带连通性约束的快速交互式Graph-Cut算法

Graph-Cut算法是图像及视频中经典且有效的前景和背景分离算法,针对其计算量较大导致实时性不佳、前景和背景颜色相似时分割结果易出现shrinking bias现象的问题,提出一种改进算法.该算法利用Mean-Shift技术对图像进行预处理,将原图像表示成基于区域的、而不是基于像素的图结构,预处理结果还可应用于后续的前景和背景颜色分布估计过程,使得计算量大大下降;在能量函数中引入了具有自适应权值调节功能的连通性约束项,有效地改善了shrinking bias现象,提高了分割结果的精确性.实验结果表明,文中算法具有良好的实时交互性,且分割效果更加稳定和精确.

局部颜色模型的交互式Graph-Cut分割算法

由于目前大多数交互式Graph-Cut分割算法很难达到精确分割且实时交互的效果.对此,提出一种基于局部颜色模型的改进算法.该算法利用Mean-Shift预分割,建立基于局部颜色模型的交互式分割框架,并将像素级的Graph-Cut算法转化为基于区域的算法进行快速求解.预分割之后的区域保持了原有图像的结构,不仅提高了采用局部颜色模型估计分布的准确性,而且基于区域Graph-Cut的算法明显降低了计算的复杂度.实验结果表明,改进后的算法不仅保证了分割的精确性,而且还达到了实时交互.

面向周期边查询的高效图流概要技术

当前图流概要技术不能在小内存下实现高效准确的图流测量,也无法完成周期边查询,为此提出面向周期边查询的图流概要技术——周期交互矩阵(PIM).PIM为混合结构,由存储重边的二维邻接矩阵和存储轻边的三维邻接矩阵组成,提高了内存效率.二维邻接矩阵保留重边标识、权重和时间戳,实时完成包括周期边查询在内的多种查询任务.设计基于权重和时间的替换策略,使用共享哈希技术以提高查询精度和插入查询效率.实验结果表明,PIM在小内存下实时高效地完成了多种图流查询任务,能够准确地召回所有频繁边、频繁点和周期边.对比当前图流概要技术,PIM将查询任务的平均相对误差降低了91.41%~99.54%.

SpecGraph:基于并发更新的分布式实时图计算模型

随着互联网的快速发展,越来越多的应用需要在大规模图结构数据上作分析和计算,面对动态变化的图结构,人们希望能够实时地得到反映最新图结构的计算结果.传统的图处理系统都是面向静态图结构,不能满足动态图结构的实时性要求.已经提出的增量图计算模型,其算法适用范围受限,而且都是基于串行执行增量更新,当图结构变化比较迅速时,往往结果的实时性不够高.提出了一种新的基于并发更新的图计算模型SpecGraph,它通过解耦合的计算模型、异步执行引擎和基于推测执行的并发更新机制,达到更广的算法适用性和更高的实时性要求.SpecGraph通过解耦合的计算模型,使得顶点状态只依赖于接收到的邻居信息,为增量更新和并发更新提供了透明实现的可能;通过异步计算引擎,使得系统在增量更新时更加灵活,资源占用低,同时保证了并发的可执行性;通过基于推测执行的并发增量更新,SpecGraph能够达到更高的实时性要求.

Changes in the Brain’s Intrinsic Organization in the Resting State with Real-Time fMRI Neurofeedback Training of Posterior Cingulate Cortex Activity

Real-time functional magnetic resonance imaging (rtfMRI) technology has been widely used to train subjects to actively regulate the activity of specific brain regions. Although many previous studies have demonstrated that neurofeedback training alters the functional connectivity between brain regions in the task state and resting state, it is unclear how the regulation of the key hub of the default mode network (DMN) affects the topological properties of the resting-state brain network. The current study aimed to investigate what topological changes would occur in the large-scale intrinsic organization of the resting state after the real-time down-regulation of the posterior cingulate cortex (PCC). The results indicated that the down-regulation of the PCC in the DMN reduced the functional connectivity of the PCC with the nodes outside of the DMN and reduced functional connectivity between the superior medial frontal gyrus (SFGmed) and parahippocampal gyrus (PHG) in the experimental group. Moreover, the nodal graph properties of the SFGmed were reduced, while that of the PHG showed the opposite alteration after the down-regulation of the PCC. These findings possibly suggest that the regulation of the key hub of the DMN, the PCC, mainly changed the information transfer of the SFGmed and PHG.

