一、速度依赖于高斯曲率倒数的非参数曲面发展(论文文献综述)
叶春阳[1](2021)在《网格参数化的高效优化方法研究》文中认为数字几何处理技术近年来发展迅速,在三维打印、自动驾驶、虚拟现实、智慧城市等新兴产业中有着广泛的应用。这些新兴产业的发展需要大量的三维数据处理技术做支撑。这其中一个重要的基本问题就是如何计算一个网格的低扭曲参数化映射。计算机图形学的很多应用都会用到网格的低扭曲参数化,这是因为网格参数化建立了网格曲面和平面参数域之间的联系,使得两者之间可以方便地进行信息传递和计算转换。参数化算法的效率和鲁棒性对相关应用的表现有较大的影响。本文围绕着网格参数化这个课题,对高效鲁棒的低扭曲网格参数化,面向大规模网格内存高效的双射参数化,以及网格可展性的高效优化等问题进行了研究。针对网格参数化中存在的初始扭曲高和优化能量非凸非线性等困难,本文提出了一种渐进参数化的方法,能够高效地计算低扭曲无翻转的网格参数化。该方法基于一个观察,即当参数化三角形和参考三角形之间的扭曲均小于一定阈值时,只需要极少的迭代就可以使扭曲下降到接近收敛的水平。因此,不同于现有的参数化方法直接使用输入网格作为优化目标,本方法利用插值方法构造了一系列的参考三角形,并把它们作为中间目标渐进地优化。当扭曲降到一定程度时,再最终以输入网格为目标进行优化至收敛。另外,本方法采用了混合求解器,它结合了两种求解器的优点,既能够快速地降低扭曲又具有二阶收敛性。我们在超过二万个模型上测试了本方法的表现,实验表明本方法对不同三角化,不同初始化,不同分辨率,不同网格质量的模型,均有一致好的表现力。与现有方法相比,本方法具有较高的效率和实用鲁棒性。计算参数化需要求解与网格顶点规模相当的线性方程组,因此现有参数化算法仅适用于处理中小规模的网格。当输入模型为大规模网格时,算法通常会因为内存不足以直接求解大规模线性方程组而失败。针对这个问题,本文提出了一种内存高效的双射参数化方法,能够在有限内存上生成大规模网格的低扭曲双射参数化结果。本方法的主要思路是通过网格分片和简化空间近似,将大规模问题转化为易于求解且规模可控的小问题。本方法包含三个部分,在初始化阶段,基于分而治之的策略将网格划分为多片子网格,通过先划分边界映射后逐片子网格映射的策略,同时保证了初始化的双射性和内存开销的可控性。在优化阶段,将参数化区域重新网格化为更加稀疏的离散单元,并在其上定义样条函数空间,从而将求解空间的变量由网格顶点转换为规模可控的样条控制顶点。在后处理阶段,本方法采用逐点优化和逐片优化相结合的方式进一步降低扭曲。这三个处理方式使得整个算法流程中需求解的线性方程组的规模始终保持在给定阈值之下,具有较高的内存效率。本方法能够在配备16G内存的台式机上成功计算出包含近一亿三角形面模型的低扭曲双射参数化结果。对一般的网格曲面做平面参数化不可避免会产生等距扭曲,而可展曲面则可以完全等距地映射到平面。给定一个一般的三角网格,本文提出了一种基于联合双边滤波的优化网格可展性算法。该方法包含两个阶段,首先将联合双边滤波器应用到曲面法向信号上得到每个三角形的目标法向,这里联合双边滤波的向导法向是利用顶点半邻域的法向一致性信息构建出来的;然后更新网格顶点位置,使得曲面法向接近滤波得到的目标法向。本方法交替迭代地进行上述两个操作,通过改变网格的几何形状逐渐提高网格的可展性。优化后网格上高斯曲率非零的顶点会聚集在若干条曲线上,沿着这些曲线切割后的网格能够以极低的等距扭曲映射到平面。算法实现简单,经过实验对比,本方法能够更加高效地得到与现有算法相当或者更好的结果。
陈俊杰[2](2020)在《智能车队的运行环境驾驶行为认知与协同控制优化方法》文中研究指明随着感知、通信、控制决策以及人工智能等相关技术的日趋成熟,智能交通系统在提升道路交通主体运行的安全性、效率性以及优化能源消耗等方面发挥着重要的作用,基于车路协同的自动驾驶是智能交通的重要发展方向,其主要应用场景之一为自动驾驶车队的智慧运行。目前,欧洲、美国、日本相继推出了SARTRE、PATH、AHS等与智能车队安全运行相关的研究计划,我国也在智能车队运行的精准定位、可信通信、协同控制等领域进行着深化研究,但是,鉴于自动驾驶车辆并不会完全取代人类驾驶,人工驾驶车辆和自动驾驶车辆将会共存的客观事实,在人工驾驶和自动驾驶车队混行的交通流环境中,存在对开放道路环境驾驶员行为认知缺乏的问题,因此本文立足于智能车队运行模式特点,对包含驾驶员行为认知模型的车队运行控制策略优化方法进行研究,建立了能够获取驾驶员连续性、偶发性以及应激性驾驶行为特征的认知模型,在普通路段、双向双车道路段和有信号交叉口等场景下进行车队编组模式优化。论文主要研究工作包括以下内容:(1)提出了驾驶员连续性、偶发性、应激性驾驶行为特征获取方法,利用非参数贝叶斯方法对驾驶员行为特征进行建模,通过将驾驶员的驾驶操作过程分解为不同的驾驶操作“基元”,利用关键操作基元获取驾驶员驾驶行为特征关键信息,解决了驾驶员行为特征认知难的问题。(2)提出了基于前车行驶风格互异的驾驶员跟驰行为特征获取方法,利用车辆跟驰原始数据对驾驶员跟驰行为特征进行获取,将获取的跟驰行为特征分类,并将分类结果反馈给原始跟驰模型,得出驾驶员跟驰不同风格前车时的运行特征,解决了车队车辆因排序变换而带来的运行差异性问题。(3)提出了基于驾驶员换道行为特征的分步式SVOP算法,研究了安全间隙前后车速度、超车车辆入队速度以及车队安全间隙范围三者之间的关系,提出了车辆入队所需最小安全间隙的速度匹配方案;提出了基于改进粒子群的分级约束多目标优化方法,为单车超越车队算法中的三级车速引导提供了优化的速度引导方案,同时利用驾驶员换道行为特征对所得的单车超车方案进行筛选过滤,得出最易被驾驶员所接受的超车方案,解决了单车超越车队困难且ADAS信息不被接受的问题。(4)提出了交叉口运行环境下车队分离车辆选定方法,通过使用非参数贝叶斯方法获取车队周围车道人工驾驶车辆在信号灯作用下的应激操作风格,同时通过比较不同分离方案下,分离车辆的换道安全性、舒适性以及车队剩余车辆的能源消耗状况,选取车队最优分离策略,解决了因可通行信号相位剩余时长过短而迫使车队分解的问题。(5)提出了基于狄利克雷混和高斯过程的车队周围多车运行模式获取方法,通过将车队周围车辆运行模式视为混和高斯过程,同时利用狄利克雷分布作为高斯混和权重的先验分布,建立车队周围多车运行模式速度场,实现车队周围复杂的多车运行模式分类,通过比较不同多车运行模式下车队运行效率,实现车队对所处运行环境的认知。解决了多微观交通行为优化参数在宏观交通流运行状态变化条件下的最优选择问题。论文利用虚拟现实仿真测试平台获取驾驶员驾驶行为原始数据,并结合仿真分析手段将微观交通运行优化参数注入宏观交通仿真环境,验证了本文提出的相关模型算法的有效性,其成果可为我国自动驾驶车队运行控制系统的研发与设计提供较高的理论参考价值。
翁良俊[3](2020)在《关于几何偏微分方程中两个经典问题的一点研究》文中研究表明本文包括两个部分,主要基于几何偏微分方程中的两个经典问题的讨论。在第一部分中,我们将研究毛细边界问题,对应于第二章和第三章。首先考虑经典的毛细问题,在区域为严格凸且接触角接近π/2的情形时,证明了经典的毛细问题的可解性问题。其次,我们考虑它相应的抛物版本,即研究带有毛细边界条件的平均曲率型流的长时间存在性以及收敛性渐近行为,支撑超曲面分为欧式空间中的圆柱(非参数化的平均曲率流)和标准单位球(保持体积不变的平均曲率型流)两种情形。在第二部分中,我们将研究相对等周问题,对应于第四章和第五章。首先,在整合前人思想的基础上,我们给欧氏空间中区域上的相对等周不等式提供一种新证明。其次,我们证明了关于一般子流形上的区域的相对等周不等式,部分解决了 Choe在2005年提出的一个公开问题。最后,基于ABP方法,我们证明了一般子流形上的区域的加权等周不等式;此外,我们用ABP方法给加权Heintze-Karcher不等式和加权Reilly不等式提供一个简化的新证明。
