基于运动动态和多层超图关联的多目标跟踪

多目标跟踪会面临目标间外观相似、数据丢失、目标间的轨迹交叉以及相机运动等多种问题。文章提出一种基于目标运动动态和多层超图关联的方法,可有效解决以上问题带来的影响。首先,在不使用先验运动模型的前提下,通过利用目标运动动态,获取整个视频内所有目标的运动动态信息,构造轨迹碎片间的相似度比较函数,减小具有相似外观的不同目标之间的误匹配;其次,使用超图关联,对各个轨迹碎片进行全局搜索聚类,使得跟踪问题转化为一个动态搜索超图的超边集问题,优化求解后跟踪系统能够有效处理长时间的遮挡,并且具有较好的鲁棒性。实验表明,在具有挑战性的公共视频序列,该文提出的方法显示了其良好的优越性,能够有效克服目标的复杂运动、相机运动和长时间的遮挡,而这些都是没有任何外观信息的。

基于关联超图的产品4D信息模型研究

介绍了产品设计过程中的4D信息模型的构成及特点。用关联超图对产品设计过程的4D信息模型进行了形式化描述研究,记录产品进化的历史,实现了产品设计过程中信息的可追溯性,为产品信息的检索、重用和修改提供了基础。结合实例验证该方法的可行性,为产品设计及其过程管理提供了一种新的途径和研究方法。

基于超图的产品4D信息模型描述的研究

针对产品设计过程中的复杂性和动态性,融合超图理论和产品4D信息概念,建立了基于关联超图的产品4D信息模型,提出了用关联超图描述产品设计过程中不同阶段之间关系的方法。关联超图可记录产品设计过程进化的历史,实现产品设计过程中动态信息的可追溯。

面向模块化变型设计的多尺度模型研究

面向已有产品的模块化变型设计需求,提出了一种多尺度建模技术,讨论了根据用户需求的零部件及模块的变更范围确定过程,将模块化产品模型分解为过程服务流模型、模块模型和零部件模型三种模型。利用关联超图描述模块化设计过程中不同阶段之间的服务约束关系。引用结构化超图对零部件和模块的信息进行形式化描述,建立结构化模型;然后通过多尺度信息融合技术对结构模型中的约束信息进行融合,从而为零部件和模块的变更系数提供约束数据源。最后通过实例分析表明了该方法的科学性和实用性。

基于Web挖掘的电子商务推荐系统中推荐方法研究

以改进Apriori算法、K_means聚类算法和ARHP算法3种不同的Web挖掘技术为基础构造推荐算法,形成推荐集.仿真实验结果表明基于ARHP的推荐算法的覆盖率和准确度明显高于其他两种方法,可用于基于Web挖掘的电子商务推荐系统中.