基于层次Voronoi图的点群相似度算法

通过对空间点群的自适应聚类方法构建层次Voronoi图,以此层次Voronoi图为切入点,计算点群的拓扑、密度和范围的相似度,结合有关标准差的数理统计方法,计算角度、距离的相似度。在各维度的相似度基础上,使用其几何平均值作为点群整体相似度的度量标准,优化点群相似度的计算方法,并通过实验证明算法的可行性。

融合异质层次因果图的尾矿堆积坝安全状态分析

为探究尾矿堆积坝内外部因素对堆积坝体安全状态的影响,提出基于异质层次图的尾矿堆积坝安全状态分析方法。该方法通过构建异质层次因果图,将环境、渗流场和应力场等关键因素与堆积坝安全状态建立联系,并结合异质节点属性特征,形成环-渗-应安全状态分析指标体系;通过提出定量指标动态等级区间计算方法和安全状态等级计算模型,将坝体安全状态定性问题的模糊性转化为定量化表达,实现对尾矿堆积坝安全等级评价;以洛阳某尾矿坝为例验证模型的科学性。结果表明:该模型能合理定量分析因素与状态之间联系,并找出堆积坝负向演化的敏感性因素,给后续筑坝过程的安全管理提供决策依据。

一种基于BiLSTM 的混合层次化图分类模型

图分类在化学和生物信息学等诸多领域中是一个非常重要且极具挑战的问题,GNN模型是图分类问题的主流方法。现有的GNN模型采用卷积操作来实现邻域节点信息聚集,再通过池化操作生成粗化图。然而,仅通过池化方法不能捕获到每次卷积后读出图的双向依赖关系。为了提取到更充分的特征信息,提出一种混合层次化模型,首先分别提取节点特征信息和结构特征信息,再将特征信息融合,然后采用BiLSTM捕获不同层次读出图之间的双向依赖关系,从而提取到更丰富的特征信息。实验结果表明,与对比模型相比,上述模型的准确度有着明显的提升。

基于节点采样的子结构代表层次池化图卷积网络模型

为解决目前基于节点采样的图池化方法中所存在的评估节点重要性的策略过于简单以及子结构特征信息大量丢失等问题,提出了基于节点采样的子结构代表层次池化模型(sub-structure representative hierarchical pooling model based on node sampling,SsrPool)。该模型主要包括子结构代表节点选择模块和子结构代表节点特征生成模块2个部分。首先,子结构代表节点选择模块同时考虑了节点特征信息以及结构信息,利用不同方法评估节点重要性并通过不同重要性分数协作产生鲁棒的节点排名以指导节点选择。其次,子结构代表节点特征生成模块通过特征融合保留局部子结构特征信息。通过将SsrPool与现有神经网络相结合,在不同规模公共数据集上的图分类实验结果证明了SsrPool的有效性。

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。

基于多层次随机梯度下降的大规模图布局算法

大规模图布局问题是图可视化领域研究热点之一。应力布局模型在保持全局布局结构方面表现出色,然而其求解速度却不及弹簧电荷模型,且局部布局质量也有所欠缺。在维持全局结构稳定条件下,为提高应力模型求解大规模图时的布局速度、改进布局局部结构表达,提出了一个新的多层次随机梯度下降图布局模型。首先利用基于邻居结构的图压缩合并算法生成层次图结构,再使用节点最优放置算法初始化节点坐标。最后利用融合了节点正负样本的随机梯度下降算法细化布局,改进局部布局质量。同时多层次方法也有效提高了布局速度。在30个不同规模的数据集上与现有布局模型进行对比实验,从布局计算效率、布局质量以及可视化效果三个方面证明了该方法的有效性。

