Constructing Three-Dimension Space Graph for Outlier Detection Algorithms in Data Mining

Outlier detection has very important applied value in data mining literature. Different outlier detection algorithms based on distinct theories have different definitions and mining processes. The three-dimensional space graph for constructing applied algorithms and an improved GridOf algorithm were proposed in terms of analyzing the existing outlier detection algorithms from criterion and theory. Key words outlier - detection - three-dimensional space graph - data mining CLC number TP 311. 13 - TP 391 Foundation item: Supported by the National Natural Science Foundation of China (70371015)Biography: ZHANG Jing (1975-), female, Ph. D, lecturer, research direction: data mining and knowledge discovery.

基于本体的三稀矿产知识图谱构建

长期以来,我国地质工作者开展了大量的三稀矿产调查研究工作,积累了海量的地质勘查资料,其中蕴含了极为丰富的三稀矿产矿床地质特征、矿床成因、矿床地质环境、构造背景等相关知识。如何集中管理这些数据,并且使用一种形式化的方式进行表达以支持地学知识的计算和推理,成为当前地学人工智能领域的热点问题。本文引入知识工程中知识抽取、知识表示技术,基于三稀矿产有关的非结构化数据,开展知识图谱构建。首先,明确了三稀矿产的概念、实体、关系,建立了三稀矿产的知识体系,并以此建立三稀矿产本体;其次,根据建立的三稀矿产本体使用深度学习的方式抽取知识,建立三稀矿产知识图谱;最后,为了直观表达实体之间的关系,以及矿床本体的属性集合,使用Neo4j图数据库存储三元组,将知识图谱可视化。本文的研究成果可提供三稀矿产科研、管理、三稀矿产知识获取、三稀矿产知识分析、三稀矿产知识可视化等功能,为三稀矿产领域知识图谱构建提供一个应用范例,也为后续基于知识图谱的地学知识推理、识别和管理矿产资源、成矿预测等应用提供支持。

基于改进图卷积神经网络的航空行李特征感知

针对航空行李自动化码放处理需求下构型特征感知能力不足的问题,设计以PointNet++为基准,融入图卷积神经网络和自注意力机制的航空行李特征感知网络模型.在骨干网络的特征抽象层中引入局部空间注意力模块,提取航空行李点云中相邻点的关联空间结构特征,感知区域特征空间的内在联系.通过全局特征聚合模块学习行李点云局部特征间的相关性,自适应聚合航空行李局部特征,形成点云全局上下文信息.利用循环最大池化层回收特征降维中丢弃点的特征,在多个层次上收集航空行李的特征信息,在减少信息冗余的同时,保留强度鲜明的局部、全局特征激活.实验结果表明,航空行李分类的平均精度和整体精度分别为94.68%和96.32%,比PointNet++分别提高了6.53%和5.07%.该网络模型的航空行李特征感知性能优于现有的其他智能算法,能够为航空行李码放空间优化及控制提供准确、可靠、有效的输入.

昆都仑泄洪冲沙洞结构静动力三维有限元配筋计算

昆都仑水库是一座以防洪、供水为主的综合利用的中型水库。为改善水库泄洪条件,新建泄洪冲沙洞并布置于库区右岸山体内。首先,构建了泄洪冲沙洞三维有限元模型,模拟了各结构的精细构造部位;然后,采用三维线性有限单元法对泄洪冲沙洞开展静动力工况下变形、应力分析计算,基于有限元内力法进行内力计算并提出相应配筋方案;最后,进行结构限裂复核验算。选取的配筋计算方案实用可靠,为工程设计提供指导、验证复核作用并成功付诸实施。

基于实体关系抽取的军事装备图谱构建

由于信息技术的不断进步,许多军事装备数据库结构松散,难以有效利用,导致效率低下、管理混乱等问题。针对上述问题,提出一种基于CRF和句法分析树的实体关系提取方法。通过海量数据训练,优化军事知识图谱构建方法,将单算法提取方法改进为三元数据提取方法,完成军事装备图谱构建。实验结果表明,该方法准确率可达72%,且加入置信模型后,准确率提高了12.6%,综合评价准确率可达78.11%。这一结果对军事装备领域知识图谱的构建具有重要的实用价值。

