【摘 要】
：
检索相关设计方案于复用是提高建筑设计效率的有效手段。针对传统的三维形状检索方法对建筑模型空间结构表达能力不足的问题,提出一种基于拓扑特征的建筑信息模型检索方法。利用Revit API开发插件提取建筑信息模型房间连接拓扑图(room connectivity topology graphs,RCTG),然后结合空间句法理论构造建筑空间构形节点深度值表(node depth value table,N
【机 构】
：
西安建筑科技大学信息与控制工程学院,西安建筑科技大学建筑学院
【基金项目】
：
国家自然科学基金资助项目（61373112,50878176）,陕西省教育厅专项科研项目（2013JK1157）
论文部分内容阅读
检索相关设计方案于复用是提高建筑设计效率的有效手段。针对传统的三维形状检索方法对建筑模型空间结构表达能力不足的问题,提出一种基于拓扑特征的建筑信息模型检索方法。利用Revit API开发插件提取建筑信息模型房间连接拓扑图(room connectivity topology graphs,RCTG),然后结合空间句法理论构造建筑空间构形节点深度值表(node depth value table,NDVT)并过滤出候选模型,进而将检索模型和候选模型的NDVT转换为标准化的邻接矩阵并提取相应的特征向量,
其他文献
针对传统稀疏表示方法构建的字典不具备判别性的问题,以K-SVD算法为基础,对判别字典的构建和分类求解进行了研究,提出一种基于层次结构化字典学习的表情识别方法。先将训练样本切割出眼眉、脸颊和嘴三部分,对分割的各部分利用K-SVD算法得到块字典向量,再用层次分析法的权重赋值方法求块字典向量的权重值,构成各类子字典。将所有的子字典进行联合,用结构化字典学习算法求解。测试样本的归类取决于求解结果重构的效果
针对目标跟踪过程中的光照变化、背景混乱和目标形变等问题,提出一种背景抑制的HS直方图和核相关滤波双模型融合的自适应跟踪算法。首先引入非线性核相关滤波跟踪模型;其次提出背景抑制的HS颜色直方图跟踪模型,通过分离亮度分量以减小光照干扰,并采用背景加权突出目标信息;然后提出一种自适应融合策略,根据目标与背景的HS特征相似度来动态调整两个模型融合权重,以降低背景混乱和目标姿态变化的影响;最后针对目标尺度变
针对传统压缩感知(compressed sensing,CS)三维微波成像方法存在建模较复杂和高度维数据层间串扰的问题,提出一种基于随机阵列观测的降维稀疏建模CS三维微波成像方法。该算法对三维成像空间进行整体建模,克服了分层建模时高度维数据层间串扰的问题。同时,该方法利用截取距离压缩后的回波数据、相关积累提取和随机抽取三种策略,大大降低了传感矩阵的维数,从而实现了三维成像空间的降维CS成像。仿真结
针对在图像镶嵌过程中存在运动目标时所导致的虚影现象及明显拼接缝的问题,提出了一种图像无缝镶嵌方法。在结合支持向量机处理运动目标的基础上,通过尺度不变特征点的提取以及变换模型参数的更新,得到更加精确的变换矩阵。在图像融合过程中,最优拼接缝的寻找综合了颜色、纹理及结构等多方面的信息。实验表明,该方法能够很好地消除虚影现象和拼接缝隙,得到高质量图像,从而获得无缝镶嵌的效果。
针对多核CPU和众核加速器或协处理器异构平台的架构特征进行了研究，以MPI和OpenMP混合编程模型实现了N体问题BH算法的并行，采用了正交递归二分法（ORB）使进程之间负载均衡，并对程序
基于学习的单图超分辨率重建算法能获得较好的超分效果,但存在重建图像伪影较为明显的问题。为解决这一问题,提出了一种基于双正则化参数的在线字典学习超分辨率重建算法。在字典学习过程中运用在线字典学习方法(online dictionary learning,ODL),并在稀疏字典生成阶段和图像重建阶段分别设置了两个不同的正则化参数。实验中生成的目标高分辨率图像PSNR比经典的稀疏编码超分方法(spars
无源定位作为无线传感中的一种新的定位技术,具有抗干扰能力强、隐蔽性强的特点。针对无源定位中的TDOA算法具有能量消耗大、时间消耗长的特点,对TDOA中的Chan算法进行改进,
针对传统监督分类方法不能很好地处理不同领域中服从不同分布的数据这一问题进行了研究,提出了一种基于可信标签扩展传递的半监督分类算法。情感种子词与目标领域待标注词之
基于中轴线约束的最短路径的血管提取算法能够有效地提取血管中轴线和完整的血管。该算法包括了两次最短路径搜索过程，第一次搜索过程使用了对称凸性能量函数，并通过回溯累加技
针对视觉跟踪过程中因目标尺度变化导致跟踪精度低的问题进行了研究,提出一种基于时空模型的尺度自适应视觉跟踪算法(spatio-temporal context-scale adaptive,STC-SA)。在颜色属性空间下提取目标颜色直方图特征;再通过时空上下文学习获取置信图中概率最大位置;最后利用颜色直方图进行相似度匹配并根据自适应方法修正跟踪框尺寸以达到最佳的跟踪效果。实验选取Benchmark