【摘 要】
：
点云作为一种能提供丰富空间信息与几何特征的数据表达形式,正受到越来越多的重视。为了克服其无序性,以及不均匀的空间分布带来的影响,许多研究者采取平面投影,或者使用体素网格对原始点云进行转换,但这些方式都是以损失三维信息或者增大数据规模为前提。PointNet[1]创新性的使用原始点云作为输入,提取特征并处理。PointNet++[2]则在此之上,更进一步地加强了对局部特征的提取能力。论文结合深度学习
【机 构】
：
南京理工大学计算机科学与工程学院 南京 210094
论文部分内容阅读
点云作为一种能提供丰富空间信息与几何特征的数据表达形式,正受到越来越多的重视。为了克服其无序性,以及不均匀的空间分布带来的影响,许多研究者采取平面投影,或者使用体素网格对原始点云进行转换,但这些方式都是以损失三维信息或者增大数据规模为前提。PointNet[1]创新性的使用原始点云作为输入,提取特征并处理。PointNet++[2]则在此之上,更进一步地加强了对局部特征的提取能力。论文结合深度学习中的优化思想,对PointNet++结构进行改进,加入自顶向下的网络分支,经过处理后将原网络每一层的中间
其他文献
针对使用BPEL进行Web服务组合过程中,复杂业务流程的正确性验证繁琐且易出错问题,论文提出了一种自动化构建BPEL流程的SMV模型方法.该方法将BPEL流程自动化映射到Petri网,借由Petri网直观展示组合流程并进行边界值、死锁等性质的检查,再由Petri网可达图自动化生成SMV模型,使用模型检测工具验证系统的安全性和行为属性,从而在流程的设计阶段发现服务组合中可能存在的问题.实验结果表明论文工作可以有效地减少验证过程的复杂性,有助于提高服务组合流程的正确性.
社交网络中社区划分问题的研究不仅为网络演化、信息传播和影响力分析等方向提供了理论依据,而且在好友推荐、商业营销和舆情检测等领域有着重要应用价值.针对基于贪婪优化的社区划分算法AGSO不稳定问题,提出了一种基于度中心性局部扩展的社区划分算法(DCLE).首先计算所有节点的度中心性(Degree Centrality),其次将链接两端节点度中心性之和作为链接的度中心性并降序排序,其后将度中心性最大链接作为初始链接加入网络,最后基于贪婪策略局部扩展并迭代,得到最终的社区划分结果.通过在公开的数据集和大型人工网络
DNA甲基化几乎与所有类型的癌细胞和基因组区域异常有关,识别与肿瘤相关的差异甲基化位点可作为肿瘤纯度的估算指标,进而评估样本的肿瘤纯度.传统的信息差异位点的选择多关注肿瘤间的异质性,忽略了肿瘤生长空间的异质性,导致评估的肿瘤纯度忽视了样本的特异性.因此,论文基于DNA甲基化数据及样本位点的信息熵,通过选择具有样本特异性的信息差异甲基化位点来估算肿瘤样本的纯度.实验结果表明:论文方法估算出的肿瘤纯度结果与其他方法具有高度一致性.
定位人耳空间深度坐标是车内主动降噪研究的关键环节。论文基于YOLOv3深度卷积网络的目标检测算法对乘员耳部进行检测,并结合RGBD多源视觉传感系统动态定位车内人耳深度坐标。首先,采集车内乘员侧面RGB图像作为人耳数据集,并在人耳区域进行标定。然后结合YOLOv3的Darknet-53网络训练得到人耳检测模型。最后,融合RGBD视觉传感系统,完成人耳识别与深度坐标定位系统。实验表明,该方法在多种光照
为解决工业供应链中存在的精度低、非智能以及无法处理复杂样本的问题,提出一种基于改进人工神经网络的销售预测方法.以加拿大某机电产品销售公司的真实销售数据作为输入样本,利用基于实验数据改进的人工神经网络进行学习训练,进行销售预测,将结果与未改进的人工神经网络和较先进的卷积神经网络和高斯混合模型以及销售公司的销售数据作比较,从准确率、召回率和F值三个指标分析改进人工神经网络的预测精度.实验结果表明,改进后的人工神经网络在三个指标方面均表现出更好的性能,能够较好地预测销售成交情况.
针对当前数据信息处理领域技术发展变化,总结了数据分析研究方法范式的演进过程,分析了第四范式分析方法的内涵本质与对数据分析的影响作用,提出更加符合信息数据特点的处理模式,为抓住数据时代的机遇并全力应对挑战、夺占新的主动权提供参考.
针对鼠笼电机在时变转速状态下运行时破坏了电机电流信号特征分析(Motor Current Signature Analysis,MC-SA)的使用条件,使MCSA方法没办法诊断出时变情况下电机断条故障的问题.基于长短期记忆(Long Short-Term Memory,LSTM)网络提出一种高效准确的鼠笼电机断条诊断方法.首先通过采集故障鼠笼电机电流信号对LSTM网络进行训练,应用训练好的网络预估下一时间状态故障电机的电流值,然后通过对比采集信号和预估信号检测出故障,最后该方法通过时间域电流信号直接进行检
目前如何对互联网上的海量数据进行文本分类已经成为一个重要的研究方向,随着云计算技术和Hadoop平台的逐步发展,文本分类的并行化方式将能够更有效的解决当前的问题.论文针对文本分类中特征选择阶段对文本分类性能有很大影响的缺点,提出了一种改进的特征选择算法——类别相关度算法(Class Correlation Algorithm,CCA),同时根据Hadoop平台在海量数据存储和处理方面所具有的优点,利用MapReduce的并行编程框架和HDFS分布式存储系统对文本分类的各个阶段实现了并行化编程.最后通过实验
在对文本进行分类时,大量的冗余特征会增加计算复杂度并降低分类的精度,因此需要对特征进行降维.论文提出了一种类依赖(CD)特征选择算法,通过训练集计算出所有文档的关联值(DR),根据类别,分别计算出对应类的阈值(CT),依次提取出大于阈值的文档中的最大特征,得到了对应类的特征向量,以确保每个类别都有不同数量的特征.仿真结果表明,与IG-PSO和GA两种特征选择算法相比,CD特征选择算法根据类别选择特征子集,使得分类的准确率和F1指标得到提升.
随着科技发展进入互联网时代,科技园区的建设也愈发智能化、无人化,针对科技园区内的无人驾驶的通勤车路径规划问题,论文提出一种基于蚁群算法的无人驾驶的通勤车路径规划方法,首先提出了在园区中通勤车的行驶规则,将蚁群算法应用在了无人驾驶的通勤车的路径规划问题上,使用栅格法构建仿真环境模型,按照蚁群算法的算法流程,对蚁群算法进行信息初始化,设置通勤车的起点与终点,派出蚂蚁进行迭代后输出规划的最短路线,并在Matlab上进行仿真实验.经验证,论文将蚁群算法结合到无人车自动驾驶上具有实时性和鲁棒性.