基于多特征融合的GraphHeat-ChebNet隧道形变预测模型

对隧道的形变进行预测是隧道结构异常检测的内容之一。为了充分挖掘形变特征的时空关联性,针对隧道内衬多个断面的形变同时预测,提出一种基于多特征融合的GraphHeat-ChebNet隧道形变预测模型。所提模型中利用GraphHeat和ChebNet这2种图卷积网络(graph convolution net,GCN)分别提取特征信号的低频和高频部分,并获取形变特征的空间关联性,ConvGRUs网络用于提取特征在时间上的关联性,通过三阶段融合方法保留挖掘的信息。为了解决实验数据在时间维度上不充足的问题,引入双层滑动窗口机制。此外,所提模型与其他模型或算法在不同数据集上实验比较,衡量一天和两天预测值的误差指标优于其他模型,而且对大部分节点预测的误差较低。说明模型受样本节点数影响较小,能较好地预测一天和两天的形变,模型学习特征与时空模式的能力较强,泛化性较好。

A graph-based sliding window multi-join over data stream

Join operation is a critical problem when dealing with sliding window over data streams. There have been many optimization strategies for sliding window join in the literature, but a simple heuristic is always used for selecting the join sequence of many sliding windows, which is ineffectively. The graph-based approach is proposed to process the problem. The sliding window join model is introduced primarily. In this model vertex represent join operator and edge indicated the join relationship among sliding windows. Vertex weight and edge weight represent the cost of join and the reciprocity of join operators respectively. Then good query plan with minimal cost can be found in the model. Thus a complete join algorithm combining setting up model, finding optimal query plan and executing query plan is shown. Experiments show that the graph-based approach is feasible and can work better in above environment.

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。

基于UWB方位的机器人间相对定位

相对定位是实现多机器人编队、探索救援等协作任务的前提。针对卫星信号受阻、未知无基础设施环境中机器人间的相对定位问题,提出一种基于超宽带(ultra-wideband,UWB)方位的相对定位方法。利用滑动窗口截取一段时间内机器人间观测方位和运动轨迹,构建方位代价函数,通过最小化代价函数估计机器人间的相对位姿。然而,函数的非凸性导致传统优化算法陷入局部最优解,因此,采用麻雀搜索算法(SSA)对代价函数进行求解,实现机器人间的相对定位。为减少UWB方位测量误差对定位结果的影响,通过后端图优化算法融合SSA估计位姿和里程计信息,实现更加精准的相对定位。实验结果表明,该方法在12 m×6 m的室内环境中,能够达到0.32 m的平均位置误差以及2.1°的平均旋转误差。

融合动态窗口法的无人机动态路径规划算法

为解决路径规划算法在复杂动态环境下寻优性能和避障能力差的问题,提出一种融合动态窗口法的无人机动态路径规划算法(UAV dynamic path planning algorithm combined with DWA,UAVDPPA-DWA)。为获取无人机在静态环境下的最佳引导路径,提出了一种基于偏移程度和障碍物距离评估的改进椭圆切线图算法;如果无人机检测到有移动障碍物,那么通过自适应参数的动态窗口法生成局部避障轨迹;否则,无人机仍沿静态环境下所获得的引导路径飞行。提出多种类型的复杂动态避障场景,并从路径长度和飞行时间两方面来验证所提算法的性能。实验结果表明:相比DWA、A*-DWA、RRT-DWA和PRM-DWA算法,UAV-DPPA-DWA不仅有较强的避障能力得到可行飞行轨迹,还能以短时间沿最佳路径完成任务。