融合时序门控图神经网络的兴趣点推荐方法

现有的大多数兴趣点(point of interest,POI)推荐系统由于忽略了用户签到序列中的顺序行为模式,以及用户的个性化偏好对于POI推荐的影响,导致POI推荐系统性能较低,推荐结果不可靠,进而影响用户体验。为了解决上述问题,提出一种融合时序门控图神经网络的兴趣点推荐方法。运用时序门控图神经网络(temporal gated graph neural network,TGGNN)学习POI embedding;采用注意力机制捕获用户的长期偏好;通过注意力机制融合用户的最新偏好和实时偏好,进而捕获用户的短期偏好。通过自适应的方式结合用户的长期和短期偏好,计算候选POI的推荐得分,并根据得分为用户进行POI推荐。实验结果表明,与现有方法相比,该方法在召回率和平均倒数排名这两项指标上均有较为明显的提升,因此可以取得很好的推荐效果,具有良好的应用前景。

面向主动配电网实时优化调度的图强化学习方法

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性,同时新能源和负荷也给配电网带来了双重不确定性,致使主动配电网的实时优化调度决策维度大、建模精度差.针对这一问题,本文提出结合图神经网络和强化学习的图强化学习方法,避免对复杂系统的精准建模.首先,将实时优化调度问题表述为马尔可夫决策过程,并将其表述为动态序贯决策问题.其次,提出了基于物理连接关系的图表示方法,用以表达状态量的隐含相关性.随后,提出图强化学习来学习将系统状态图映射到决策输出的最优策略.最后,将图强化学习推广到分布式图强化学习.算例结果表明,图强化学习在最优性和效率方面都取得了更好的效果.

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.

多尺度建筑物立面特征的图结构表达方法

针对现有建筑物三维成果缺乏形式化表达,不同专业获取的立面信息尺度单一,缺乏具体采集内容、规范不足的问题,本文从街区-单体-墙面3个尺度构建了建筑物立面特征元素及其之间的关系描述规范,提出了基于混合图模型的多尺度图结构建筑物立面特征表达方法,实现对建筑物立面的多尺度特征描述,并选取试验区域,依托Neo4j图数据库技术,从空间多尺度构建、立面特征实体构建和关联关系构建3方面构建建筑物多尺度特征模型。结果表明,通过将城市建筑物外立面的相关信息存入图数据库,可以实现数据的整合,使得原本分散、难以管理的数据变得集中、有序,同时图结构数据库的建立促进了数据的共享,提高了信息的流通效率和利用率。

子图增强的实时同名消歧

实时同名消歧旨在实时、准确地将具有歧义的作者姓名的新增论文关联到同名候选作者中的正确作者。当前同名消歧算法主要解决冷启动同名消歧问题,较少探索如何高效并有效地解决实时同名消歧问题。该文提出了子图增强的实时同名消歧模型RND-all,该模型通过高效地融合待消歧论文与候选作者之间的结构特征来提升模型的准确率。模型根据待消歧论文的属性与同名候选作者的档案分别构建子图,使用子图结构特征提取框架来计算图相关性特征,最后,通过特征工程以及文本嵌入方法计算语义匹配特征,并利用集成学习实现语义信息与结构信息的融合。实验结果表明,融入结构信息能够有效提升实时同名消歧任务的准确性,RND-all在百万级同名消歧基准WhoIsWho测试集上效果排名第一。

基于微服务架构的智慧灯杆系统研究与应用

传统智慧灯杆系统实时数据的推送和获取需通过不断轮询,占用系统开销,网络带宽压力大,且高流量请求可能造成系统崩溃等问题。为解决上述问题,设计和实现了一种基于微服务架构的智慧灯杆数据实时推送系统。从业务实际需求出发,对系统技术架构与功能架构进行设计,明确4种技术模块与功能模块,并通过提取梳理模块、功能、实体以及资源结点的关系与属性,明确不同结点之间的权重,搭建图网络,采用图聚类算法将系统拆分为以实时数据推送服务为主的九大微服务。系统针对实时数据推送需求,采用双Redis数据库设计,分离实时数据与缓存数据,明确了3种实时数据存储结构以及数据点位表、转存配置表、系统三者之间的关系,启用Redis实时数据库键空间通知功能,监听特定键值变化,并通过Websocket实时推送到客户端。系统测试表明,该系统可以高效、准确地实现智慧灯杆实时数据推送以及历史数据的展示与存储,满足实时性与并发需求,其为智慧城市中的智慧灯杆数据可视化场景建设提供了完善的解决方案。