基于自注意力机制与图卷积的3D目标检测网络

针对三维(3D)目标检测过程中对骑行者、行人等小目标检测的准确性较低,难以适应城市复杂路况的问题,提出一种基于自注意力机制与图卷积的3D目标检测网络。首先,为获取更具有判别性的小目标特征,在主干网络中引入自注意力机制,使网络对小目标特征更敏感,增强网络特征的提取能力;其次,在自注意力机制的基础上构建特征融合模块,进一步丰富浅层网络特征,增强深层网络的特征表达能力;最后,引用动态图卷积预测目标的边界框,提高目标预测的准确性。在KITTI数据集上进行实验,将所提网络与TANet(Triple Attention Network)、IA-SSD(Instance-Aware Single-Stage Detector)等8种主流网络对比。实验结果表明,所提网络对行人的检测精度在简单、中等和困难这3个难度下比行人检测精度次优的TANet提高了12.12、13.82和11.03个百分点,对骑行者的检测精度在中等和困难上比IA-SSD提高了3.06和5.34个百分点。综上所述,所提网络可以更好地应用于小目标检测任务。

基于图着色和三维匹配的车联网资源分配算法

车联网通信通过多个车辆对车辆(vehicle to vehicle,V2V)链路复用同一车辆对基础设施(vehicle to infrastructure,V2I)链路的资源来缓解频谱短缺问题,但频谱复用会导致V2I通信服务质量下降,因此降低系统干扰、提高系统容量成为研究热点。提出一种基于图着色和三维匹配的车联网资源分配算法,首先用图着色法对V2V链路分簇,然后求解V2I链路和V2V链路的发射功率,最后通过三维匹配算法对V2I链路、V2V簇和资源块进行信道资源的优化分配,从而降低使用同一资源的链路之间的干扰。理论分析及仿真结果表明,所提方法提高了V2I链路总和速率,并在相对较少的迭代次数下收敛到次优解。

一种融合实体图上下文的三维旋转知识图谱表示学习

知识图谱表示学习旨在将实体和关系投影到低维、连续的向量空间中,学习实体和关系语义信息的向量表示.然而,大多数现有的模型难以有效建模知识图谱的基本特征,即对称/反对称、逆、组合关系模式.此外,许多模型将知识图谱简化成不相关三元组构成的集合,忽略三元组中的实体在图中的邻域信息.针对以上问题,本文提出一种融合实体图上下文的三维旋转知识图谱表示学习模型.该模型首先在四元数数学框架的基础上,将实体表示为三维空间中的一组向量,将关系解释为实体间的三维旋转变换,以更好建模各种关系模式.然后,利用注意力机制从相邻节点和边中学习实体图上下文表示,并将其引入到三元组打分函数,以将实体的图上下文信息融合到表示学习模型中.在两个公开数据FB15k-237与WN18RR上的实验结果表明了本文所提模型的有效性.

集图卷积和三维方向卷积的点云分类分割模型

现有的深度学习方法在提取点云的局部特征时往往忽略了节点间的位置关系和方向信息,导致不能有效地学习点云的局部特征。为解决这一问题,提出一种集图卷积和三维方向卷积的点云分类分割模型GCN3D。GCN3D模型将图卷积神经网络应用在点云分类分割领域。将点云视作图上的节点,对每个节点求其K近邻,建立局部K近邻邻域内两两节点之间的边,并通过图卷积神经网络参数化边特征以捕捉节点间局部位置关系并更新中心节点特征;使用方向编码模块将节点的邻域划分为八个方位的细粒度的邻域小块,并按照三维空间坐标轴的方向依次将局部邻域结构内的节点特征映射到不同细粒度邻域空间内以提取节点间的方向信息,并且叠加两个方向编码模块增大网络的感受野,提高模型对于稀疏点云数据的鲁棒性并获取局部邻域多尺度特征。在ModelNet40数据集和ShapeNet数据集上分别进行点云分类和点云部分分割的实验。结果表明,相比没有考虑局部特征信息的PointNet,GCN3D模型在ModelNet40数据集上的总体分类精度提高了3.8个百分点,平均分类精度提高了4.3个百分点;在ShapeNet数据集上的平均交并比提高了1.5个百分点。相比其他深度学习模型性能有不同程度的提高。