一种基于窗口机制的口语理解异构图网络

口语理解(spoken language understanding,SLU)是面向任务的对话系统的核心组成部分,旨在提取用户查询的语义框架.在对话系统中,口语理解组件(SLU)负责识别用户的请求,并创建总结用户需求的语义框架,SLU通常包括两个子任务:意图检测(intent detection,ID)和槽位填充(slot filling,SF).意图检测是一个语义话语分类问题,在句子层面分析话语的语义;槽位填充是一个序列标注任务,在词级层面分析话语的语义.由于意图和槽之间的密切相关性,主流的工作采用联合模型来利用跨任务的共享知识.但是ID和SF是两个具有强相关性的不同任务,它们分别表征了话语的句级语义信息和词级信息,这意味着两个任务的信息是异构的,同时具有不同的粒度.提出一种用于联合意图检测和槽位填充的异构交互结构,采用自注意力和图注意力网络的联合形式充分地捕捉两个相关任务中异构信息的句级语义信息和词级信息之间的关系.不同于普通的同构结构,所提模型是一个包含不同类型节点和连接的异构图架构,因为异构图涉及更全面的信息和丰富的语义,同时可以更好地交互表征不同粒度节点之间的信息.此外,为了更好地适应槽标签的局部连续性,利用窗口机制来准确地表示词级嵌入表示.同时结合预训练模型(BERT),分析所提出模型应用预训练模型的效果.所提模型在两个公共数据集上的实验结果表明,所提模型在意图检测任务上准确率分别达到了97.98%和99.11%,在槽位填充任务上F1分数分别达到96.10%和96.11%,均优于目前主流的方法.

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。

Windows 3．X／95环境中能谱图形无闪烁快速显示的一种方法

文章提出了Ｗｉｎｄｏｗｓ环境下核能谱图形无屏幕闪烁快速显示问题的一种解决方法。该方法对Ｗｉｎｄｏｗｓ环境中图形快速显示的技术进行了剖析，通过创建内存设备环境和与显示设备相兼容的位图方式，设计出能够自动适应Ｗｉｎｄｏｗｓ各种显示适配器（ＶＧＡ、ＳｕｐｅｒＶＧＡ等）以及多窗口环境的能惜描绘算法，有关程序系统已在实际中得到应用。

基于Windows API函数的图形生成方法

介绍WindowsAPI图形接口设备的工作原理,给出用画直线函数和画椭圆函数Ellipse生成复杂图形的方法,以及产生动态图形的方法,基于WindowsAPI函数的复杂图形的生成方法具有简单、实用等特点,适合VC++编程时使用。

Windows 应用程序菜单编程技术

本文在Ｗｉｎｄｏｗｓ环境下，对应用程序中各种形式的菜单编程技术进行了探讨。

基于Windows CE的基本图形绘制

在Windows CE环境下,采用Bresenham算法,利用.NET Framework下的函数实现对线段、圆弧、椭圆、长方形、多边形等基本图形的绘制,并且实现在绘图区域的单位像素和整个绘图区域范围内图形的任意缩放.

A Researchon the Problems Encountered in the Design of Hypertext Navigation Graph

Some problems encountered in developing navigational graph controlling program in ORACLE multimedia graphic development tool-Graphics such as multi-window creation,button simulation,computing descendant number and writing text etc.arc discussed,Since all kinds of algorithm related with the problems have been checked and proved to be correct,they have the feature of universal significance.

基于单UWB融合里程计的多机器人相对定位方法

针对卫星信号受阻,无预设基础设施(定位基站、地标等)环境下多机器人间的相对定位问题,提出了一种基于单个超宽带(ultra-wideband, UWB)融合里程计的多机器人相对定位方法。该方法利用滑动窗口截取历史时刻的多组机器人间测距信息与里程计预测的机器人位姿,构建非线性最小二乘问题,实现机器人间的相对位姿估计;利用扩展卡尔曼滤波算法估计里程计协方差,并将其以加权的方式运用于非线性优化,抑制滑动窗口内里程计累积误差对定位结果的影响;最后,利用图优化算法融合里程计与非线性优化获得的相对位姿作进一步优化,抑制UWB测量误差影响,以获得稳定的相对定位结果。实验结果表明,在6 m×12 m的真实测试环境中,所提方法能够获得0.32 m的相对位置精度和4.16°的相对角度精度,相比于现有多机器人相对定位方案,该方法具有高精度、低成本、部署简单以及定位稳定的优点。

基于自适应因子图优化的导航系统信息融合方法

针对传统因子图优化方法(FGO)中量测协方差矩阵不准确带来状态估计精度下降问题,提出了一种基于滑动窗的自适应因子图优化方法(SWAFGO),将滑动窗技术应用到量测协方差矩阵的估计,利用滑动窗内的残差序列估计协方差矩阵。与传统的使用单点残差的自适应因子图方法(SRAFGO)相比,所提出方法不需要误差模型的先验知识,而且充分利用了历史残差数据,因此性能上有较大的提升。仿真实验和KITTI数据实验结果表明,在无先验知识条件下,所提出方法能够较准确地估计出量测协方差矩阵,且相较于SRAFGO方法位置估计精度提升12%。