基于图注意力网络的配电网分布式光伏实时消纳能力评估方法

大规模分布式光伏接入加剧了配电网运行的复杂度与不确定性,实时准确评估配电网分布式光伏消纳能力成为系统安全运行的迫切需求。针对传统评估方法依赖大量仿真计算难以满足实时性的问题,同时应对传统人工智能方法难以适应配电网拓扑频繁变化的情况,基于图注意力网络模型提出一种配电网分布式光伏实时消纳能力评估方法。该方法结合网络拓扑结构,充分挖掘有关光伏消纳的节点特征,提高模型在拓扑结构频繁变化时的适应性。通过节点光伏消纳能力回归模型和节点光伏消纳制约条件分类模型,实时评估配电网各节点光伏消纳能力,并确定各节点光伏消纳的制约条件。仿真算例表明,所提方法在面对已知拓扑时具有较好准确性与实时性,面对未知拓扑时拥有较好的泛化能力。

基于深度学习的患者麻醉复苏过程中的头部运动幅度分类方法

头部姿态估计在很多领域都有广泛研究,然而在医学领域,利用头部姿态估计去监测麻醉恢复室(PACU)中患者复苏的研究很少。现有的从单个图像中学习用于头部姿态估计的细粒度结构聚合网络(FSA-Net)存在收敛效果差、参数过拟合的问题。针对以上问题,利用300W-LP、AFLW2000和BIWI共3个公开数据集,对患者麻醉复苏过程中的头部运动进行监测,基于头部姿态估计提出一种患者头部运动幅度分类方法。首先,将FSA-Net其中一个stream的激活函数线性整流单元(ReLU)替换为带有泄漏修正线性单元(LeakyReLU),从而优化模型的收敛效果,同时用AdamW(Adam Weight decay optimizer)优化器替换Adam优化器,解决参数过拟合问题。其次,对患者麻醉复苏中头部运动幅度进行分类,分为小幅度、中幅度以及大幅度运动。最后,利用PHP(Hypertext Preprocessor)、Echarts(EnterpriseCharts)以及PostgreSQL实现数据可视化,绘制患者头部运动实时监测图。实验结果表明,在AFLW2000数据集和BIWI数据集上,改进的FSA-Net的平均绝对误差比原FSA-Net的平均绝对误差分别减小了0.334°和0.243°。改进模型在麻醉复苏检测中具有实际效果,能够辅助医护人员对患者进行麻醉复苏判定。

基于时空图注意力网络的服务机器人动态避障

为了解决服务机器人在具有自主决策能力的密集人群中容易发生碰撞、假死和路径不自然等问题,在深度强化学习的框架下提出基于时空图注意力网络的服务机器人动态避障算法。时空图注意力网络作为邻近策略优化(PPO)算法的决策函数,首先采用门控循环单元控制机器人对环境的记忆和遗忘程度,提取环境的时间特征,使其对行人运动趋势有一定的预测作用;然后采用图注意力网络获取机器人和行人在空间上的隐式交互特征,使机器人能寻找无碰撞路径;最后在PPO算法中对时空图注意力网络进行训练,使得机器人在人群中完成无碰撞导航任务。在人均2.5 m^(2)的动态封闭环境中对算法进行实验验证,结果表明,与非学习型的动态窗口算法相比,该算法导航成功率提高71个百分点,与基于学习型的DSRNN-RL算法相比,该算法导航成功率提高3个百分点同时导航路径更短。Gazebo环境下的实时导航测试结果表明,所提算法的平均推理时间为21.90 ms,可以满足实时导航的要求。

