摘要：空间并置模式挖掘用于发现一组空间特征,它们的实例在空间中频繁地相互邻近。传统的空间并置模式挖掘过程中,将空间实例抽象成点对象,每个实例对应一个确定位置。然而,规模较大的空间实例有多个重要位置点(如医院、公园入口),其空间位置因对其入口的认知不同而存在差异,具有模糊性。对于这些模糊实例,本文考虑其重要位置点对该实例规模的贡献,重新定义实例间的邻近度。此外,传统的并置模式挖掘方法忽略了特征实例的空间分布密度以及邻近实例间的邻近程度,采用静态的距离阈值来识别邻近实例。本文考虑特征的分布密度,用voronoi图自适应提取不同特征的邻近实例,结合邻近实例的距离衰减函数,更加科学地描述实例间的邻近度。提出一种同时考虑模糊实例规模和距离衰减效应的空间并置模式挖掘方法,为实现快速挖掘,设计了极大团和哈希表搜索参与实例的挖掘框架。在真实数据集和合成数据集上进行实验,验证本文的算法可以发现传统空间并置模式挖掘方法所忽略的有意义模式。

摘要：有机-无机杂化钙钛矿因其优异的物理化学性质在太阳能电池及其他光电器件中有重要应用。其中,带隙是材料设计中必须考虑的一个关键物理量。利用机器学习建立准确的带隙模型可以帮助快速预测新材料。本工作通过研究基于voronoi图方法的结构特征对机器学习的重要性发现,相比于只有元素特征的机器学习,通过加入voronoi图结构描述特征,符号回归(VS-SISSO)、人工神经网络(ANN)和随机森林(RF)建立的带隙模型精度均有提升。由于符号回归模型相对简单,voronoi图结构特征的重要性在该方法中体现最高。以上3种机器学习方法给出的模型预测能力接近,但符号回归模型具有明确的数学表达式,透明度相对更高。特征重要性分析表明,voronoi图结构特征在所有输入特征中的重要性最高。本工作展示了voronoi图结构特征在提升机器学习模型准确度及可解释性方面的重要价值。

摘要：为科学发展新能源交通基础设施,对城市公共充电桩的建设选址优化展开研究.首先,考虑充电行为与停车行为的强关联性,提出静态充电需求的概念.其次,结合城市停车设施分布与安全间距要求,确定备选点位集合,并构建选址优化模型,在实现满足周边需求的同时,适应中心城区新能源汽车发展的总体规律,实现投建主体的收益最大化.再次,通过引入voronoi图,平均划分备选点位之间服务范围的空间叠加,简化原模型的约束条件,并设计“两阶段”算法,降低原问题可行域维度,提升求解迭代效率.最后,以沈阳市三环内的城市核心区为实例进行分析.研究结果表明:基于静态充电需求的城市公共充电桩选址决策模型可通过优先在静态充电需求旺盛的区域布局城市公共充电桩,其在给定参数下,与传统的P-中心模型和集覆盖模型相比,充电收益可提升12.7%以上,充电服务覆盖范围更广,可以更好地保障新能源汽车发展,引导城市交通绿色化转型.

摘要：为进一步提升精确制导炸弹群面向区域目标时的毁伤效果,基于现有制导炸弹动力学模型,给出炸弹群控制系统运动模型,并依托计算几何理论中voronoi图对区域目标特征进行分析,给出各弹体最佳弹着点位置计算方法,运用多智能体虚拟结构法实现制导炸弹群下落过程中的队形可控,通过分布式一致策略达到各弹体间关于虚拟结构中心节点的一致性,实现对区域目标的最优覆盖毁伤,并对所提控制策略进行有效评估。

摘要：移动机器人导航路径规划是机器人的关键技术,其目标是高效、高质量寻找导航和运动规划路径。论文介绍了移动机器人通用控制平台的架构,提出了一种新的全局路径规划器,即采用voronoi图提取环境中最安全的区域,并将快速行进法应用于由voronoi图所提取的最安全区域中,从而获得最短的路径。另外,提出了通用机器人导航架构,在对导航架构描述的基础上将机器人导航和环境快速全局规划器相结合,并采用样条规划曲线对机器人的全局路径进行细化插补。该方法将地图尺寸缩小为一维地图,且是移动机器人环境中最安全的区域,这使得移动机器人具有速度快、可靠性强的特点。将提出的方法应用于实际的移动机器人导航路径规划中,结果表明该方法能够成功地完成移动机器人导航路径规划任务。

摘要：由于具有容错性是无线传感器网络的一个重要需求,因此设计了一个基于voronoi图和定位集的故障诊断和修复策略。此策略通过采用基于定位集(resolving set)的坐标系统,有效降低了在故障诊断和修复过程中的通信代价。理论分析和仿真实验验证了此算法的性能优越性。

摘要：在总结国内外文献的基础上 ,提出了常规voronoi图的两种扩展形式 ,即线的加权voronoi图和面的加权voronoi图 ,并在地理信息系统软件Arc/Info的支持下 ,实现了基于栅格方法的若干类voronoi图的自动构建 ,这种方法可以处理任意图形的线状和面状发生元情形 .以界定河南省城市空间影响范围为例 。

摘要：由于煤气化反应过程的复杂性,其优化成本较高、效率较低。代理模型计算准确且成本小,在基于仿真的复杂工程设计和优化中,常用来辅助粒子群优化(PSO)等进化算法解决计算代价过高问题。为在有限函数评价下得到更好的优化解,提出一种新的基于交叉验证和voronoi图的代理模型辅助进化算法(CVVSAEA)。在全局搜索中,通过留一交叉验证和voronoi图选取设计空间中最不确定点,更新代理模型以辅助PSO算法找到当前最好解;在局部搜索中,选择当前较好的解建立代理模型,使PSO算法尽快收敛到局部最优。通过中等维度的测试问题和煤气化实例,与其他3种先进的代理模型辅助进化算法比较,结果表明CVVSAEA在大多数测试问题上能获得更好的解,使有效气产率得到了提升。

摘要：提出了一种新的voronoi图———多色voronoi图 ,并证明了它的一些重要性质。多色voronoi图是在voronoi图的构造过程中 ,根据数据集的特性给voronoi图染色的结果。用多色voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 。

摘要：为了实现具有较强物理真实感的刚体破碎实时模拟,提出了一种基于预计算和voronoi图的刚体破碎模拟方法.首先分析脆性刚体材料破碎过程,得到拟合性较好的正态分布种子点,在此基础上采用脱机增量算法和格雷厄姆凸包生成算法,生成刚体破碎的voronoi多边形;然后根据能量守恒方程和材料力学分析,计算破碎区和裂纹区的半径,并根据碰撞过程中的能量转换约束条件推导出破碎后的碎片速度;最后计算碎片间的碰撞检测以及碰撞后的速度、姿态等,得到碎片的运动状态.实验结果表明,该方法不仅可以满足游戏、仿真中交互的实时性需求,同时碎片的产生以及运动符合物理规律,具有较强的真实感.