-
公开(公告)号：CN108694438A
公开(公告)日：2018-10-23
申请号：CN201810378328.5
申请日：2018-04-25
Applicant: 武汉大学
Abstract: 本发明涉及一种蝙蝠算法及系统，属于数据处理领域，具体是涉及一种结合爆炸策略、反向学习与蝙蝠算法的单目标优化问题方法及系统。本发明在寻优过程中，通过对蝙蝠算法中的每只蝙蝠进行反向学习得到其反向种群，对两个种群进行精英选择，增加了种群的多样性并且提高了全局搜索能力，避免了局部最优解，在飞行过程中加入爆炸策略，提高了算法的局部勘探能力，更加精确的搜索到最优解。通过对12个典型测试函数和背包问题的仿真测试，证明了DGOBA对于求解连续和离散优化问题都有更高的效率。
-
公开(公告)号：CN111667565B
公开(公告)日：2023-03-21
申请号：CN202010400340.9
申请日：2020-05-12
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明公开一种基于优化的保持特征的三维网格模型简化方法和系统。首先计算三维网格中每条边的高斯曲率，将其与该边的二次误差测度结合计算边的折叠代价，构建基于特征保持的边折叠操作。将边分裂操作序列与基于特征保持的边折叠操作序列组合生成混合序列，使用混合机制来进行三维网格模型的简化。利用差分进化的交叉、变异操作代替鲸鱼优化中的全局搜索阶段，构建鲸鱼差分进化优化算法。最后利用优化算法来寻找最优的边分裂操作与边折叠操作序列组合方式，使得简化后的三维模型与原始模型之间近似误差最小。本发明通过网格简化，能够得到具有最小近似误差的最优三维网格简化效果，同时能较好地保持几何特征，提高模型中三角形质量。
-
公开(公告)号：CN110490234A
公开(公告)日：2019-11-22
申请号：CN201910652753.3
申请日：2019-07-19
Applicant: 武汉大学
Abstract: 本发明公开了一种基于聚类分类联合机制的分类器的构建方法以及分类方法，其中的分类器构建方法包括：首先，将聚类中心的分布情况编码至种群个体中，得到初始化种群；然后利用多目标优化算法搜索最优的种群，将其作为满足聚类目标函数和分类目标函数两个目标的帕累托解集；再根据互信息指标从帕累托解集中选择出最优的解，并根据选择出的最优的解，对联合聚类分类机制的分类器的参数进行设置，基于设置的参数构建聚类分类联合机制的分类器。本发明同的方法可以有效地将聚类融合进分类任务中，从而提高分类器的准确度和搜索效率。
-
公开(公告)号：CN111667565A
公开(公告)日：2020-09-15
申请号：CN202010400340.9
申请日：2020-05-12
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明公开一种基于优化的保持特征的三维网格模型简化方法和系统。首先计算三维网格中每条边的高斯曲率，将其与该边的二次误差测度结合计算边的折叠代价，构建基于特征保持的边折叠操作。将边分裂操作序列与基于特征保持的边折叠操作序列组合生成混合序列，使用混合机制来进行三维网格模型的简化。利用差分进化的交叉、变异操作代替鲸鱼优化中的全局搜索阶段，构建鲸鱼差分进化优化算法。最后利用优化算法来寻找最优的边分裂操作与边折叠操作序列组合方式，使得简化后的三维模型与原始模型之间近似误差最小。本发明通过网格简化，能够得到具有最小近似误差的最优三维网格简化效果，同时能较好地保持几何特征，提高模型中三角形质量。
-
公开(公告)号：CN107346527B
公开(公告)日：2020-03-10
申请号：CN201710514892.0
申请日：2017-06-29
Applicant: 武汉大学
Abstract: 本发明涉及一种层次包围盒构建方法，属于计算机图形处理技术领域，具体是涉及一种基于动态任务调度的层次包围盒构建方法。发明遍历BVH时将一个线程对应叶子结点，在聚类幼树重构时一个Warp对应2个内部结点，使得BVH构建算法在单个主机上的并行度进一步的提高，相比当前通用的方法BVH构建速度提升了大约25％。
-
Patent Agency Ranking