基于实时视频流的3D人体姿势和形状估计

为满足元宇宙、游戏及虚拟现实等应用场景中对实时视频流3D人体姿势和形状估计准确性和真实性的要求,提出了一种基于时间注意力机制的3D人体姿势和形状估计方法。首先,提取图像特征,并将其输入运动连续注意力模块以更好地校准需要注意的时间序列范围;随后,使用实时特征注意力集成模块以有效地组合当前帧与过去帧的特征表示;最后,通过人体参数回归网络得到最终结果,并使用基于图卷积的生成对抗网络判断模型是否来自真实的人体运动数据。相较于之前基于实时视频流的方法,在主流数据集上加速度误差平均减少了30%的同时,网络参数与计算量减少了65%,在实际测试中实现了每秒55~60帧的3D人体姿态和形状估计速度,为元宇宙、游戏及虚拟现实等应用场景提供更好的用户体验和更高的应用价值。

实景三维广州应用服务平台设计与功能实现

以实景三维广州应用服务平台为例,本文详细介绍了平台的功能模块、实施特色以及关键技术等;与传统三维地理信息系统或平台相比,实景三维广州应用服务平台在地理实体的一码多态管理、关联分析、语义建立以及实景三维数据的按需组装、基于知识图谱的实体关系分析等方面具有显著特色。

基于深层级联残差图卷积的暂态稳定评估模型及其实际电网应用

目前,数据驱动的暂态功角稳定评估模型的研究和测试主要在小规模算例系统进行,在实际电网的应用检验不足,其内在原因是图深度学习中的局部信息提取特点与功角稳定全局性的矛盾尚未解决。为此,设计一种深层级联残差图卷积模型,利用含残差连接的深层级联结构,实现模型层数堆叠性能的有效提升。利用MinMaxPooling模块,使模型参数与系统规模解耦。该模型结构设计与节点数量无关,可以解决数据驱动模型应用于大规模实际电网的问题。在某5419个节点的实际区域电网进行测试,结果验证了所提模型的有效性和实用性。

多台四向车实时交通调度方法研究

针对密集仓储系统中多台四向车作业时行进路径存在潜在交叉重叠,从而可能发生碰撞的问题,提出一种基于实时路况信息的交通调度方法。建立以“等”“绕”“躲”调度策略为主的调度框架,设计交通调度算法,实时扫描路况信息,识别两车之间交通冲突依赖关系并根据调度策略进行调整;构建多台四向车冲突有向图模型以表征多台四向车的交通冲突关系,基于冲突有向图实时控制四向车启动或停止,从而实现实时避碰。随机任务试验结果表明,多台四向车同时作业时均能实现实时避碰。所提的交通调度方法能有效解决多台四向车之间的交通冲突问题,为实现安全高效的自动化仓储提供一定的技术基础。

电驱动总成多场耦合数据驱动建模及瞬态温度场实时在线预测

开发电驱动总成(EDA)轻量级实时在线温度精确预测方法,对于提前有效监测其未来异常温度状态,确保车辆行驶安全至关重要。基于多物理场耦合与数据驱动融合建模,提出了EDA瞬态温度场在线预测方法。首先,建立EDA电-磁-热-流多物理场耦合有限元模型,并通过台架试验验证该模型准确性;其次,采用有限元模型生成了几种常规工况下的瞬态温度场数据集,以用于后续代理模型的测试验证;然后,结合有限元模型获取简化的热网络拓扑和图卷积神经网络,提出一种模型与数据双轮驱动建模的EDA时空关系图卷积神经网络预测模型;最后,通过不同工况下的离线仿真对比分析和台架在线测试,对所提出的温度预测模型进行有效性和实时性验证。实测离线数据集上的分析结果表明:全局预测误差和平均绝对误差分别为4.4和1.25℃,相较于常规时序图卷积神经网络和门控递归单元方法分别降低17.3%、28.1%和5.3%、29.3%。台架在线预测结果也与真实测量值十分接近,其全局预测误差和平均绝对误差为3.99和0.66℃。总之,所提出的实时在线温度预测方法可以准确预测EDA真实温度变化。

基于OpenGL的三维真实感地质体研究

为了实现地质体的真实感显示,利用OpenGL中的纹理映射、光照、反走样、雾化等实现地质体的三维可视化显示,并且在静态模型的基础上通过OpenGL中的平移、旋转、缩放实现动态的显示,提高了图形显示速度,使模型达到更加真实的效果。