AmazeMap:基于多层次影响图的微服务故障定位方法

微服务软件系统由于其具有大量复杂的服务依赖关系和组件化模块,一个服务发生故障往往造成与之相关的1个或多个服务发生故障,导致故障定位的难度不断提高.因此,如何有效地检测系统故障、快速而准确地定位故障根因问题,是当前微服务领域研究的重点.现有研究一般通过分析故障对服务、指标的作用关系来构建故障关系模型,但存在运维数据利用不充分、故障信息建模不全面、根因定位粒度粗等问题,因此提出了AmazeMap方法.该方法设计了多层次故障影响图建模方法以及基于多层次故障影响图的微服务故障定位方法.其中:多层次故障影响图建模方法通过挖掘系统运行时指标时序数据与链路数据,考虑不同层次间的相互关系,能够较全面地建模故障信息;基于多层次故障影响图的微服务故障定位方法通过缩小故障影响范围,从服务实例和指标两个方面发现根因,输出最有可能的故障根因节点和指标序列.基于开源基准微服务系统和AIOps挑战赛数据集,从有效性和效率两个方面设计了微服务软件故障定位实验,并与现有方法进行对比,实验结果验证了AmazeMap的有效性、准确性和效率.

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Voronoi图的精细化PFC数值计算方法与应用

由于岩石细观结构决定宏观力学行为,离散元计算结果的准确性取决于数值模型对岩石复杂细观结构的表征程度。为提高离散元数值计算在采矿工程中的适用性,基于Voronoi图提出一种精细化PFC数值计算方法。Voronoi图剖分空间形成的凸多面体具有随机性和多样性,与岩石细观结构具有自相似性;将Voronoi图中点、线、面、体的编号与坐标数据导入PFC,借助PFC内嵌Fish语言将其转化为PFC可识别几何体,基于Voronoi单元提出2种不规则颗粒模型构建方法(VCPM和VBPM),分别模拟完整岩石和破碎岩石;采用Monte-Carlo方法生成服从Weibull分布的伪随机数,表征岩石细观力学参数,实现岩石非均质性模拟,将不规则颗粒周围接触数目定义为Coordination Number(CN),颗粒体积和颗粒CN分别服从Weibull分布和正态分布,实现岩石细观结构复杂性模拟;VCPM模型可准确模拟完整岩石在单轴和三轴抗压条件下的强度特征及峰前硬化、峰后软化、体积剪胀等行为,模拟所得岩石单轴抗压强度221 MPa,弹性模量64 GPa,内聚力和内摩擦角分别为34 MPa和55°,与实验数据具有较高的一致性;高内摩擦角表明VCPM模型内不规则颗粒间的剪切闭锁效应增强,且模拟结果可反映岩石破坏模式随围压增大由劈裂向剪切甚至塑性流动转变的现象;VBPM模型可准确模拟破碎岩石在侧限压缩实验中的压实和承载特征,初始加载阶段,破碎岩石中含大量孔隙,变形曲线斜率小,轴向载荷增加导致孔隙逐渐压实,变形曲线斜率快速升高,应力应变曲线模拟结果与实验结果吻合,由于VBPM模型不规则颗粒间的自由度差异明显,压缩过程中颗粒间的接触力呈现非均匀分布特征。

基于加权Voronoi图的农村居民点用地适宜性评价及分区管控

随着经济社会的快速发展和城镇化的加快推进,农村人口向城镇集中,造成大量农村宅基地闲置或低效利用,加之宅基地布局散乱、基础设施配套不全,严重影响农村土地利用效率提升和人民生活水平的提高。本文以景泰县为例,在测算农村居民点整治潜力的基础上,应用加权Voronoi图进行农村建设用地适宜性评价和空间热点分析,探究农村居民点布局优化方向与发展的路径策略。结果表明,景泰县农村居民点整治潜力为876.16 hm2,整治潜力较大;农村建设用地适宜性整体较好,但各区域的差异较大,划分为适宜性好、较好、一般、较差、差5个等级;在此基础上将研究区划分为5种农村居民点发展模式区,并针对性地提出管控策略,为更好地开展国土空间规划编制、提高农村土地利用效率,助推乡村振兴提供参考和借鉴。

