成算法具有较高的计算效率;和已有动态解码器的词图相比,词图中包含更多解码信息,在大词汇连续语音识别的重打分结果和关键词检索中都能取得更好的性能。

基于Intranet的实时网络拓扑图生成算法研究

本文针对目前园区网络拓扑发现中实时性较差，自动生成的拓扑图上不能直接显示子网内结点，ＩＰ地址分配错误无法发现的不足，提出了自己的基于园区网和Ｗｉｎｄｏｗｓ９５／ＮＴ平台的网络拓扑生成的算法、数据组织、程序实现。本文将一个真实的网络拓扑带入网络管理系统，为网络管理的图形用户界面提供坚实基础。本文为制作有自己版权的汉化网络管理系统软件提供非常有益的借鉴和参考。

全景图生成软件对比与分析研究

全景图在虚拟环境、街景地图等应用中发挥的作用日益重要,成为地理信息表达的一种重要方式。本文通过介绍全景图生成的关键技术,重点利用目前主流的三款全景图生成软件Photo Stitch、Panorama Maker、Pix Maker,分别对室内图像及室外图像进行全景图的拼接实验,并对三款软件的拼接结果及图像融合效果进行对比分析,从而为用户选择及使用软件提供指导。

用于交通流预测的自适应图生成跳跃网络

针对交通流数据复杂的时空相关性,提出新的基于深度学习的自适应图生成跳跃网络(AG-JNet模型).该模型由2个时空模块组成,每个时空模块分为2支,分别对时间相关性和空间相关性建模.时间建模采用多层扩张卷积,在增大时间维度感受野的同时降低计算开销.空间建模采用自适应图生成卷积,在不依赖图的固定结构下提取空间相关性.在时间和空间的建模中均采用跳跃连接堆叠多层,以提升模型的深层特征提取能力,将时间特征和空间特征进行门控融合,提取出用于交通流量预测的时空特征.在2个真实数据集PeMSD4和PeMSD8上的实验表明,AG-JNet在不同指标下取得了优异的性能.

全景图生成技术研究

与基于几何的VR建模相比,全景图具有更大的优势,其生成方式主要有全景相机直接生成法、大视角的镜头获取法、普通数码相机获取法。本文主要针对第三种方法进行了深入探讨,着重叙述了柱状全景图生成的原理和具体方法。本文结尾在图像采集、投影的算法、全景图漫游等方面的不足提出新的研究方向。

路基剖面图生成显示系统

本文介绍了一种路基剖面图生成显示系统。该系统可在windows环境下实现路基剖面图的生成、显示、缩小(或还原)、局部放大和打印功能。

一类体积填充趋化模型的斑图生成(英文)

本文讨论一类体积填充趋化模型(*)的不稳定常数平衡解附近的非线性动力学性态.研究表明{Ut=(d1U-χU(1-U/γ)V),(*)Vt=d22V+U-V,对任意给定的一般初始扰动δ,在以lnδ-1为阶的时间段内,该扰动的非线性演化由相应的线性化系统的最快增长模式所控制,并对斑图生成进行定量的刻画.

基于ArcEngine的云剔除纹理底图生成方案

本文给出了一种基于ESRI公司开发的嵌入式组件ArcEngine和.net企业级三层架构对特定区域遥感影像数据中有云像元进行剔除,并生成较高质量的纹理底图的方法,同时详细介绍了系统的设计思想及开发过程的中的核心算法。

生命的另一个奥秘——浅谈生物数学与斑图生成

生命是什么?生命从哪里来的? 这些问题从人类出现开始就是困惑的谜.历史上无数智者都想解开这个千古难题,从而不知衍生了多少诗歌、神话和宗教.几乎每一个宗教都认为自然万物是由神创造的,而且每种生命被创造出来后形态特征和生理特点就一成不变.

关于k(1≤k

k( 1≤k <n)阶Voronoi图由k阶最近点Voronoi图和k阶最远点Voronoi图组成 ,是Voronoi图的一种重要推广。k阶Voronoi图常用于确定平面点集中k个点的最邻近或最远问题 ,具有广泛的应用。本文首先对k阶Voronoi图的基本性质进行了证明 ,并讨论了k阶最近点与最远点Voronoi图的关系 ,最后 ,给出了一种生成k阶Voronoi图的算法。该算法思路清昕 ,数据结构简洁 ,易于实现 ,并以图例验证了算法的有效性。

外部信息引导和残差置乱的场景图生成方法

场景图因其具有的表示视觉场景内容的语义和组织结构的特点,有助于视觉理解和可解释推理,成为计算机视觉研究热点之一。但由于现存的视觉场景中目标和目标之间关系标注的不平衡,导致现有的场景图生成方法受到数据集偏置影响。对场景图数据失衡问题进行研究,提出一种基于外部信息引导和残差置乱相结合的场景图生成方法(EGRES),缓解数据集偏置对场景图生成的负面影响。该方法利用外部知识库中无偏置的常识性知识规范场景图的语义空间,缓解数据集中关系数据分布不平衡的问题,以提高场景图生成的泛化能力;利用残差置乱方式对视觉特征和提取的常识性知识进行融合,规范场景图生成网络。在VG数据集上的对比实验和消融实验证明,提出的方法可以有效改善场景图生成。对于数据集中不同标签的对比实验证明,提出的方法可以改善绝大多数关系类别的生成性能,尤其是中低频关系类别下的场景图生成性能,极大地改善了数据标注失衡的问题,比现有的场景图生成方法具有更好的生成效果。

一种基于网络安全梯度的攻击图生成并行化方法

攻击图正成为一种网络安全分析的关键技术。介绍网络安全梯度的概念来反映网络攻击的方向性和网络防御的层次性。据此,改进了单调性假设以减小攻击图的规模。利用网络安全梯度的概念,将攻击图生成进行子任务划分,从而设计了并行化的攻击图生成算法。与以前的算法进行比较,实验结果表明并行算法有效地提高了攻击图生成效率:在内存为32GB的8核的服务器上,并行算法能在20秒内生成网络规模为400的攻击图。此外,该工作可能对于攻击图的分析和网络弥补技术在大型网络应用有所帮助。