王慧[4](2020)在《建筑几何中的网格与光滑曲面构造》文中提出建筑几何(Architectural Geometry)源于建筑中待解决的自由曲面造型问题,目前已逐渐成为一门新兴的交叉研究领域且备受关注.从设计分析、数字建模到加工建造,几何都是关键因素.随着现代科技的发展,几何计算为自由曲面建模带来变革,挑战工程和设计上的规模和建造技术.反之,材料和技术的进步也对几何模型探索提供了更大和更灵活的空间.这些源自实际建筑的需求为工业几何、图形图像和几何处理带来了新的问题和研究目标.建筑几何涉及计算几何、计算机辅助几何设计(CAGD)、计算机辅助设计(CAD)、计算机辅助制造(CAM)等学科领域,其核心理论来源于微分几何.微分几何着眼于几何的局部性质分析,如一般三维曲线和曲面的局部曲率行为.常见的特殊曲线和曲面有测地线、曲率线、渐近线、可展曲面、常平均曲率曲面、旋转面等,它们因其微分特性而在建筑几何中具有很重要的研究价值.研究建筑几何的主要手段是离散微分几何(DDG).它是经典微分几何的离散化,依赖于光滑理论但具有更直观和更简单的表示.它的研究对象是多边形、多面体面、非多面体网格等.离散曲线曲面的表示不需要全局的精确代数表示,往往局部格点、边线或面片的性质就决定了全局的几何意义,而且其微分表示也只依赖局部的特征.这极大丰富了曲线曲面的造型可能性,为直观交互的几何建模提供了条件,也方便设计者灵活探索自由曲面以满足实际建筑要求.建筑几何的研究不仅对理论研究发展提供了新的方向,而且对实际建筑设计也具有重要应用价值.本文对建筑几何中的网格与光滑曲面构造理论与应用进行研究.基于建筑上的应用,本文首先建立插值特殊边界线的光滑曲面模型,这为具有一定边界约束的防水曲面的建造提供理论依据.其次,对应经典微分几何中的曲线和曲面,研究特殊的离散参数网面,主要研究内容包括离散常平均曲率曲面、离散测地平行坐标系参数网、离散测地线参数网、离散曲率线参数网、离散渐近线参数网等,研究这些离散参数曲面不仅极大丰富了离散微分几何理论,同时还表现出在实际建筑中的理论支持作用.最后,利用几何结构上的良好性质,应用这些结论到建筑几何,帮助实现面向建造为意识的几何设计.本文主要工作如下:(1)插值渐近四边形的光滑曲面重构.首先,本文给出构造渐近四边形的判定条件.在给定角点数据(角点坐标、单位切向量、曲率值),设计Bezier渐近四边形、有理Bezier渐近四边形和B-spline渐近四边形.其次,依据插值的兼容性,本文构造以这些封闭曲线为边界线的张量积Bezier曲面、有理Bezier曲面和B-spline曲面.随后利用能量函数对自由参数进行优化,保证了曲面的光滑性与能量极小性.几何理论上,如上模型的建立推广了曲面插值特殊边界线(测地线或曲率线)的研究;实际应用上,为满足特殊边界线的防水表面的建造提供了依据.(2)构造球面格点星四边网.该网格满足在每个格点星处格点及其相邻边四个点共球,构成了关于主法曲率线对称的网格,兼容离散常平均曲率曲面和极小曲面.当所有球半径相同且网格是正交网时,该网格是主法曲率线网的对角线网,即离散常平均曲率曲面.特别地,当所有球半径无限大时,成为离散极小曲面.建筑应用上,可以使用边界为圆弧状或平直状的可展钢薄片构造网壳结构.这些薄片沿着这个(虚拟的)曲面的主法向量构成网壳的支撑梁柱结构且彼此正交于无挠节点.实际构造的弯曲支撑结构模型和直支撑结构模型具有良好的微分几何特性,使得在交互设计上存在丰富空间,在节点、板材和框架上存在大量重复性元素,在加工模具和组合集装方面节省大量成本.(3)建立离散测地平行坐标系参数网.测地平行坐标系是曲面上的正交网,满足其中一族参数线是测地线.该特殊曲面参数化的离散形式展现出非常明确的应用价值,特别在建筑上的曲面设计和制造方面.离散测地平行坐标系参数网很自然地分解为以测地线为边界的曲面条,控制测地条带宽度,有助于使用来源于平直板材的条带进行曲面包层、设计测地网壳结构或木筋壳结构.同时,还可以构造近似可展曲面,生成由可拉伸或压缩的材料(如毛毡、皮革或木板等)制造的形状.最重要的,等宽度测地条带面帮助建立一类内蕴对称的曲面.此时,曲面不再只是可展曲面,而是能等距变形到旋转曲面的双弯曲曲面,为自由的建筑表面设计提供了空间.可以通过适当的曲面片或板面组合成防水的表皮并用双弯曲的面板覆层.这些用于建造的面板可以是类似金属板的灵活材料,其生产制造只用一些模具即可.该工作解决了来自平板材料构成自由曲面的问题,理论上能极大地减少建造成本.(4)设计特殊离散参数网面.研究离散四边网格局部格点星条件,推广构造离散测地线参数网、离散曲率线参数网、离散渐近线参数网.使用Guided Projection算法快速高效地实现不同离散网格的交互设计,为自由曲面、可展曲面、旋转曲面、极小曲面、Weingarten曲面等及其相应的等距变形曲面的造型提供可视化保证.
吴东庆[5](2019)在《基于离散微分几何理论的3D点云配准与评价方法研究》文中认为3D点云处理理论和技术是随着近二十年来3D扫描技术、3D建模、以及高速大容量存储技术的发展而出现的。3D点云数据的大规模产出和日益增长的数据加工需求,为这些数据所表征的3D形体之间的配准、差异评价以及后续算法实现提出了越来越高的要求。但现有3D点云的配准方法面临采样率不一致、噪点多的数据时存在精度不理想、鲁棒性不高的问题,以及点云形状评价中局限于单一几何量,缺乏能刻画形状整体外蕴特征和内蕴几何的评价方法等问题。本文从离散微分几何理论的新视角进行深入研究,提出基于曲率梯度场Helmholtz-Hodge分解奇异点的点云配准算法、基于Steklov算子频谱的3D形状差异评价算法,开发基于MESHLAB的3D点云算法处理系统,并通过若干实例的配准与评价实验,验证算法的有效性与鲁棒性。论文主要研究内容概括如下:1.针对3D点云模型配准和评价方法在效率、精度和鲁棒性方面的高要求,本文深入调研3D点云模型处理技术的国内外研究现状,详细梳理面向3D点云处理的离散微分几何理论研究与应用进展,通过对现有3D点云模型处理技术中的点云模型配准、3D点云形状评价问题的数学描述、相关解决方法以及这些现有方法的不足之处进行全面综述分析,确定本文研究思路及主要研究内容。2.针对3D点云模型处理过程中的点云网格去噪、平滑、网格参数化以及配准等问题,研究梳理面向3D点云模型应用的离散微分几何理论的理论框架,评述近年来离散微分几何在3D点云模型去噪、网格参数化以及非刚性配准领域的研究进展,并对这些问题的难点及未来可能的研究方向进行了归纳和总结。3.针对迭代最近点算法在处理不同采样密度的点云时存在不收敛和局部极小的问题,提出基于离散微分几何理论的点云配准新思路,即在Helmholtz-Hodge分解理论基础上,提出基于点云模型向量场奇异点的点云配准算法。该算法将网格上的平均曲率梯度场分解为三个正交的部分:无散向量场、无旋向量场和调和向量场;提取无旋向量场中的奇异点为配准基准点进行ICP配准。通过与其他典型方法的结果比较,说明本文算法在一系列点云模型上具有更高的精度和鲁棒性。4.针对3D点云模型形状难于准确评价的问题,提出一种基于Steklov算子谱和特征函数的形状评价新算法。该算法基于位势理论,将Steklov算子频谱问题转化为复杂边界条件下的弱解问题,利用不完全Cholesky分解共轭梯度法求出其数值解;针对频谱差异评价问题,提出通过高斯曲率的直方图来量化不同特征值的权重,设计频谱差异评价函数来评价点云形状的差异。基于本文所提出的点云形状评价算法,开展牙科根管形状评价问题的应用研究。实验结果表明,与现有的方法相比,本文提出的新方法能更准确地评价根管点云模型形状的差异,并具有更高的鲁棒性。5.在上述相关理论与算法研究的基础上,分析MESHLAB开源框架的特点,设计基于MESHLAB的3D点云模型处理系统的总体架构,除了设计自定义选单、批量导入点云数据模块等基础功能外,还提出一种低圈复杂度的任意阶邻接运算算法,最后实现本文提出的3D点云配准、形状评价的相关算法与模块,并通过系统运行实例展示了系统实现的效果。
袁志杰[6](2019)在《子空间学习算法在模拟电路故障诊断中的应用》文中研究说明模拟电路故障诊断是关系国计民生的一个研究课题,资料表明,超过60%的集成电路包括数字和模拟混合信号电路,而混合电子系统中80%以上的故障发生在模拟部分,模拟电路的测试成本可占总测试成本的95%。然而由于模拟电路存在着一些固有的困难,对故障元件和参数的诊断与定位并不是一件容易的事,模拟电路故障诊断理论虽然在过去的几十年里取得了不少成果,但一直没有突破性的进展。本文主要围绕着模拟电路故障诊断的关键技术即特征提取方法展开研究,研究了用子空间学习算法进行特征提取时如何提高故障诊断的精度和如何增强算法的抗噪能力两个方面的问题。具体工作如下:(1)针对非线性的子空间学习算法中的核熵成分分析,提出了基于概率密度的熵估计方法,从全带宽矩阵核概率密度函数和高阶核概率密度函数两个角度出发,优化了熵估计。导出了两个更合理、更准确的熵估计式,不仅从理论上证明了这个结论,还给出了仿真试验,试验表明一方面改进的估计式对熵的估计更准确,另一方面改进熵估计的核熵成分分析用于提取模拟电路故障信号的非线性特征时,诊断的准确率得到了提高。(2)针对若干流形算法,将对异常点稳健的扩散距离用于度量流形上两点的距离以及确定流形上点的邻域,不仅增强了这些算法的抗噪能力,而且大大减小了原有算法的计算量。试验表明,这样的流形算法既能缩减了计算时间,在数据集混合噪声时也能保留数据集的几何结构。(3)分析了局部线性嵌入法对线性强相关数据集强大的特征提取能力和扩散映射算法的聚类能力,分析了蒙特卡罗仿真下模拟电路故障数据的统计特征,最后将这两种算法融合用于提取故障数据的几何特征。结果表明该方法能够完全保留原始故障数据的几何结构,所得的低维特征向量按不同故障类投影到了对应类的聚类中心,即同一类故障数据在可视低维空间中都被映射到了一个点,而不是一个模糊类,这对以往的故障特征提取方法来说是一个巨大的进步。在利用所提出的方法提取故障数据特征后,在可视化空间中,故障是完全可分的。(4)讨论了代价函数中的三种常用准则函数,分析了这些准则的适用情况。从理论上证明了基于信息理论学习的准则函数对非高斯噪声不敏感的特性,分析了这些准则之间的关系,并就非高斯噪声的不同情况,推导了相关公式,根据这些公式具体分析了三种准则函数的表现。(5)将信息理论学习准则函数用于局部线性嵌入算法,实验表明在按(2)的邻域确定方式的基础上,局部线性嵌入算法对含非高斯噪声的人工数据集能够消除噪声的影响,在低维空间中保留数据集的原有几何结构。对于混合了非高斯噪声的模拟电路故障信号,用基于信息理论准则的局部线性嵌入算法和多维尺度分析,可以进行故障特征提取,算法同时具有高精度的诊断能力。
