课程文献中心 更多>>

关键词： 几何处理   点云配准   刚性变换   距离变换图  

摘要： 点云配准在计算机视觉领域有着关键作用，涵盖三维重建、目标识别及机器人导航等多个领域。当前传感器技术的进步使得稠密点云数据的获取更为容易，模型几何细节也更加精确。然而，稠密点云的处理面临诸多挑战，如计算复杂、效率低下等。本文针对此提出一种基于距离变换的稠密点云配准算法。该算法首先通过距离变换技术对源点云和目标点云进行投影，获取不同视角下的距离变换图。接着以两图差异作为目标函数，利用梯度下降算法优化点云间的变换关系，经多次迭代实现准确对齐。在 Stanford 3D Scanning 数据集上的实验显示，本算法在处理稠密点云时精度高、速度快，配准数十万点云仅需约 2 秒，误差小于 0.3°和 0.5mm，具有广阔的应用前景。

关键词： 社区检测   图卷积网络   社区结构稳定性   节点相似性  

摘要： 针对现有社区检测算法中普遍存在的表示学习与聚类分离及忽视社区结构层面信息的局限性，导致社区识别效率与精度受限的问题，本研究提出了MBCD模型。该模型通过优化图卷积网络架构，融合马尔可夫稳定性和节点间的相似度信息，以捕捉多尺度的社区结构，更精确地识别社区边界。实验表明，与多种现有的社区检测模型相比，MBCD模型在处理非重叠与重叠社区检测任务时展现出显著性能提升，证实了其在提升社区检测效能方面的有效性和优越性。

关键词： 脉冲萃取柱   控制系统   自抗扰控制  

摘要： 脉冲萃取柱是核化工溶剂萃取的关键设备，保持脉冲萃取柱澄清段中两相界面稳定是核化工脉冲萃取柱控制的主要目标之一。自抗扰技术是解决控制中的不确定性、非线性、时变性、强扰动和强耦合性等问题而提出的一种新型的控制理论和现实可行的执行方法，在我国化工过程，电力系统，军工系统等领域广泛应用。本文提出一种基于自抗扰技术的控制方法，充分利用了自抗扰主动克服补偿扰动的特性，实现了对脉冲萃取柱界面的稳定控制，本文所提出的控制策略具有响应速度快、鲁棒性强、参数调节简单等诸多优点。

关键词： 序列推荐   多模态   用户生成内容   可信决策   大型语言模型  

摘要： 序列推荐的核心在于从用户的交互序列中挖掘其偏好和行为模式.现有研究已经认识到单一模态交互数据存在不足，因此借助大量多模态数据（如商品评价、主页图片等）来丰富交互信息，提升推荐系统的性能.然而，这些多模态数据中常常夹杂着不可避免的噪音，可能会限制用户个性化偏好的探索.尽管可以通过抑制模态间不一致的信息来减少噪声干扰，但要完全消除用户生成的多模态内容中的噪音几乎是不可能的.针对上述挑战，提出了一种基于大型语言模型的可信多模态推荐算法，旨在于含噪多模态数据场景下提供可信的推荐结果.具体而言，该算法依托于大型语言模型卓越的自然语言理解能力，高效过滤多模态数据中的噪音，实现对用户偏好更为精确和细致的建模.此外，还设计了一种可信决策机制，用于动态评估推荐结果的不确定性，以确保在高风险场景下推荐结果的可用性.在4个广泛使用的公开数据集上的实验结果显示，相较于其他基线算法，提出的算法有更好的性能表现.代码可以在https://***/hhbray/Large-TR获取.

关键词： 常规态近场动力学   GPU并行   CUDA编程技术,加速比,单轴拉伸问题  

摘要： 本文利用 GPU 并行的 CUDA 编程技术，对近场动力学的并行求解方法展开了研究，计了一个成本低、性能高的近场动力学模拟框架PD-General。该分析框架能够以高效的计算速率，准确地模拟常规态近场动力学问题。相比串行程序和 OpenMP 并行程序，PD-General 分别取得了最大 800 倍和最大 100 倍的加速比。在常规百万级别的粒子模拟中，执行 4000 步迭代，单精度下可以在 5分钟内完成计算，双精度下可以在 20 分钟内完成模拟。在最大规模的探索上，程序实现了在单精度下，基于常规态近场动力学解决 1000 步规模为 69，856，200 迭代的二维单轴拉伸问题的计算，仅需两分钟。