公开(公告)号：CN108694232A
公开(公告)日：2018-10-23
申请号：CN201810382892.4
申请日：2018-04-26
Applicant: 武汉大学
IPC: G06F17/30
Abstract: 本发明属于数据挖掘和大数据领域，特别是涉及一种基于信任关系特征学习的社会化推荐方法，具体包括：步骤1，利用稀疏自编码模型(SSDAE)计算信任关系特征；步骤2，将计算得到的信任关系特征与矩阵分解方法结合，计算得到用户特征和商品特征；步骤3，利用用户和产品的特征向量计算推荐结果。本发明可以有效的从稀疏的社会关系网络中学习到高阶有效的信任关系特征，并能有效的将信任特征融合到推荐算法当中，从而有效的提高推荐算法精度。
-
公开(公告)号：CN108694232B
公开(公告)日：2022-04-01
申请号：CN201810382892.4
申请日：2018-04-26
Applicant: 武汉大学
IPC: G06F16/9535
Abstract: 本发明属于数据挖掘和大数据领域，特别是涉及一种基于信任关系特征学习的社会化推荐方法，具体包括：步骤1，利用稀疏自编码模型(SSDAE)计算信任关系特征；步骤2，将计算得到的信任关系特征与矩阵分解方法结合，计算得到用户特征和商品特征；步骤3，利用用户和产品的特征向量计算推荐结果。本发明可以有效的从稀疏的社会关系网络中学习到高阶有效的信任关系特征，并能有效的将信任特征融合到推荐算法当中，从而有效的提高推荐算法精度。
-
公开(公告)号：CN112288787A
公开(公告)日：2021-01-29
申请号：CN202011067248.1
申请日：2020-10-05
Applicant: 武汉大学
IPC: G06T7/38
Abstract: 本发明提出了一种基于生物地理优化的多模态医学图像配准方法。将同一病人部位的CT图像和MR图像输入到医学图像配准系统中进行预处理得到预处理后病人部位的CT图像和MR图像；根据预处理后病人部位的CT图像计算信息熵，根据预处理后病人部位的MR图像计算信息熵，计算预处理后病人的CT图像与MR图像的联合信息熵，进一步计算标准化互信息；将预处理后病人部位的CT图像与MR图像的标准化互信息作为适应度值，根据适应度值通过优化方法多次迭代更新变化矩阵，当达到最大迭代次数或者适应度值大于适应度阈值则结束迭代得到最优变化矩阵，将MR图像应用最优变换矩阵实现与CT图像的配准。本发明配准精度高，稳定性强。
-
公开(公告)号：CN107346527A
公开(公告)日：2017-11-14
申请号：CN201710514892.0
申请日：2017-06-29
Applicant: 武汉大学
Abstract: 本发明涉及一种层次包围盒构建方法，属于计算机图形处理技术领域，具体是涉及一种基于动态任务调度的层次包围盒构建方法。发明遍历BVH时将一个线程对应叶子结点，在聚类幼树重构时一个Warp对应2个内部结点，使得BVH构建算法在单个主机上的并行度进一步的提高，相比当前通用的方法BVH构建速度提升了大约25％。
-
公开(公告)号：CN106126919A
公开(公告)日：2016-11-16
申请号：CN201610463827.5
申请日：2016-06-23
Applicant: 武汉大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种任意类型点集数据之间的精确豪斯多夫距离计算方法，首先输入两点集数据A和B，如果点集是散乱无序的点云数据，则采用莫顿曲线（Morton Curve）预处理散乱无序的点集数据A和B，使点集规则有序且具有很好的空间局部性。然后使用局部搜索算法分别计算出单向豪斯多夫距离h（A，B）和h（B，A）。最后比较单向豪斯多夫距离h（A，B）和h（B，A），取其中的最大值即为豪斯多夫距离H（A，B）。本发明利用数据的空间局部性特性能够减少遍历内循环中对豪斯多夫距离没有贡献的点，从而极大的减少计算的复杂度，结合莫顿曲线方法，本发明可以处理任意类型的点集数据，更具通用性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