李卫娜[7](2019)在《基于多模态磁共振的散发性肌萎缩侧索硬化影像学标记与个体化诊断研究》文中进行了进一步梳理肌萎缩侧索硬化(Amyotrophic Lateral Sclerosis,ALS)是一种同时累及上、下运动神经元的进行性神经退行性疾病,平均生存期3-5年。仅有5-10%的ALS患者为家族遗传,90%以上的病例中,ALS的发病都很突然,称为“散发性ALS(sporadic ALS,sALS)”,其致病原因尚不清楚。由于没有明确的临床诊断检测方案,目前sALS的诊断主要依赖于有经验的医生通过详细病史询问和体格检查,寻找上、下运动神经元共同受累及进行性加重的证据。然而不幸的是,对于这种快速进展的疾病,从症状出现到确诊平均有1年的延迟,严重妨碍了sALS的早期干预。建立客观的、可靠的sALS诊断生物标记物将代表sALS临床研究的重大进展。现代磁共振技术对sALS的研究已经取得了一定的进展,但研究内容较分散,没有对sALS脑结构特征和功能特征的系统研究,有些研究结果甚至相悖,且大多数研究都是发现结构或功能模式的改变,而没有形成影像学标记。基于此,本文利用现代磁共振技术系统的研究了sALS患者脑结构特征和脑功能特征,并基于这些脑结构、功能特征和支持向量机技术训练了系列模式分类器,以期为sALS的诊断提供客观的影像标记和个体化的诊断工具。具体如下:1.sALS的脑结构特征研究:本文利用基于体素的形态学测量方法和基于表面的形态学测量方法系统的研究了sALS患者的灰质体积、皮层厚度、脑沟深度、皮层表面积、平均曲率等特征,并分别基于灰质体积和皮层厚度构建了sALS患者的全脑结构网络,同时利用基于图论的脑网络分析方法研究了sALS患者在脑结构网络全局特征属性和局部特征属性方面的改变;最后探索了这些显着改变的脑结构特征与临床变量之间的相关性。研究结果发现,sALS患者初级运动区的灰质体积和皮层厚度较健康对照组均存在显着降低,符合sALS为运动神经元病的特征;此外,sALS患者顶下小叶的灰质体积、颞上回和额上回的皮层厚度较健康对照组也存在显着下降,表明sALS对皮层的损害并不局限在运动区,而是累及额叶、颞叶、顶叶等多个脑区;sALS的全脑结构网络分析显示,无论是灰质体积网络还是皮层厚度网络,同健康对照组一样,其脑结构网络都存在小世界属性,但随着网络连接密度的增加,其皮层厚度网络的小世界属性可能会丧失;此外,sALS患者的灰质体积网络和皮层厚度网络均显示网络的局部效率显着降低,提示sALS患者脑结构网络局部信息传递能力的减弱。相关分析发现,sALS患者初级运动区的灰质体积与其疾病病程呈显着负相关,初级运动区的皮层厚度与其ALSFRSR评分呈显着正相关,使初级运动区成为诊断sALS的潜在结构影像学标记。2.sALS的脑功能特征研究:本文利用静息态fMRI影像数据并回顾文献中新近静息态fMRI特征提取方法,分别从脑功能的局部活动特征(包括低频幅值)、局部同步或连接特征(包括局部神经活动一致性、基于体素-镜像同伦的功能连接、短程功能连接密度、长程功能连接密度)及全脑连接特征(包括全脑功能连接强度、基于体素的度中心性)的角度系统的研究了sALS患者的脑功能特征,并构建了sALS患者的全脑功能连接网络,利用图论的分析方法研究其脑功能连接网络全局特征属性和局部特征属性的改变;最后探索这些显着改变的脑功能特征与临床变量间的相关性。研究结果发现,sALS患者与健康对照组脑功能特征差异最多的脑区为初级运动区和内侧和旁扣带回,其他还分布在额叶、颞叶、顶叶、枕叶和非皮层运动区(如壳核和小脑)等多个脑区;结构是功能的基础,sALS患者与正常对照组结构特征存在显着差异的脑区功能特征也存在显着差异,然而一些尚未显现结构特征差异的脑区,如内侧和旁扣带回,也已经表现出了明显的功能特征差异,提示我们sALS的早期诊断不仅要关注运动脑区,非运动脑区的功能特征也是一个重要指标。两组被试的全脑功能网络均具有小世界属性,但无论其全局特征属性还是局部特征属性均无显着差异。sALS患者初级运动区、内侧和旁扣带回等脑区功能特征的改变为sALS的诊断提供潜在功能影像学标记。3.基于支持向量机的sALS的个体化诊断:基于前面所得到的具有显着组间差异的脑结构特征、脑功能特征,利用支持向量机技术,采用“重复嵌套交叉验证”的模型训练和评估方法,本文构建了9个基于单个脑结构特征或功能特征的单模态模式分类器,11组基于多个脑结构或脑功能特征的多模态模式分类器和1个基于显着差异脑结构或脑功能特征脑区的多模态感兴趣区模式分类器。分类效果最好的单模态模式分类器为皮层厚度分类器(准确度:83.1%,敏感度:82.4%,特异度:83.9%,ROC曲线下面积:0.9);分类效果最好的多模态分类器为由皮层厚度分类器和VMHC分类器组成的多模态分类器(准确度:86.2%,敏感度:91.2%,特异度:80.6%,ROC曲线下面积:0.93),分类效果优于所有的单模态分类器;多模态ROI分类器的分类效果在所有训练的分类器中效果最优(准确度:98.5%,敏感度:100%,特异度:96.8%,ROC曲线下面积:0.99),但该分类器有过拟合风险。初级运动区基本上是所有单模态分类器对分类结果贡献显着(或贡献率大于95%)的区域,可以视作sALS诊断的标记性脑区。本文证明了利用sALS患者的脑结构或脑功能影像特征建立个体化水平的sALS诊断方法的可行性,为临床诊断sALS提供客观依据。综上所述,本文利用现代磁共振技术和影像数据分析方法系统的研究了sALS患者脑结构特征和脑功能特征的改变,并利用这些脑结构或脑功能特征提出了新的个体化水平诊断sALS的方法。本文主要有以下三项意义:(1)通过对sALS脑结构特征、功能特征及个体化诊断的研究发现初级运动区可以视作sALS诊断的标记性脑区,初级运动区的脑结构特征和功能特征应是诊断sALS的关注重点,此外,非运动脑区(如内侧和旁扣带回)的脑功能特征也是早期诊断sALS的重要指标;(2)通过横向对比基于单个脑结构特征或功能特征的单模态模式分类器的分类效果,发现皮层厚度分类器的分类效果最优,提示皮层厚度可能是诊断sALS最具代表性的影像特征;(3)利用支持向量机技术,建立了基于脑结构和功能特征的sALS个体化诊断模式分类器,其中皮层厚度分类器及基于皮层厚度特征和VMHC特征的多模态分类器取得了较理想的分类效果,为临床sALS的客观诊断提供帮助,提示基于影像特征和机器学习的sALS个体化诊断策略未来有望成为替代现行EI Escorial标准的诊断技术。
张卫龙[8](2019)在《局部信息约束的三维重建方法研究》文中研究指明基于倾斜影像的三维重建技术(倾斜三维重建)是摄影测量与计算机视觉领域中的研究热点,因其灵活、独特的倾斜摄影方式,可以提供更佳的立体像对、更高的空间分辨率、更多的可用观测值和物方侧立面的纹理信息,使得可以仅依靠单一倾斜航空影像源即可完成附有纹理的大场景三维重建任务。相对于其它三维重建手段,如激光扫描和人工建模等,其具有采集数据效率高、适应场景大、成本低、设备要求低的特点,故受到相关学者和行业者的青睐。与此相对应的是倾斜三维重建还具有尺度差异大、辐射差异大、数据量冗余、数据表达冗余、物方边缘点噪动明显、地物结构不突出、纹理不一致性、时间与空间复杂度高等问题,这些问题严重影响了倾斜三维建模的发展,制约了其潜在的发展潜力,限制了三维产品的实时性和逼真性。针对这些问题本文提出局部信息约束的倾斜三维重建方法,充分利用了物方局部信息减少数据量冗余、数据表达冗余,突出物方结构信息。本文的主要研究内容与贡献如下:1)本文围绕倾斜影像三维重建技术,讨论了其优缺点和现阶段急需解决的问题,介绍了倾斜三维重建研究现状、基本理论和关键技术,深入探讨了现有相关算法的核心本质和存在的问题。2)本文针对现有的SIFT算法存在对局部透视变化敏感的特点,提出使用分频技术探测主方向,以弥补大交会角度对梯度直方图统计的影响,另外还利用结构的鲁棒性,使用各向异性的测地距离加权方法代替原有的高斯各向同性的距离加权方法。同时为了减少测地距离控制系数的影响,本文参考ASIFT算法对其系数空间进行采样,以此多层描述子结构来感知物方结构信息。3)本文针对现有多视密集匹配中存在的问题,即观测信息冗余、计算冗余、表达冗余、边缘信息点噪动等,提出首先使用空三稀疏物方点云,探测出每一个参考影像的最优待匹配影像集合,以减少计算复杂度、降低点云融合的空间复杂度;然后利用物方噪声波动具有有限高斯范围的特性,对参考影像的深度图进行过滤、加权优化和补充无效区域,同时弥补和剔除微小孔洞和孤岛,确保深度图的完整性和精确性;紧接着在深度图中对物方局部平面和边缘进行检测,分别对平面区域、边缘区域进行稀疏采样和噪声点剔除,降低点云数据的表达冗余,提高结构区域的点云精度。最终生成低数据冗余、高精度的点云数据。4)本文针对现有的水密构网存在时间复杂度高、网形冗余表达严重、结构不突出等问题。使用顾及点云局部物方信息的软约束图割算法,从低数据冗余、高精度的点云数据构建出初始水密网,然后通过分析曲面网的离散微分几何性质,利用曲率的变化来衡量网简化过程中产生的几何精度损失,以此抵抗跨结构的边塌陷操作,保留边缘精度的同时突出边缘结构,大幅度减少线性分段网的冗余表达和数据量。另外本文认为纹理映射中纹理一致性表达的两个主要影响因素为几何一致性表达和辐射一致性表达。针对倾斜影像带来的辐射畸变和尺度变化,本文首先使用影像模糊检测函数剔除质量不佳的影像,然后使用多标号优化技术,选取清晰、逼真的影像作为物方面元的纹理源,接着使用全局、局部辐射改正方法调整相邻面元的辐射差异,最后通过纹理打包等手段发布三维模型产品。其中为了减少相邻分块区域的纹理辐射差异,提出使用预处理辐射调整函数对影像集进行整体匀光匀色。