局部几何与全局结构联合感知的三维形状分类方法

针对复杂结构的三维形状分析与识别问题,提出了新颖的图卷积分类方法,建立了局部几何与全局结构联合图卷积学习机制,有效提高了三维形状数据学习的鲁棒性与稳定性。首先,通过最远点采样与最近邻方法构造局部图,并建立动态卷积算子,有效提取局部几何特征;同时,基于特征域采样构造全局的特征谱图,通过卷积算子获得全局结构信息。进而,构建加权的联合图卷积学习网络模型,引入注意力机制,实现自适应的特征融合。最终,在联合优化目标函数约束下,有效提高特征学习的性能。实验结果表明,融合局部几何与全局结构的联合图卷积网络学习机制,有效提高了深度特征的表示能力及区分性,具有更优秀的识别力和分类性能。该研究方法可应用于大规模三维场景识别、三维重建以及数据压缩,在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。

基于深度学习的休眠期苹果树点云语义分割

针对苹果树结构复杂、树干之间相互遮挡、导致国内外大规模机械设备自动剪枝误剪率高等问题,提出1种基于深度学习的休眠期苹果树点云的语义分割。以陕西省礼泉苹果种植基地的休眠期苹果树为研究对象,为了解决双视角点云配准之间非重叠点对距离过大导致配准误差大的问题,用Kinect V2传感器获取休眠期苹果树点云,对每株果树采用改进迭代最近点算法(Iterative closest point,ICP)进行多视角三维重建,对于大规模的果树点云,构建基于超点图的果树分割网络(Super point graphs network,SPGNet),对果树点云进行语义分割,保留果树点云的复杂几何信息。结果表明,当果树双视角点云的配准误差小于1 mm时,可成功分割休眠期苹果树的树干与分枝,对分类精度、预测值与真实值的交并比(IoU)进行评估,其中树干的分类精度、IoU分别为94.0%、0.85,分枝的分类精度、IoU分别为83.1%、0.75。由此可见,研究结果可解决机械设备自动剪枝误剪率高的问题,能在自然光线条件、大规模休眠期苹果树场景下实现对休眠期苹果树树干与分枝的分割,为大规模自动剪枝提供依据。

基于最大信息系数和深度残差图卷积的工业过程故障诊断方法

针对工业数据非线性、时变性、时空特征耦合的特点,提出一种基于最大信息系数和残差图卷积网络的工业过程故障诊断算法(MIC-RGCN)。引入最大信息系数(MIC)挖掘变量之间的相关关系,将高维变量之间的相关信息转换为空间距离信息,构建相关性矩阵作为图卷积层的邻接矩阵输入;构建改进的深度残差图卷积网络(GCN)模型对数据的时空特征进行深度融合提取并精准分类。在田纳西-伊斯曼过程和三相流过程数据集上将该算法与4种典型机器学习和深度学习算法进行对比测试。实验结果表明,该算法有效地提升了故障诊断的准确率。

国内外古生物化石数据库建设现状与趋势

从20世纪80年代开始,国内外古生物学者开始利用数据库管理系统(DBMS)存储、管理古生物化石数据,并对外提供开放共享服务。依托数据库存储的数据建立了地理可视化、生物多样性分析、定量地层比对等功能应用。本文选取国内外有代表性的古生物化石数据库,对其提供的数据共享、数据可视化、数据分析等功能进行了详细描述,并列举了以古生物化石数据库驱动的科学研究实例,提出了古生物化石数据库的建设发展趋势。

复杂城市环境下无人机路网模型研究

针对复杂城市环境下无人机路径规划问题,采用三维可视图法研究路网模型。首先,在考虑无人机飞行安全裕度的前提下,将城市密集而不规则的障碍物环境进行变形重组,再以不同的水平和竖直间隔对障碍物外表面进行离散化的节点采集,并构建基于三维可视图的复杂城市低空路网模型。其次,为降低无人机之间的潜在冲突和碰撞风险,引入无人机机动保护区的概念,进一步缩减路网规模,优化路网结构。最后,结合无人机性能和平稳飞行的要求,以最大航向角改变量作为主要限制条件,以最小化路径长度为目标,提出改进的涟漪扩散算法进行求解。仿真结果表明:三维可视图中的采点间隔直接决定了路网模型中节点和链接的数量,并对最优路径与规划时间具有显著影响;1000组仿真实验表明,考虑机动保护区后,最短路径的平均长度相较于无机动保护区时增长了不足1%,而计算耗时降低了近70%。仿真实验验证,通过引入无人机机动保护区和航向角改变量的限制,能够有效降低路网规模,提升运算效率,并有利于获得平滑的路径,降低无人机的潜在碰撞风险。