关键词： 主成分分析(PCA)   鲁棒性   特征提取   低维表征   距离度量  

摘要： 主成分分析（principal component analysis， PCA）作为经典的数据分析和降维方法，在图像压缩、特征提取等领域得到广泛应用。然而，PCA对噪声极为敏感，以致降低了其鲁棒性。与鲁棒PCA低秩分解算法不同，鲁棒PCA低维表征算法力求在不去噪的情形下提升鲁棒性。本文以目标函数和距离度量方式作为切入点，对当前主要的鲁棒PCA低维表征算法展开分析。首先，基于数据样本的处理形式、目标函数和距离度量准则等，对鲁棒PCA低维表征算法予以基本阐述。其次，按照目标函数的距离度量方式，深入剖析了一阶到高阶PCA的诸多典型算法，揭示了距离度量方式对PCA的特征提取、重构误差等性能的影响。最后，对四个国际标准数据集进行实验分析，在不同噪声条件下验证了典型PCA低维表征算法的鲁棒性。

关键词： 算法技术   网络意识形态治理   潜在风险   提升路径  

摘要： 当前，网络意识形态治理已步入了智能算法时代。基于此，算法技术与网络意识形态治理的互动共生成为赋能的逻辑内核，算法技术的“物之所长”和治理主体的“人之所长”的有机统一则成为赋能的逻辑旨归。然而，当算法技术赋能网络意识形态治理时，或将面临着诸多潜在风险，如由算法技术引发的信息流爆消解了主流意识形态的价值整合力、信息碎片破坏了主流意识形态的制度约束力、过滤气泡稀释了主流意识形态的内容创造力、去中心化离散了主流意识形态的情感凝聚力等。探寻算法技术赋能网络意识形态治理的恰切之道，应当从强化价值引领、完善制度体系、规制内容生态、系牢情感纽带等多向度协同发力，以提升算法技术赋能网络意识形态治理的实践效能。

关键词： 蝴蝶优化算法   路径规划   混沌映射   动态感觉模态   选择因子   动态变异因子  

摘要： 针对蝴蝶优化算法(butterfly optimization algorithm,BOA)在复杂环境路径规划过程中求解最短路径时存在收敛速度慢、易陷入局部最优等缺点,提出一种改进的蝴蝶优化算法。首先,在初始化蝴蝶种群时,为保证初代种群多样化,避免陷入局部最优解,通过Tent映射生成初代种群位置;其次,在蝴蝶香味计算阶段引入动态感觉模态,随着迭代过程的持续推进逐步增强蝴蝶的香味值,以缩短收敛时间;再次,为进一步缩短收敛时间,在全局搜索阶段引入遗传算法中的选择因子加快蝴蝶在全局搜索时向最优蝴蝶移动的速度;然后在局部搜索阶段引入动态变异因子,有效避免在路径规划时陷入局部最优。最后,本文使用了一种基于视线(line of sight,LOS)检测方法的初始种群生成策略,以进一步减少路径中断点的生成,同时确保由BOA算法生成的路径可行解的多样性。实验结果表明,改进的蝴蝶优化算法具有较快的收敛速度,且规划出来的路径在保证路径长度合理的情况下具有更高的平滑度。

关键词： 子全域(SED)基函数   区域连接模型(CRM)   快速偶极子方法(FDM)   大规模介质-金属复合周期结构  

摘要： 在计算大规模介质-金属复合周期结构的电磁散射时，传统积分方程方法存在未知量大、存储占用多和计算时间长等问题。本文采用广义Poggio-Miller-Chang-Harrington-Wu-Tsai (PMCHWT)-电场积分方程(electric field integral equation， EFIE)方法计算均匀介质金属复合结构的电磁响应。该方法通过在分界面处设置区域连接模型(contact-region modeling， CRM)来保证边界处的连续性。为加速子阵列阻抗矩阵填充，本文采用快速偶极子方法(fast dipole method， FDM)来提高计算效率并降低内存占用。结合子全域(sub-entire-domain， SED)基函数方法，子阵列的电流分布特征可被推广到大规模介质金属复合周期结构的电磁场计算中。数值算例表明，该方法能够在保证计算精度的同时大幅度降低计算代价，内存占用降低至商业软件Altair FEKO(使用快速多层多级子方法)的1/10，计算误差在2.6 dB以内。

关键词： 图神经网络推荐算法   双通道注意力机制   时间编码  

摘要： 针对多数图神经网络推荐算法未结合时间信息导致信息浪费和推荐结果不准确的问题，本文提出融合双通道注意力和时间编码的图神经网络推荐算法（GUITRec）。该模型充分利用数据集中信息，将用户自身特征、物品信息及用户与物品交互行为建为图结构，通过图神经网络进行数据聚合以形成用户和物品表征行为，从而更全面地捕捉两者特征及关系。其次，引入双通道注意力机制（CBAM）为用户和物品表征行为赋予不同权重，使模型依据权重进行深度学习，更关注重要特征信息。最后，引入时间编码器模型对用户与物品交互时间及用户位置编码，新增日、周、月周期编码和位置编码，充分挖掘时间和位置信息，为推荐提供更丰富上下文。在Ciao数据集上进行实验，在MAE、MSE和RMSE 三个评价指标上，GUITRec 均优于基线模型。