结合层次图神经网络与长短期记忆的产业链风险评估预警模型

产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而,现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性,无法准确评估公司风险,且忽略了动态财务数据对产业链的影响,无法提前感知风险,进行风险预警。针对以上问题,提出一种结合层次图(HG)神经网络与长短期记忆(LSTM)的产业链风险评估预警模型(HiGNN)。首先,利用产业链上下游关系和投融资关系构建“产业链-投资”HG;其次,利用财务特征提取模块提取公司多季度财务数据的特征;再次,利用投资特征提取模块提取投资关系图特征;最后,利用注意力机制融合财务特征和投资特征,通过图表示学习方法对公司节点进行风险分类。在真实的集成电路制造业数据集上的实验结果表明,与图注意力网络(GAT)模型、循环神经网络(RNN)模型相比,当训练比率为60%时,所提模型的准确率分别提升了14.87%、22.10%,F1值提升了12.63%、16.67%。所提模型能够有效捕捉产业链中的传染效应,提高风险识别能力,优于传统的机器学习方法和图神经网络方法。

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。

基于分区层次图的海量高维数据学习索引构建方法

学习索引是破解海量高维数据近似最近邻搜索问题的关键。然而,现有学习索引技术结果仅局限于单个分区中,且依赖于近邻图的构建。随着数据维度和规模的增长,索引难以对分区边界数据进行精确判断,并且构建时间复杂度增大,可扩展性难以保障。针对上述问题,提出了基于分区层次图的学习索引方法PBO-HNSW。该方法对分区边界数据进行重新分配,并行构建分布式图索引结构,从而有效应对近似最近邻搜索问题所面临的挑战。实验结果表明,该方法能够在百万级海量高维数据上实现毫秒级的索引构建。当召回率为0.93时,PBO-HNSW方法构建时间仅为基线方法的36.4%。

基于Voronoi图与条件随机场的自然场景文本检测方法

在自然场景中准确有效地检测文本是一项艰巨的任务,故提出一种基于条件随机场(CRF)框架的场景文本检测方法。通过利用贝叶斯推断估计文本极大值区域的置信度作为一元成本项,通过使用维诺图(Voronoi图)来构建CRF空间邻域信息,从而构建图模型,通过最大流算法最小化成本函数区分文本与非文本标记;利用字符的几何特性通过聚类方法聚合成行。实验结果表明,该算法比传统基于最大稳定极值区域(MSER)算法性能有所提高,自然场景文本检测正确率能达到87%。

一种基于Voronoi图的三维开孔泡沫模型构建方法

开孔泡沫材料是一种可以满足航空航天等高新技术领域实际需求的先进的功能结构一体化材料,在工程实际生产应用方面有较好的发展前景。关于三维开孔泡沫的力学模型研究已经得到了一定的发展,但是在声学方面鲜有研究。提出一种利用Voronoi图构建三维开孔泡沫模型的方法,用于模拟开孔泡沫微结构的几何特性,并定义扰动因子K来衡量微观结构的不规则程度;利用光敏树脂打印技术生成对应的实物模型,并通过力学及声学实验与仿真对生成模型的准确性进行验证。结果表明:生成的带有截面属性的开孔泡沫实体模型可以导入多种有限元软件完成力学、声学等有限元计算,对三维Voronoi开孔泡沫模型的构建提供了思路和方法,对多孔材料的进一步性能研究和生产制备具有借鉴意义。

基于图增强和图神经网络的层次社区发现方法

[目的]现有的多分辨率层次社区发现方法需要搜索分辨率参数得到特定层次的社区划分,且无法利用网络拓扑与节点属性之间的关联获取社区结构信息.为解决这些限制,本文提出一种基于图增强和图神经网络的层次社区发现方法HCEG.[方法]首先在图增强过程中对原始网络进行重构,使得构建的初始社区种子能涵括节点属性和拓扑信息,然后对初始种子社区集进行合并,再采用基于图神经网络的方法进行拓展,以搜寻网络中不同层次的社区划分.[结果]与其他SOTA方法相比,所提出的HCEG方法可以准确地找到不同类型真实网络中的分层社区结构,并可在不同规模的真实网络中可以获得良好的社区发现性能.[结论]在社交网络、引文网络、网页超链接网络等真实数据集上的一系列实验,验证了HCEG方法的可行性和有效性.