叶昌鹏[9](2019)在《传递熵理论在工程结构非线性动力识别中的应用研究》文中研究说明对于任何一个实际工程结构,由于受各种环境荷载和使用荷载的作用,从投入使用开始就面临着损伤累积的问题,随着动静荷载的长期效应、长久的环境侵蚀,结构损伤会日益严重,为保证结构在服役过程中的安全性和耐久性,对结构进行有效的损伤识别显得尤为重要。本文较为全面的回顾了基于结构振动的损伤识别方法的研究现状,采用传递熵理论对工程结构进行非线性动力识别,主要研究工作包括:1.利用有限元软件ANSYS对两个不同位置存在裂缝的竖直悬臂梁进行模拟,基于数值解获得的振动加速度信号,分别采用替代数据算法和改进的替代数据算法对时程数据进行重构,从两种替代数据的自相关函数与原始数据的差异性来判断,由改进的替代数据算法产生的数据更能符合后续传递熵计算的要求。采用传递熵和改进的替代数据算法对带裂缝梁的数值模型进行损伤识别研究,结果表明,对于靠近裂缝位置的测点组,由原始数据算得的传递熵和由替代数据算得的传递熵之间的偏离程度随着裂缝尺寸的增大而增大;而远离裂缝位置测点组的传递熵则不存在这样的变化规律。这一规律显示传递熵结合改进的替代数据算法具有裂缝(损伤)定位的能力。提出了相对基准状态的概念,在此基础上改进前人的损伤指标,发现悬臂梁上裂缝附近测点组的损伤指标值与裂缝长度呈明显正相关关系,通过损伤指标能够识别裂缝长度变化,验证了所提出指标的有效性。2.采用伽辽金法和四阶龙格-库塔法求解非线性粘弹性地基上受时变荷载作用的均质欧拉-伯努利梁的运动控制方程,通过设置地基非线性刚度系数与线性刚度系数不同的比值和梁的不同杨氏模量来模拟不同的非线性状态。利用传递熵结合改进的替代数据算法,对不同非线性情况下梁横向位移的原始数据和替代数据分别进行传递熵计算,结果表明本文所提出的指标值与非线性程度的大小成正相关,验证了传递熵结合改进替代数据方法能有效地识别地基-结构系统的非线性状态。通过对横向位移信号添加不同强度的噪声来验证基于传递熵结合改进替代数据算法的非线性状态识别方法具有较强的抗噪能力。3.针对含法兰损伤的风电塔筒,采用三种不同的方法对实测响应数据进行研究。由FFT频谱分析方法的分析结果显示,该方法很不敏感,无法单靠固有频率去识别法兰损伤。由基于自功率谱熵的识别方法的结果显示,该方法能识别法兰损伤,但无法定位。利用本文所提出的损伤指标,以同型号、同等建设条件且运行状况良好的风电塔筒的测试数据作为相对基准数据,对三种采样频率下的实测振动数据进行传递熵计算,结果表明传递熵结合改进替代数据算法有良好的损伤识别效果,证明了该方法以及所提出的指标不仅仅适用于数值模型和半解析数值模型的非线性动力识别,也同样适用于实际工程的非线性损伤识别。4.为产生明显的正截面破坏和斜截面破坏,设计采用两种钢筋混凝土简支梁的配筋方式。对两种破坏形式,各选取1根完整梁和3根已破坏梁进行试验,研究传递熵结合改进的替代数据算法对裂缝的识别能力。通过定义合适的离散度指标,研究了传递熵对破坏过程中产生的微观裂缝、宏观裂缝以及贯穿裂缝的识别效果,并分析两种破坏形式过程中的离散度指标的变化规律,研究结果表明,除微观裂缝外,传递熵结合改进的替代数据方法能有效识别和定位钢筋混凝土梁的其他两种裂缝。从采样频率和激励方式的角度,验证了传递熵结合改进替代数据方法用于钢筋混凝土结构损伤识别的鲁棒性。本文结合有限元数值模拟、半解析数值方法、工程测试以及试验研究等技术手段,采用传递熵结合改进的替代数据算法对工程结构中的不同非线性形式进行动力识别研究,验证该方法的可靠性及其优势,旨在为实际工程结构的非线性动力识别提供一种新的有效方法。
王力[10](2018)在《体数据可视化分析关键技术研究》文中研究说明体数据泛指分布于三维空间且彼此之间存在相互作用的离散数据集合,具有多模态、多维度、多变量、以及数据规模巨大等特点,广泛存在于医学、流体动力学、核物理模拟和气象科学等领域,如CT、海洋流场、核爆和飓风等数据,体数据的处理和分析对医学诊断、海上航行、气象预报和军事应用等具有重要意义。可视化分析是一种以可视化为手段的分析方法,通过将抽象的体数据以形象直观的图形图像方式呈现,使人们可以基于视觉感知直观地探索分析体数据内部隐藏的模式、关系和特点,并进而深刻理解相关物理现象的内在机理和变化规律。当前,体数据可视化及其分析面临严峻挑战:多模态导致数据在获取和应用中存在信息缺失等问题,以致数据完备性和有效性不足;数据规模巨大导致硬件需求高、可视化映射数量多和混叠遮挡现象严重等问题,以致可视化及分析的效率和质量不高;多变量导致体数据内部作用错综复杂,以致难以洞察变量间相互关系。在体数据可视化分析中,体数据处理和视觉分析处于重要地位,本文围绕其中的关键问题展开研究,主要包括体数据插值、分割、时变体数据特征提取与跟踪和多变量体数据关联分析,旨在突破关键技术,为面向体数据的可视化分析应用奠定理论与技术基础。论文主要工作如下:1、针对体数据插值,为了解决反距离权重法参考样本选取缺乏科学指导以及对数据信息的利用不够充分的问题,综合数据点的空间位置信息和体数据的局部统计特性,提出了一种基于统计分布采样的体数据插值方法。首先基于距离影响因子确定插值样本集;然后基于高斯混合模型和贝叶斯信息准则估计插值样本集的概率密度函数,并优化概率密度函数尾部的截断误差;最后通过对概率密度函数采样得到待插值点的估计值。实验结果表明该方法具有较高的精度和鲁棒性。2、针对体数据分割,为了解决现有方法通用性较差且精度和效率难以兼顾的问题,设计了“过分割—聚类”的分割策略,提出了一种基于超体素聚类的体数据混合分割方法。首先提出距离权重和属性权重的概念,优化区域生长准则,并基于区域生长算法对体数据进行过分割生成超体素;然后引入信息扩散估计,优化扩散估计系数并基于信息扩散估计定义统计距离测度;最后基于K均值算法对超体素聚类,实现体数据分割。实验结果表明该方法在保证分割精度的同时具有较高的时间效率。3、针对时变体数据特征提取与跟踪,为了解决现有方法严重依赖于特征定义且通用性较差的问题,将体数据的统计分布作为特征描述,提出了一种基于统计特性相似性匹配的时变体数据特征提取与跟踪方法。针对特征提取,首先基于简单线性迭代聚类方法对体数据分割生成超体素;然后采用混合建模策略建立基于概率密度函数的统计描述与表达;最后交互式选取参考特征并度量其和各超体素的统计距离,通过匹配相似性实现特征提取。针对特征跟踪,采用规则分割策略生成超体素并基于增量学习机制更新统计分布参数,通过逐时刻特征提取实现对特征的跟踪。实验结果表明该方法具有较高的精度和效率,并且能够不依赖于定义对特征进行提取与跟踪。4、针对多变量体数据关联分析,为了探索体数据不同变量之间的内在相互作用关系,提出了一种基于可视化的多变量体数据关联分析方法。首先选择最具有代表性的变量作为参考变量,并基于直方图将所有变量离散化;然后分别基于信息重叠和信息流分析参考变量的成分和变量、成分之间的相互作用,并构建“surprise-influence”图,用户通过交互接口识别变量的代表性成分;最后通过对代表性成分可视化探索变量之间的作用机理,实现关联分析。实验结果验证了该方法的适用性和有效性。
二、速度依赖于高斯曲率倒数的非参数曲面发展(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、速度依赖于高斯曲率倒数的非参数曲面发展(论文提纲范文)
(1)网格参数化的高效优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究问题与研究意义 |
1.1.1 曲面表示 |
1.1.2 网格生成与处理 |
1.1.3 网格参数化 |
1.1.4 参数化的应用 |
1.2 研究现状与相关工作 |
1.2.1 网格切缝生成 |
1.2.2 低扭曲的网格参数化 |
1.2.3 无翻转几何映射 |
1.2.4 大规模网格的几何处理 |
1.2.5 网格曲面的可展性优化 |
1.3 本文内容及结构安排 |
第2章 预备知识 |
2.1 连续形式下曲面的微分几何理论 |
2.1.1 曲面表示及度量 |
2.1.2 曲面曲率 |
2.1.3 可展曲面 |
2.2 三角网格上的映射和参数化 |
2.2.1 三角网格的表示 |
2.2.2 三角网格的平面参数化 |
2.2.3 映射的扭曲度量 |
2.3 数值优化方法 |
2.3.1 无约束最优化问题 |
2.3.2 线搜索方法 |
第3章 渐进参数化 |