自适应滤波协同图优化导航方法研究

针对传统图优化导航方法中传感器测量协方差不准确导致估计精度下降的问题,本文提出了一种自适应滤波协同图优化导航方法。首先,构建INS/GNSS/e-Compass组合导航系统的因子图模型;然后,利用测量方差自适应滤波对传感器测量信息进行预估,在滤波过程中更新相关传感器的测量协方差矩阵,并将预估结果作为变量节点加入因子图;最后,通过滑动窗口控制优化范围,对窗口内的变量节点进行非线性优化并输出最终的导航状态。仿真和实验结果表明,所提出的方法对传感器测量协方差的不匹配问题具有自适应性,能够在不同场景下实现高效可靠的导航定位。相比于传统图优化方法,该方法的定位精度提升了30%,计算效率提升了12%。

一种新型公交系统车辆调度快速响应算法研究

近年出现的“智慧车列”等新型需求响应式公共交通系统,因其预约化、集约化、直达性等特点为城市交通出行提供了一种新的解决思路,也对车辆调度提出了新的和更高的要求。首先,提出一种面向新型需求响应式公共交通系统的车辆调度快速响应算法,作为车辆指派前的预分配算法;其次,引入“时-空-车-流”四维图的求解策略和基于移动时间窗的启发式方法来准确预测对应时空区间内的运能情况;最后,以上海市嘉定区沪宜公路实际路况为背景,通过快速响应算法预分配车辆资源,所得结果能够较好地适应新型需求响应式公共交通系统场景需要。

基于图注意力网络的下一个购物篮推荐

购物篮是用户在一次购物中一系列物品的集合。在下一个购物篮推荐中,可以根据用户的历史购物篮序列推荐出用户接下来购买的物品集合。受图注意力网络的启发,利用该网络建模购物篮中的物品联系,得到含有物品关系的购物篮表示;为了建模用户的短期兴趣,设计一个固定大小的移动窗口,融合最近几个连续购物篮的用户偏好;融合经过循环神经网络的篮子表示、全局和短期的用户购物偏好得到最终的推荐。在两个公开数据集上进行实验,结果表明该算法可有效提高下一个购物篮推荐精度。

一种基于自适应窗口和图切割的快速立体匹配算法

提出了一种新的快速立体匹配算法。该算法根据图像边缘特征自适应地变化窗口,并采用灰度差平方和(SSD)作为相似判定准则计算初始视差图;通过左右一致性校验去除误匹配点,在构造能量函数时,将初始视差作为能量函数的一个参考项;最后采用图切割算法求取使全局能量最小的视差最优分配。用标准图像测试了所提出的方法,并与其他方法进行了比较。实验结果表明,该算法不仅能够保留基于图切割的立体匹配算法能较好地处理大的低纹理区域和遮挡像素的优点,而且匹配时间短,运行时间比原有算法缩短了约2/3。

基于时间变化图的网络论坛意见领袖识别算法

针对现有意见领袖识别算法难以捕获网络的动态特性这一现状,提出了一个基于时间变化图的网络论坛意见领袖识别算法。该算法将网络论坛的演变描述为一连串静态图,每一幅图代表一个给定时间窗口内用户间的所有交互。依据构造的量化指标识别不同时间窗口内的潜在意见领袖,这些意见领袖然后和其他时间窗口上的意见领袖相匹配以便识别随时间推移的真正意见领袖。实验结果证实了该算法的可行性和有效性。

单线实用货物列车运行图计算机编制系统

列车运行图的计算机编制，是实现铁路行车指挥自动化的基础。本文在研究单线区段列车运行图的优化与自动编制的基础上，把编图研究推进到由多区段组成的某段或整条线路，提出了用目标规划建立优化模型，用“滚动窗口搜索法”进行求解，使区域优化与整体优化有机地结合起来。从而使问题的解满足实用要求。