基于Voronoi图和距离衰减效应的模糊实例空间并置模式挖掘算法

空间并置模式挖掘用于发现一组空间特征,它们的实例在空间中频繁地相互邻近。传统的空间并置模式挖掘过程中,将空间实例抽象成点对象,每个实例对应一个确定位置。然而,规模较大的空间实例有多个重要位置点(如医院、公园入口),其空间位置因对其入口的认知不同而存在差异,具有模糊性。对于这些模糊实例,本文考虑其重要位置点对该实例规模的贡献,重新定义实例间的邻近度。此外,传统的并置模式挖掘方法忽略了特征实例的空间分布密度以及邻近实例间的邻近程度,采用静态的距离阈值来识别邻近实例。本文考虑特征的分布密度,用Voronoi图自适应提取不同特征的邻近实例,结合邻近实例的距离衰减函数,更加科学地描述实例间的邻近度。提出一种同时考虑模糊实例规模和距离衰减效应的空间并置模式挖掘方法,为实现快速挖掘,设计了极大团和哈希表搜索参与实例的挖掘框架。在真实数据集和合成数据集上进行实验,验证本文的算法可以发现传统空间并置模式挖掘方法所忽略的有意义模式。

思维导图分层次教学在内科实习护生医院感染防控带教中的应用

目的:分析思维导图分层次教学在内科实习护生医院感染防控带教中的应用效果。方法:选取某医院内科实习的60名护生为研究对象,按照随机数表法分为两组,每组30名。对照组采取常规教学模式,研究组应用思维导图分层次教学。比较两组满意度、考核成绩(理论、实践、感染防控、动手能力、书写能力)、综合素质能力(处理问题能力、应变能力、沟通能力、协调能力)、学习自信心评分、学习主动性评分。结果:研究组学生的满意度高于对照组(P<0.05)。研究组学生各项考核成绩明显高于对照组(P<0.05),研究组学生各项综合素质能力评分均高于对照组(P<0.05)。结论:思维导图分层次教学在内科实习护生医院感染防控带教中的应用确切,可以提高实习护生考核成绩和综合素质能力,增强实习护生的工作信心、工作主动性及主观能动性,提高实习护生满意度,值得推广应用。

利用层次Voronoi图进行点群综合

通过距离权重描述点的重要程度,采用改进的k-means算法得到点群的聚类中心,进而以聚类中心为基础,构建了层次加权Voronoi图与Voronoi层次树结构。以点群的分布范围、排列方式与密度为度量,给出了基于Voronoi层次树结构的点群综合方法,确保了点群综合前后在空间形态分布上的一致性。结合地理统计学计算,对综合方法作了进一步的量化评估与优化。经验证,本文方法是可行、有效的。

基于Voronoi图和快速行进的移动机器人导航路径规划

移动机器人导航路径规划是机器人的关键技术,其目标是高效、高质量寻找导航和运动规划路径。论文介绍了移动机器人通用控制平台的架构,提出了一种新的全局路径规划器,即采用Voronoi图提取环境中最安全的区域,并将快速行进法应用于由Voronoi图所提取的最安全区域中,从而获得最短的路径。另外,提出了通用机器人导航架构,在对导航架构描述的基础上将机器人导航和环境快速全局规划器相结合,并采用样条规划曲线对机器人的全局路径进行细化插补。该方法将地图尺寸缩小为一维地图,且是移动机器人环境中最安全的区域,这使得移动机器人具有速度快、可靠性强的特点。将提出的方法应用于实际的移动机器人导航路径规划中,结果表明该方法能够成功地完成移动机器人导航路径规划任务。