3.1 引言 |
3.2 渐进参数化 |
3.2.1 参考指导的扭曲度量 |
3.2.2 问题描述 |
3.2.3 渐进地构造参考三角形 |
3.2.4 混合求解器 |
3.2.5 算法实现细节 |
3.3 实验与评估 |
3.3.1 算法评估 |
3.3.2 测试数据集 |
3.3.3 在数据集上的实验统计 |
3.4 本章小结 |
第4章 面向大规模网格内存高效的双射参数化 |
4.1 引言 |
4.2 算法描述 |
4.2.1 概述 |
4.2.2 分而治之初始化 |
4.2.3 基于样条空间的下降方向估计 |
4.2.4 基于子网格的优化 |
4.2.5 细节讨论 |
4.3 实验与评估 |
4.3.1 算法评估 |
4.3.2 算法比较 |
4.4 本章小结 |
第5章 法向驱动的网格曲面可展性优化 |
5.1 引言 |
5.2 算法描述 |
5.2.1 三角网格的可展性 |
5.2.2 面向可展性优化的向导法向构造 |
5.2.3 基于联合双边滤波的网格可展性优化 |
5.3 实验与评估 |
5.3.1 算法评估 |
5.3.2 比较实验 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(2)智能车队的运行环境驾驶行为认知与协同控制优化方法(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 关键技术研究现状 |
1.2.1 驾驶员行为特征研究现状 |
1.2.2 先进的驾驶辅助系统研究现状 |
1.2.3 不同场景下车队运行策略研究现状 |
1.2.4 车队对周围交通流运行态势认知的研究现状 |
1.3 问题的提出 |
1.4 论文主要内容与创新点 |
1.4.1 论文内容及组织结构 |
1.4.2 论文创新点 |
2 基于非参数贝叶斯算法的驾驶员行为认知模型 |
2.1 问题描述 |
2.2 驾驶员行为认知模型组成元素 |
2.2.1 隐马尔科夫模型(HMM) |
2.2.2 隐式半马尔科夫模型(HSMM) |
2.2.3 分层狄利克雷过程(HDP) |
2.3 驾驶员行为认知模型构建 |
2.3.1 HDP-HMM |
2.3.2 Sticky HDP-HMM |
2.3.3 HDP-HSMM |
2.3.4 模型超参数设定 |
2.4 驾驶员行为特征 |
2.4.1 连续性驾驶行为特征获取 |
2.4.2 偶发性驾驶行为特征获取 |
2.4.3 应激性驾驶行为特征获取 |
2.5 本章小结 |
3 基于跟驰行为特征深度认知的车队车辆排序优化方法 |
3.1 问题描述 |
3.2 驾驶员跟驰行为特征深度认知模型框架 |
3.3 驾驶员跟驰行为特征深度认知算法 |
3.3.1 驾驶员跟驰行为特征(一次)获取 |
3.3.2 驾驶员跟驰行为特征(二次)获取 |
3.4 车队车辆最优排序方案选定 |
3.4.1 车队车辆排序需求分析 |
3.4.2 车队车辆排序方案选定方法 |
3.5 仿真算例分析 |
3.5.1 人工驾驶车辆跟驰行为原始数据获取 |
3.5.2 驾驶员一次跟驰行为特征分析 |
3.5.3 驾驶员二次跟驰行为特征分析 |
3.6 本章小结 |
4 基于换道行为认知的定制化车辆入队控制策略优化 |
4.1 问题描述 |
4.2 驾驶员定制化ADAS策略生成模型框架 |
4.3 分步式SVOP算法 |
4.3.1 超车车辆速度与安全间隙匹配 |
4.3.2 车队安全间隙位置选取 |
4.4 ADAS信息筛选过滤 |
4.5 仿真算例分析 |
4.5.1 SVOP策略数据生成 |
4.5.2 驾驶员换道行为特征获取 |
4.6 本章小结 |
5 基于应激性驾驶行为认知的车队车辆分离控制方法 |
5.1 问题描述 |
5.1.1 车队长度过长对通信传输的影响 |
5.1.2 车队长度过长在交叉口通行时受到的影响 |
5.2 交叉口前过渡路段车队车辆分离策略生成模型框架 |
5.3 驾驶员换道入队行为认知的车队通信区块间隙获取方法 |
5.4 车队间隙优化调整 |
5.5 车队车辆分离策略选定算法 |
5.6 车队分离车辆控制策略 |
5.6.1 车队分离车辆的安全换道条件 |
5.6.2 换道区域的容纳能力 |
5.6.3 车队分离车辆的最优运行策略 |
5.7 仿真算例分析 |
5.8 本章小结 |
6 复合行为下智能车队运行参数选定与仿真验证 |
6.1 问题描述 |
6.2 车队运行参数选定算法 |
6.3 车队周围多车运行模式获取 |
6.3.1 多车运行模式建模-混和高斯过程 |
6.3.2 多车运行模式分类 |
6.3.3 模型参数推断 |
6.4 车队及多车运行模型 |
6.4.1 车队车辆跟驰模型 |
6.4.2 车队周围车辆跟驰和换道模型 |
6.5 仿真算例分析 |
6.6 本章小结 |
7 结论与展望 |
7.1 论文研究工作总结 |
7.2 论文创新点总结 |
7.3 未来研究工作展望 |
参考文献 |
附录 A 索引 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(3)关于几何偏微分方程中两个经典问题的一点研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 毛细边界问题 |
1.1.1 毛细问题 |
1.1.2 圆柱内带毛细边界的平均曲率流 |
1.1.3 单位球内带毛细边界的平均曲率型流 |
1.2 相对等周问题 |
1.2.1 相对等周不等式 |
1.2.2 对数Sobolev不等式 |
1.2.3 加权几何不等式 |
第二章 圆柱内的毛细边界问题 |
2.1 整体梯度估计 |
2.2 定理1.1.10的证明 |
2.3 定理1.1.9的证明 |
2.4 逼近解的一致梯度估计 |
2.5 定理1.1.7的证明 |
第三章 单位球内的毛细边界问题 |
3.1 Minkowski型积分公式 |
3.2 第一变分公式 |
3.3 共形变换和标量方程 |
3.4 先验估计 |
3.5 定理1.1.11的证明 |
第四章 相对等周不等式 |
4.1 经典等周不等式 |
4.2 极小子流形的等周不等式 |
4.3 相对等周不等式的新证明 |
4.4 定理1.2.4的证明 |
4.5 定理1.2.5的证明 |
第五章 加权几何不等式 |
5.1 加权等周不等式 |
5.2 定理1.2.13的证明 |
5.3 加权Heintze-Karcher不等式 |
5.4 加权Reilly不等式 |
5.5 定理1.2.11的证明 |
第六章 研究展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(4)建筑几何中的网格与光滑曲面构造(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 微分几何简介 |
1.1.1 特殊曲线 |
1.1.2 特殊曲面 |
1.2 离散微分几何简介 |
1.3 建筑几何简介 |
1.4 本文主要工作 |
2 插值渐近四边形的曲面构造 |
2.1 研究背景 |
2.2 渐近四边形的判定条件 |
2.2.1 渐近线 |
2.2.2 相交渐近线 |
2.2.3 渐近四边形 |
2.3 插值Bezier渐近四边形的Bezier曲面 |
2.3.1 5次Bezier渐近四边形 |
2.3.2 Bezier渐近四边形插值条件 |
2.3.3 双11次Bezier插值曲面 |
2.4 插值有理Bezier渐近四边形的有理Bezier曲面 |
2.4.1 n次有理Bezier渐近四边形 |
2.4.2 有理Bezier渐近四边形插值条件 |
2.4.3 双(5n -7)次有理Bezier插值曲面 |
2.5 插值B样条渐近四边形的B样条曲面 |
2.5.1 3次B样条渐近四边形 |
2.5.2 B样条渐近四边形插值条件 |
2.5.3 双13次B样条插值曲面 |
3 特殊离散网格构造 |
3.1 研究背景 |
3.1.1 基本网格 |
3.2 离散常平均曲率曲面 |
3.2.1 弯曲支撑结构 |
3.2.2 S-网格点星条件 |
3.2.3 构造方法 |
3.2.4 应用实例 |
3.3 离散测地平行坐标系 |
3.3.1 几何性质 |
3.3.2 格点星条件 |
3.3.3 测地条带面 |
3.3.4 应用实例 |
3.4 离散测地线参数网 |
3.4.1 正交测地网面 |
3.4.2 等角测地网面 |
3.4.3 应用实例 |
3.5 离散曲率线参数网 |
3.5.1 圆网 |
3.5.2 锥网 |
3.5.3 等温网 |
3.5.4 蒙日网 |
3.5.5 应用实例 |
3.6 离散渐近线参数网 |
3.6.1 A-网格点星条件 |
3.6.2 几何性质 |
3.6.3 极小曲面 |
3.6.4 具有常主法曲率比的曲面 |
3.6.5 应用实例 |
3.7 算法说明 |
3.7.1 变量列表 |
3.7.2 约束函数说明 |
3.7.3 计算时间 |
4 面向制造意识的几何设计 |
4.1 研究背景 |
4.2 自由曲面结构 |
4.3 可展曲面结构 |
