摘要：等几何分析方法是一种直接基于CAD模型的精确几何表示进行物理性能仿真分析的新方法.文中从几何计算的视角出发,对等几何分析方法的基本框架,以及面向等几何分析的几何设计与计算的相关工作进行了介绍,重点介绍适合分析的计算域参数化、适合分析的新型样条理论、等几何配点法、面向等几何分析的并行计算等4个方向的研究进展.最后对需要进一步深入研究的关键问题进行了探讨.

摘要：针对当前基于骨架的人体动作识别方法无法建模关节点之间依赖关系随时间的变化,以及难以实现跨时空信息交互的问题,提出基于运动引导图卷积网络的人体动作识别方法.首先根据骨架序列提取其高级运动特征;然后在时间维度上学习运动相关图,并通过对预定义图和可学习图优化建模不同时期的关节依赖关系,即运动引导拓扑图;再利用运动引导拓扑图进行空间图卷积,将运动信息融合到空间图卷积以实现跨时空信息交互;最后交替使用时空图卷积,实现人体动作识别.在数据集NTU-RGB+D和NTU-RGB+D120上与MS-G3D等图卷积网络进行对比实验的结果表明,所提方法在NTU-RGB+D的跨对象和跨视角上的准确率分别提升到92.3%和96.7%,在NTU-RGB+D 120的跨对象和跨场景上的准确率分别提升到88.8%和90.2%.

摘要：现有的单目深度估计方法通常使用图像语义信息来获取深度,忽略了另一个重要的线索——失焦模糊。同时,基于失焦模糊的深度估计方法通常把焦点堆栈或者梯度信息作为输入,没有考虑到焦点堆栈各图像层之间的模糊变化量小以及焦点平面两侧具有模糊歧义性的特点。针对现有焦点堆栈深度估计方法的不足,提出一种基于三维卷积的轻量化网络。首先,设计一个三维感知模块对焦点堆栈的模糊信息进行粗提取;然后,将提取到的信息与通道差分模块输出的焦点堆栈RGB通道差分特征进行级联,构建可以识别模糊歧义性模式的焦点体;最后,利用多尺度三维卷积来预测深度。实验结果表明,与AiFDepthNet(All in Focus Depth Network)等方法相比,所提方法在DefocusNet数据集上的平均绝对误差(MAE)等7个指标上取得了最优;在NYU Depth V2数据集上的4个指标上取得了最优,3个指标上取得了次优;同时,轻量化的设计使所提方法的推理时间分别缩短了43.92%~70.20%和47.91%~77.01%。可见,所提方法能有效地提高焦点堆栈深度估计的准确性及推理速度。

摘要：构造了一类收敛的多参数差分格式,根据细分格式和差分格式的关系以及连续性条件可得到任意阶连续的多参数曲线细分格式.通过选取合适的参数可以得到一些经典的曲线细分格式,如Chaikin格式、三次样条细分格式和四点插值格式等;同时设计了一种C1连续的不对称三点插值格式,可以生成不对称的极限曲线.给出了同阶差分格式线性组合的性质,从而可设计出更多收敛的多参数曲线细分格式.

摘要：通过采用稀疏贝叶斯推理方法,设计出可同时进行学习最优分类器与选取最优特征子集的特征选择概率分类向量机算法。该算法是对概率分类向量机特征选择的扩展,可提高其在高维数据集上的性能。通过选取零均值的高斯分布作为先验,在模型中起到正则项的作用,同时在核函数和特征中引入稀疏,得到泛化性更好的分类模型。在高维度和低维度数据集中的实验结果表明,该算法同时具有较好的分类和特征选择能力。

摘要：针对Linux系统中线程的创建、调度、同步开销较大而无法满足一些实时应用的问题,在ARM和X86多核平台下设计实现了一种基于优先级位图调度且可抢占的多任务库(Utask).该库通过在用户态为实时任务提供任务的创建、优先级位图调度、快速的上下文切换和高性能信号量等操作,减少了实时任务运行过程中对内核空间的访问次数,提高了任务管理的效率,在Linux用户空间提供了一种高效的实时运行环境,且便于在不同内核版本的Linux操作系统中移植.实验表明,与内核级线程库(Pthread)和当前主流的用户级任务库(Libtask)相比,该库大大减少了任务创建、切换和同步的开销,提高了任务的实时性.

摘要：Web文本分类是Web数据挖掘的重要技术之一.为了利用HTML的半结构特性,现有的Web文本分类技术多采用手工指定的方法,决定不同标签的权重系数.这种方法完全根据个人经验,未能充分利用样本集的结构特性,识别效果提升并不明显.针对这一问题,本文设计和实现了一种基于差分进化算法的Web文本标签权重系数自动寻优方案,并对差分优化算法进行了改进,以提高其局部搜索能力.实验结果表明,该方案能充分利用样本集的特性并能有效地提高分类的准确率.

摘要：近年来,愈发成熟的3D打印技术拉近了模型设计与产品制造的距离.但高昂的材料费用仍是制约其发展的重要因素.因此,如何在不改变模型外观的情况下进行模型结构的优化,以此来减少模型的打印体积、降低打印成本是亟待解决的问题.针对该问题,本文提出一种基于应力分布的壳模型构造和优化算法.该算法首先基于模型的体素化表示构造距离场,提取出初始的均匀厚度壳模型.然后基于顶点的von Mises应力,自适应的向外扩张内表面,调整各部位厚度,直到达到相关约束条件.优化得到的内表面与输入的外表面围成最终的优化模型.实验结果表明,在满足外观不变、力学稳定等约束的同时,优化得到的壳模型体积为输入模型体积的17.2%~24.4%,大幅减少了模型的打印体积,有效降低了打印成本.

摘要：针对低空空域无人机检测的识别率低、反应速度慢等问题,本文设计并试验了一套低空空域无人机实时智能检测系统,包括监控数据采集、视频数据处理、无人机数据集、预训练模型、迁移学习训练、训练结果分析、系统集成展示的完整流程,分析并确定了无人机检测场景的关键性能指标,对基于YOLOv5的模型参数量进行了估算,并在实际场景下的3D地图中展现了无人机检测和路径跟踪的过程。实验数据表明,在指定最低召回率为90%的条件下,置信度为53%,对应的精确率为96%,同时系统在校内测试环境下集成运行正常,满足低空空域无人机实时智能检测场景的要求。