数字孪生体系下长线水利工程可视化模型和地质剖面图信息联动展示研究及实践

为响应水利数字孪生要求,研究长线性水利工程数字孪生实现路径,实时反映工程全线任意位置的工程情况,以BIM+GIS技术和传统的地质剖面图结合为切入点,创新性提出一种二三维工程数据联动查询和空间最短距离匹配查询算法,通过数据融合、数据结构设计、软件开发等步骤实现了数字化场景与地质剖面图的视图联动、信息联查。用户通过鼠标移动悬浮在任意BIM模型上即可在地质剖面图中实时获取该段管线或建筑物对应的桩号、地质条件、设计断面、施工情况、运行状态等全要素信息。通过在某长线性深邃引水工程中的实践表明,基于实时监测和上报的数据,利用该联动查询方法,工程管理人员足不出户即可随机查询和掌握工程全线任意桩号的实时信息,为数据底板的实时更新查询及工程生产运营管理等业务应用奠定基础,在一定程度上实现了工程的数字孪生。

我国油气探明储量三维立体图形表征方法探讨

油气探明储量三维立体图形可以反映油气藏空间分布情况,是自然资源三维立体“一张图”的重要组成部分,为油气矿产资源管理和决策提供重要支撑。据此,提出了四种三维立体图形表征方法:含油气面积+井位+构造线、含油气面积+井位、含油气面积+构造线、井位+构造线。其中,含油气面积+井位+构造线适用于有含油气面积分层数据,且钻井资料和区域性构造研究资料都比较丰富的油气田;含油气面积+井位适用于有含油气面积分层数据,区域性构造较为复杂但钻井资料丰富的油气田;含油气面积+构造线适用于有含油气面积分层数据,区域性构造研究资料比较丰富但缺乏钻井资料的油气田;井位+构造线适用于无含油气面积分层数据,有井位和构造线数据的油气田。在实际操作过程中,根据油气田资料情况,结合油气藏类型和纵向层系叠置关系等,选择适合的表征方法。本文研究对于理清油气矿产资源与各种保护区之间空间关系,全面掌握油气资源供应能力和开发利用潜力具有重要意义。

基于键合图的T型逆变器参数性故障诊断

针对三电平并网逆变器早期参数性退化特征难以提取,传统的基于电压和电流的故障诊断方法存在诊断困难的问题,提出基于键合图(Bond Graph, BG)理论来建立三电平T型逆变器的键合图模型,根据T型三电平逆变器的BG模型推导出了其全局解析冗余关系式(Global Analytical Redundancy RelatIons, GARRs),列出了故障特征矩阵(fault signature matrix, FSM)。通过比较T型逆变器在正常情况下与参数退化情况下的残差信号实现了对逆变器多故障源的参数性故障诊断。最后在20-sim仿真平台上验证了上述方法的有效性。

基于OpenGL的对应分析因子载荷三维图的绘制

该文基于OpenGL在VC++环境下绘制出对应分析的因子载荷三维图,通过图形旋转,从不同视图方位清晰地观察样品点和变量点的相对位置,使信息获取更加方便灵活。文中对图形绘制中的关键问题进行了实现,并以实例对三维图形的优点进行分析,证明其在信息提取方面有着更高的准确性。

基于三维体质心的无线传感器网络节点定位算法

针对无线传感器网络中传感器节点初始位置未知的问题,提出一种基于三维体质心的分布式无线传感器网络节点定位算法。算法假设网络中有一定比例的锚节点(位置已知的节点),利用三维辅助坐标系,建立节点间的通信约束关系和空间几何关系,研究三维空间内包含未知节点的三维体构成方法,确定三维体的多个侧面和曲面来构成曲面三维体;为了减小算法计算量和网络能耗,寻找与曲面三维体对应的由多个侧面组成的平面三维体,通过确定平面三维体的质心来获得曲面三维体质心,从而把曲面三维体的质心作为未知节点的估计位置。该算法是一种完全基于网络连通性的分布式算法,算法设计简单,计算量小,节点间通信开销少。仿真结果显示,该算法适合于各种规模的无线传感器网络的节点定位。

立体地质填图三维建模技术方法与应用研究

针对综合地球物理立体地质填图后期进行的三维地质模型构建、图示展示方法与技术进行了研究。提出了不同属性体单独建模后进行切割、融合构建三维地质模型的复杂地质结构建模方法与技术;在MAPGIS K9平台上应用该技术构建了九瑞试验区三维地质模型,并通过不同的图示方法分析与展示构建的九瑞试验区地质模型;结合该区域的成矿特征利用三维地质模型从深部地质结构出发圈定了该区的成矿有利部位。