4.3.1 离散可展条件 |
4.3.2 离散测地平行可展网 |
4.3.3 可展曲面直母线向量域 |
4.4 旋转曲面结构 |
4.4.1 等距于旋转面的曲面 |
4.4.2 提取旋转面 |
4.4.3 测量等距变换 |
4.4.4 旋转面模具 |
4.5 测地网壳结构 |
5 结论与展望 |
5.1 结论 |
5.2 创新点摘要 |
5.3 展望 |
参考文献 |
附录 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(5)基于离散微分几何理论的3D点云配准与评价方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 3D点云模型处理技术综述 |
1.2.1 3D点云配准问题 |
1.2.2 3D点云形状评价问题 |
1.3 离散微分几何理论的研究与应用综述 |
1.3.1 离散微分几何理论的优势 |
1.3.2 离散微分几何的点云处理应用 |
1.4 3D点云模型处理的关键问题 |
1.5 研究内容 |
第二章 离散微分几何理论及其3D点云处理 |
2.1 离散微分几何的理论框架 |
2.1.1 基本概念 |
2.1.2 3D空间线性变换 |
2.1.3 网格微分算子 |
2.1.4 网格上的函数空间 |
2.1.5 Helmholtz-Hodge分解 |
2.2 离散微分几何理论的相关应用 |
2.2.1 3D点云模型去噪 |
2.2.2 3D点云模型的网格参数化 |
2.2.3 3D点云模型的非刚性配准问题 |
2.3 本章小结 |
第三章 基于离散微分几何理论的点云配准算法 |
3.1 3D点云配准的理论基础 |
3.2 基于离散微分几何理论的点云配准新思路 |
3.3 基于Helmholtz-Hodge分解的3D点云模型向量场奇异点提取算法 |
3.3.1 离散平均曲率的计算 |
3.3.2 离散曲率梯度场的计算 |
3.3.3 3D点云模型上的降噪处理 |
3.3.4 曲率梯度场的无旋场求解 |
3.3.5 曲率梯度场的无散场求解 |
3.3.6 无旋场及无散场奇异点的计算 |
3.4 梯度场奇异点的ICP迭代配准 |
3.5 基于HHD-ICP的3D点云配准算法实验验证 |
3.5.1 仿真环境与实验方案 |
3.5.2 实例验证与结果 |
3.5.3 配准误差及算法评价 |
3.6 本章小结 |
第四章 3D点云形状的Steklov频谱评价方法与根管实例评价 |
4.1 引言 |
4.2 基于Steklov频谱理论的3D点云模型形状评价方法 |
4.2.1 相关研究介绍 |
4.2.2 Steklov频谱的数学模型 |
4.2.3 基于位势理论的Steklov算子频谱的数值解讨论 |
4.2.4 离散网格上的Steklov频谱数值解算法 |
4.2.5 基于Steklov频谱的3D点云模型评价方法 |
4.3 根管形状评价的研究背景及方法评述 |
4.4 面向根管点云模型评价的Steklov频谱方法 |
4.4.1 基于Steklov频谱形状差异的根管形状评价算法总体思路 |
4.4.2 参照根管点云模型的构造方法 |
4.4.3 基于频谱差异的根管形状评价方法 |
4.5 评价算法的实验验证 |
4.5.1 基于Steklov频谱差异的点云评价算法准确性评价 |
4.5.2 基于Steklov频谱差异的点云评价算法鲁棒性评价 |
4.6 本章小结 |
第五章 基于MESHLAB的3D点云处理算法验证系统的设计与实现 |
5.1 MESHLAB开发环境 |
5.2 系统功能模块设计 |
5.2.1 点云模型载入模块 |
5.2.2 显示模块功能 |
5.2.3 HHD配准模块功能 |
5.2.4 形状评价模块 |
5.2.5 参数配置模块 |
5.3 基于MESHLAB的点云处理算法实现 |
5.3.1 添加自定义选单 |
5.3.2 批量读取点云来重建网格 |
5.3.3 低圈复杂度的访问任意阶邻接运算算法及其实现 |
5.3.4 基于HHD的点云配准算法实现 |
5.3.5 基于Steklov算子频谱的点云模型评价算法实现 |
5.4 系统实现与运行分析 |
5.4.1 系统功能界面 |
5.4.2 HHD-ICP配准算法运行实例 |
5.4.3 任意阶邻接运算算法对平滑化算法的改进与效果 |
5.4.4 任意阶邻接运算算法的运行分析 |
5.5 本章小结 |
结论与展望 |
参考文献 |
附录 |
攻读博士期间发表的论文 |
致谢 |
(6)子空间学习算法在模拟电路故障诊断中的应用(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 传统模拟电路故障诊断方法 |
1.2.2 现代模拟电路故障诊断方法 |
1.2.3 模拟电路故障特征提取方法 |
1.3 本文的研究内容及安排 |
1.3.1 本文的主要内容 |
1.3.2 本文的结构安排 |
第二章 子空间学习算法相关理论 |
2.1 子空间学习算法综述 |
2.2 线性子空间学习算法 |
2.2.1 主成分分析(Principal Component Analysis, PCA) |
2.2.2 线性判别法(Linear Discriminant Analysis, LDA) |
2.2.3 随机投影(Random Projection,RP) |
2.3 基于核方法的子空间学习算法 |
2.3.1 核方法 |
2.3.2 核主成分分析(Kernel Principal Component Analysis,KPCA) |
2.3.3 核熵成分分析(Kernel Entropy Component Analysis,KECA) |
2.4 流形学习概述 |
2.4.1 关于流形的一些定义 |
2.4.2 流形学习的一般模式 |
2.4.3 流形学习方法的分类 |
2.4.4 试验数据集介绍 |
2.5 基于距离保持的流形学习算法 |
2.5.1 多维尺度分析(Multidimensional Scaling,MDS) |
2.5.2 等距映射算法(Isometric Mapping,ISOMAP) |
2.5.3 极大方差展开(Maximum Variance Unfolding,MVU) |
2.5.4 随机近邻嵌入(Stochastic Neighbor Embedding,SNE) |
2.6 基于拓扑保持的流形学习算法 |
2.6.1 局部线性嵌入算法(Locally Linear Embedding,LLE) |
2.6.2 邻域保持嵌入算法(Neighborhood Preserving Embedding,NPE) |
2.6.3 拉普拉斯特征映射(Laplacian Eigenmaps,LE) |
2.6.4 局部保持投影(Locality Preserving Proj ection,LPP) |
2.6.5 局部切空间排列(Local Tangent Space Alignment,LTSA) |
2.6.6 Hessian特征映射(Hessian-LLE,HLLE) |
2.6.7 局部样条嵌入(Local Spline Embedding, LSE) |
2.7 流形学习算法图嵌入框架 |
2.7.1 框架介绍 |
2.7.2 流形算法的图嵌入 |
2.8 仿真实例 |
2.8.1 Swiss Roll数据集 |
2.8.2 Swiss Hole数据集 |
2.8.3 Corner Planes数据集 |
2.8.4 Punctured Sphere数据集 |
2.8.5 3D Clusters数据集 |
2.8.6 Toroidal Helix数据集 |
2.9 本章小结 |
第三章 基于核方法的子空间学习算法的模拟电路特征提取与故障诊断 |
3.1 核概率密度估计 |
3.1.1 —维随机变量核概率密度估计 |
3.1.2 多维随机变量核概率密度估计 |
3.1.3 高阶核概率密度估计 |
3.2 基于全带宽矩阵的核概率密度估计Renyi熵 |
3.2.1 Renyi熵的一个新估计 |
3.2.2 估计的无偏性 |
3.2.3 全带宽矩阵的选取 |
3.2.4 仿真试验 |
3.3 基于高阶核的核概率密度估计在KECA中的应用 |
3.3.1 Renyi熵的偏差校正 |
3.3.2 核特征空间中统计量的分析 |
3.4 改进的KECA在模拟电路故障诊断中的应用 |
3.4.1 故障特征提取 |
3.4.2 故障模式识别 |
3.4.3 故障诊断流程 |
3.5 诊断实例 |
3.5.1 诊断电路和故障设置 |
3.5.2 诊断结果 |
3.6 本章小结 |
第四章 基于流形算法的子空间学习算法的模拟电路故障诊断 |
4.1 理论背景 |
4.1.1 图的数学描述 |
4.1.2 图上的随机游走(Random Walk) |
4.1.3 图上的扩散过程 |
4.2 扩散映射 |
4.2.1 扩散映射(Diffusion Maps) |
4.2.2 扩散距离 |
4.3 基于扩散距离的若干流形算法 |
4.3.1 ISOMAP—DD算法 |
4.3.2 基于扩散距离的其它流形算法 |
4.4 基于两阶段的流形算法在模拟电路故障诊断中的应用 |
4.4.1 故障特征提取 |
4.4.2 故障诊断流程 |
4.5 诊断实例 |
4.5.1 诊断电路 |
4.5.2 故障设置 |
4.6 诊断结果 |
4.6.1 单个流形学习算法提取故障特征 |
4.6.2 其它子空间算法提取故障特征 |
4.6.3 两阶段流形算法提取故障特征 |
4.6.4 算法的分类性能比较 |
4.7 算法有效性分析 |
4.7.1 原始故障数据 |
4.7.2 中级特征故障数据 |
4.8 本章小结 |
第五章 基于信息理论学习准则的子空间学习算法的模拟电路故障诊断 |
5.1 半二次正则化方法 |
5.2 代价函数中的准则函数 |
5.2.1 最小均方误差准则(Minimum Mean Square Error,MMSE) |
5.2.2 最大相关熵准则(Maximum Correntropy Criterion,MCC) |
5.2.3 最小误差熵准则(Minimum Error Entropy,MEE) |
5.3 不同准则关系 |
5.3.1 MMSE与MCC |
5.3.2 MEE与MCC |
5.3.3 仿真试验 |
5.4 基于MCC和扩散距离的LLE算法 |
5.4.1 基于MCC的局部线性嵌入(LEE-MCC, LEE based on MCC) |
5.4.2 基于MCC和DD的LLE算法(LEE-DD-MCC, LEE based onDiffusion Distance and MCC) |
5.5 基于MCC和扩散距离的LLE算法的仿真实例 |
5.5.1 试验数据集及噪声 |
5.5.2 试验结果 |
5.6 基于MCC的LLE算法在模拟电路故障诊断中的应用 |
5.6.1 故障特征提取 |
5.6.2 故障诊断流程 |
5.7 基于LLE-MCC的模拟电路故障诊断实例 |
5.7.1 诊断电路 |
5.7.2 诊断结果 |
5.8 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(7)基于多模态磁共振的散发性肌萎缩侧索硬化影像学标记与个体化诊断研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 ALS及其诊断概述 |
1.2 现代磁共振技术及其在sALS中的应用 |
1.2.1 结构磁共振 |
1.2.2 弥散张量成像 |
1.2.3 功能磁共振 |
1.3 机器学习在sALS诊断中的应用 |
1.4 本文的研究构想和论文结构安排 |
1.4.1 本文的研究构想 |
1.4.2 论文结构安排 |
2 散发性肌萎缩侧索硬化的脑结构特征研究 |
2.1 引言 |
2.2 材料与方法 |
2.2.1 研究对象 |
2.2.2 MRI图像采集 |
2.2.3 基于VBM的脑结构特征分析 |
2.2.4 基于SBM的 脑结构特征分析 |
2.2.5 全脑结构网络构建与基于图论的全脑结构网络分析 |
2.3 统计分析 |
2.3.1 临床资料统计分析 |
2.3.2 对VBM分析结果的统计 |
2.3.3 对SBM分析结果的统计 |
2.3.4 全脑结构网络属性的统计分析 |
2.3.5 相关分析 |
2.4 结果 |
2.4.1 临床基本资料 |
2.4.2 基于VBM分析的脑结构特征组间比较结果 |
2.4.3 基于SBM分析的脑结构特征组间比较结果 |
2.4.4 全脑结构网络的组间比较结果 |
2.4.5 sALS患者脑结构特征改变与临床的相关性 |
2.5 讨论 |
2.5.1 sALS运动区形态学特征的改变 |
2.5.2 sALS非运动区形态学特征的改变 |
2.5.3 sALS全脑结构网络特征的改变 |
2.6 本章小结 |
3 散发性肌萎缩侧索硬化的脑功能特征研究 |
3.1 引言 |
3.2 材料与方法 |
3.2.1 研究对象 |
3.2.2 MRI图像采集 |
3.2.3 fMRI信号预处理 |
3.2.4 ALFF特征分析 |
3.2.5 ReHo特征分析 |
3.2.6 VMHC特征分析 |
3.2.7 FCD特征分析 |
3.2.8 全脑FC特征分析 |
3.2.9 DC特征分析 |
3.2.10 全脑功能网路构建与基于图论的全脑功能网络分析 |
3.3 统计分析 |
3.3.1 临床资料统计分析 |
3.3.2 对脑功能特征的统计 |
3.3.3 对全脑功能网络属性的统计 |
3.3.4 相关分析 |
3.4 结果 |
3.4.1 临床基本资料 |
3.4.2 ALFF特征组间比较结果 |
3.4.3 ReHo特征组间比较结果 |
3.4.4 VMHC特征组间比较结果 |
3.4.5 FCD特征组间比较结果 |
3.4.6 全脑FC特征组间比较结果 |
3.4.7 DC特征组间比较结果 |
3.4.8 全脑功能网络组间比较结果 |
3.4.9 sALS患者脑功能特征改变与临床的相关性 |
3.5 讨论 |
3.6 本章小结 |
4 基于支持向量机的散发性肌萎缩侧索硬化的个体化诊断 |
4.1 引言 |
4.2 材料与方法 |
4.2.1 研究对象 |
4.2.2 MRI图像采集 |
4.2.3 MRI图像预处理 |
4.2.4 特征选择 |
4.2.5 特征预处理 |
4.2.6 基于单模态脑结构或功能特征的模式分类分析 |
4.2.7 基于多模态数据融合的模式分类分析 |
4.2.8 基于多模态感兴趣区的模式分类分析 |
4.3 统计分析 |
4.3.1 对单模态模式分类器分类结果贡献显着脑区的统计 |
4.3.2 相关分析 |
4.4 结果 |
4.4.1 基于单模态脑结构或功能特征的模式分类分析结果 |
4.4.2 基于多模态数据融合的模式分类分析结果 |
4.4.3 基于多模态感兴趣区的模式分类分析结果 |
4.4.4 分类器预测效果与临床的相关性 |
4.5 讨论 |
4.6 本章小结 |
5 全文总结与展望 |
5.1 全文总结 |
5.2 本文主要创新点 |
5.3 未来工作展望 |
参考文献 |
附录 |
A.作者在攻读学位期间发表的论文目录 |
B.作者在攻读学位期间参与的科研项目 |
C.攻读博士学位期间获奖情况 |
D.AAL模板和Desikan-Kiliany模板 |
E.学位论文数据集 |
致谢 |
(8)局部信息约束的三维重建方法研究(论文提纲范文)
论文创新点 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 稀疏匹配 |
1.2.2 密集匹配 |
1.2.3 三维构网 |
1.2.4 网优化 |
1.2.5 纹理映射 |
1.3 研究目标和内容 |
1.4 论文结构与内容安排 |
2 各向异性的特征不变量MOSIFT |
2.1 特征不变量 |
2.1.1 不变量的定义 |
2.1.2 不变量的分类 |
2.1.3 特征不变量的生成 |
2.2 倾斜影像中特征提取的问题 |
2.3 顾及局部结构信息的特征提取 |
2.3.1 特征主方向探测 |
2.3.2 各向异性加权 |
2.4 粗差剔除 |
2.4.1 向量场一致性检测 |
2.4.2 基于邻域图的方法 |
2.5 运动恢复结构 |
2.6 实验与分析 |
2.7 本章小结 |
3 顾及局部特征的密集匹配 |
3.1 密集匹配基础 |
3.1.1 P矩阵的潜在几何意义 |
3.1.2 密集匹配的过程 |
3.1.3 密集匹配方法分类 |
3.2 基于倾斜影像的多视密集匹配问题 |
3.3 多视密集匹配的深度图计算 |
3.3.1 影像对的拣选 |
3.3.2 深度图与法向量图的初始化 |
3.3.3 深度图与法向量图的优化 |
3.4 深度图的滤波 |
3.4.1 剔除粗差像素 |
3.4.2 遮挡与侵占空间理论 |
3.4.3 弥补漏洞 |
3.5 顾及局部信息的点云融合 |
3.5.1 顾及物方信息的融合 |
3.5.2 物方平面检测 |
3.5.3 剔除边缘不稳定点 |
3.6 实验与分析 |
3.7 本章小结 |
4 水密网构建与网的特征简化 |
4.1 常见的构网方法 |
4.1.1 隐式构网方法 |
4.1.2 显式构网方法 |
4.2 软约束的构网方法 |
4.2.1 软约束的图割构网 |
4.2.2 顾及结构的网优化 |
4.3 基于局部微分信息的简化 |
4.3.1 微分初步 |
4.3.2 网的微分几何 |
4.3.3 网的简化 |
4.3.4 网的修补 |
4.4 网的合并 |
4.4.1 分段线性复形 |
4.4.2 限制性Delaunay构网 |
4.4.3 基于图割的网合并 |
4.5 实验与分析 |
4.6 本章小结 |
5 倾斜影像纹理映射与实验 |
5.1 影像的预处理 |
5.1.1 块间匀色匀光 |
5.1.2 影像模糊检测 |
5.2 纹理映射 |
5.2.1 遮挡探测 |
5.2.2 面元纹理的选择 |
5.2.3 面元纹理的匀光匀色 |
5.3 模型发布 |
5.3.1 面元纹理的编辑 |
5.3.2 纹理打包 |
5.3.3 pagedLOD的生成 |
5.4 实验分析与对比 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读博士期间取得的学术成果 |
致谢 |
(9)传递熵理论在工程结构非线性动力识别中的应用研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 国内外损伤识别方法研究现状 |
1.2.1 基于动力指纹的损伤识别方法 |
1.2.2 基于模型修正的损伤识别方法 |
1.2.3 基于信号处理的损伤识别方法 |
1.2.4 基于智能算法的损伤识别方法 |
1.2.5 结构损伤识别存在的问题 |
1.3 信息熵理论研究现状 |
1.3.1 信息熵的起源与发展 |
1.3.2 信息熵在损伤识别研究的现状 |
1.3.3 传递熵在损伤识别方面的优点 |
1.4 本文的主要研究内容及创新性 |
1.4.1 研究主要内容 |
1.4.2 本文主要的创新性 |
第2章 理论背景及本文采用的若干算法概要 |
2.1 信息熵方法概要 |
2.1.1 信息熵的数学表达式 |
2.1.2 信息熵的主要性质 |
2.2 传递熵方法概要 |
2.2.1 马尔可夫过程 |
2.2.2 单一时间因子传递嫡 |
2.2.3 双时间因子传递熵 |
2.2.4 核密度估计算法 |
2.3 替代数据算法概要 |
2.3.1 替代数据算法基本原理及分类 |
2.3.2 高斯分布时程数据的替代数据算法 |
2.3.3 非高斯分布时程数据的替代数据算法 |
2.4 本章小结 |
第3章 带裂缝竖直悬臂梁的非线性损伤识别 |
引言 |
3.1 完整竖直悬臂梁 |
3.1.1 数值模型 |
3.1.2 高斯白噪声激励下的动态响应 |
3.1.3 两种替代数据的对比分析 |
3.2 跨中位置存在裂缝的悬臂梁 |
3.2.1 裂缝设置方法 |
3.2.2 高斯白噪声激励下各种裂缝尺寸模型的动态响应 |
3.2.3 两种替代数据的生成 |
3.2.4 传递熵计算结果及分析 |
3.3 现有损伤指标以及新损伤指标的构造 |
3.3.1 现有的损伤指标 |
3.3.2 基于现有损伤指标的结果及分析 |
3.3.3 新损伤指标的构造 |
3.3.4 基于新损伤指标的结果及分析 |
3.4 底部位置存在裂缝的悬臂梁 |
3.4.1 裂缝设置方法 |
3.4.2 高斯白噪声激励下各种裂缝尺寸模型的动态响应 |
3.4.3 传递熵计算结果及分析 |
3.4.4 损伤指标的计算结果 |
3.5 本章小结 |
第4章 粘弹性地基的非线性程度识别 |
引言 |
4.1 非线性粘弹性地基上欧拉伯努利梁的动态响应计算方法 |
4.1.1 问题描述 |
4.1.2 伽辽金法 |
4.1.3 四阶龙格-库塔法 |
4.1.4 模型荷载及计算参数 |
4.1.5 数值解 |
4.2 地基非线性刚度对传递熵的影响 |
4.2.1 地基非线性刚度的设置及采样频率 |
4.2.2 传递熵计算结果分析 |
4.2.3 非线性指标评价 |
4.3 梁的杨氏模量对传递熵的影响 |
4.3.1 杨氏模量的取值及其它计算参数 |
4.3.2 非线性指标评价 |
4.4 抗噪性研究 |
4.4.1 研究的必要性以及方法 |
4.4.2 信噪比对传递熵的影响 |
4.5 本章小结 |
第5章 风电塔筒法兰连接损伤识别 |
引言 |
5.1 风电塔筒实测概况及测点布置 |
5.1.1 实测工程概况 |
5.1.2 测试方案设计 |
5.2 FFT频谱分析 |
5.2.1 频谱及相关物理量 |
5.2.2 风电塔筒的频谱分析结果 |
5.3 基于自功率谱熵的损伤识别研究 |
5.3.1 自功率谱熵构造过程 |
5.3.2 自功率谱幅频特性 |
5.3.3 自功率谱熵熵值变化统计规律 |
5.4 基于传递熵的损伤识别研究 |
5.4.1 传递熵计算结果分析 |
5.4.2 损伤指标评价 |
5.4.3 损伤指标分析 |
5.5 本章小结 |
第6章 基于钢筋混凝土筒支梁试验的非线性损伤识别研究 |
引言 |
6.1 试验方案设计 |
6.1.1 试验梁参数及试验布置 |
6.1.2 钢筋混凝土完整简支梁固有频率计算 |
6.1.3 传感器频响频率确定 |
6.2 正截面破坏简支梁 |
6.2.1 试验测试及裂缝开展过程 |
6.2.2 传递熵计算结果 |
6.2.3 离散度指标及其变化规律分析 |
6.2.4 鲁棒性研究 |
6.3 斜截面破坏简支梁 |
6.3.1 裂缝开展情况及传递熵计算结果 |
6.3.2 损伤指标变化规律 |
6.4 两点集中加荷形式下简支梁破坏的识别 |
6.4.1 正截面破坏 |
6.4.2 斜截面破坏 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 研究结论 |
7.2 不足与展望 |
参考文献 |
作者简历及在学期间所取得的科研成果 |
(10)体数据可视化分析关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 体数据插值 |
1.2.2 体数据分割 |
1.2.3 时变体数据特征提取与跟踪 |
1.2.4 多变量体数据可视化与关联分析 |
1.3 存在的问题 |
1.4 研究思路与论文组织 |
1.4.1 研究思路 |
1.4.2 主要内容及组织结构 |
第二章 基于统计分布采样的体数据插值方法 |
2.1 引言 |
2.2 基于距离影响因子的插值样本集搜索 |
2.2.1 距离影响因子 |
2.2.2 插值样本集搜索 |
2.3 基于高斯混合模型和贝叶斯信息准则的插值样本集建模 |
2.3.1 高斯混合模型和期望最大化算法 |
2.3.2 改进的高斯混合模型IGMM |
2.3.3 基于贝叶斯信息准则的IGMM优化 |
2.4 基于随机采样的插值估计 |
2.5 方法流程与总结 |
2.6 实验与讨论 |
2.6.1 实验条件 |
2.6.2 实验结果与分析 |
2.6.3 参数分析与讨论 |
2.7 本章小结 |
第三章 基于超体素聚类的体数据混合分割方法 |
3.1 引言 |
3.2 基于区域生长算法的体数据过分割 |
3.3 基于统计距离测度的K均值聚类 |
3.3.1 聚类算法对比与需求分析 |
3.3.2 基于信息扩散估计的统计建模 |
3.3.3 基于概率密度函数的统计距离 |
3.4 实验与讨论 |
3.4.1 实验条件 |
3.4.2 实验结果与分析 |
3.5 本章小结 |
第四章 基于统计特性相似性匹配的时变体数据特征提取与跟踪方法 |
4.1 引言 |
4.2 基于SLIC的超体素分割 |
4.2.1 超像素算法对比分析 |
4.2.2 SLIC方法简介 |
4.3 基于GMM+SGM的混合建模策略 |
4.3.1 建模需求分析 |
4.3.2 归一化测试 |
4.4 基于统计特性相似性匹配的时变体数据特征提取与跟踪 |
4.4.1 基于统计距离的特征匹配与提取 |
4.4.2 基于逐时刻特征提取的时变体数据特征跟踪 |
4.5 实验结果与分析 |
4.5.1 实验条件 |
4.5.2 特征提取实验 |
4.5.3 特征跟踪实验 |
4.5.4 讨论与分析 |
4.6 本章小结 |
第五章 基于可视化的多变量体数据关联分析方法 |
5.1 引言 |
5.2 关联分析基础 |
5.3 多变量体数据可视化与关联分析 |
5.3.1 熵与参考变量 |
5.3.2 信息重叠与互信息 |
5.3.3 信息流与成分相关性分析 |
5.3.4 基于可视化的关联分析 |
5.4 实验与讨论 |
5.4.1 实验条件 |
5.4.2 实验结果与分析 |
5.4.3 参数分析与讨论 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 本文工作总结 |
6.2 下一步工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
四、速度依赖于高斯曲率倒数的非参数曲面发展(论文参考文献)
- [1]网格参数化的高效优化方法研究[D]. 叶春阳. 中国科学技术大学, 2021(09)
- [2]智能车队的运行环境驾驶行为认知与协同控制优化方法[D]. 陈俊杰. 北京交通大学, 2020(03)
- [3]关于几何偏微分方程中两个经典问题的一点研究[D]. 翁良俊. 中国科学技术大学, 2020(01)
- [4]建筑几何中的网格与光滑曲面构造[D]. 王慧. 大连理工大学, 2020(01)
- [5]基于离散微分几何理论的3D点云配准与评价方法研究[D]. 吴东庆. 广东工业大学, 2019(03)
- [6]子空间学习算法在模拟电路故障诊断中的应用[D]. 袁志杰. 合肥工业大学, 2019(01)
- [7]基于多模态磁共振的散发性肌萎缩侧索硬化影像学标记与个体化诊断研究[D]. 李卫娜. 重庆大学, 2019(01)
- [8]局部信息约束的三维重建方法研究[D]. 张卫龙. 武汉大学, 2019(06)
- [9]传递熵理论在工程结构非线性动力识别中的应用研究[D]. 叶昌鹏. 浙江大学, 2019(01)
- [10]体数据可视化分析关键技术研究[D]. 王力. 国防科技大学, 2018(01)