-
题名虚拟现实环境下的协同式三维建模方法
- 1
-
-
作者
王浩淼
桑胜举
段晓东
张伟华
陶体伟
马婷
-
机构
泰山学院信息科学技术学院
大连民族大学大数据应用技术国家民委重点实验室
大连民族大学设计学院
中国电信泰安分公司
-
出处
《图学学报》
CSCD
北大核心
2024年第1期169-182,共14页
-
基金
泰山学院青年教师科研基金项目(QN-01-202208)。
-
文摘
三维建模技术在各个领域发挥着重要作用,但以桌面交互为主的三维建模方式仍复杂、抽象且不支持在线协作。为此,借助虚拟现实(VR)技术的沉浸性、交互性、想象性等优点,提出一种VR环境下的网络协同三维建模方法,使得用户以沉浸式的交互方式建立三维模型,并支持多人实时在线可视化协作。首先,提出了一种VR环境下的三维模型绘制交互方式;其次,将三维模型进行分类,提出一种分层构建式的三维模型网格生成算法,用于建立平面模型和立体模型;最后,设计了一种VR环境下的三维建模网络协同模块,并基于Socket通信实现了网络同步。通过与传统三维建模软件的三维建模方法进行对比实验表明,该方法更加简捷、直观和高效,且易于普通用户掌握。
-
关键词
虚拟现实
三维建模
网格生成
网络协同
沉浸式交互
-
Keywords
virtual reality
3D modeling
mesh generation
network collaboration
immersive interaction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合多智能体与超图的复杂动态系统建模方法探索
- 2
-
-
作者
王鹏飞
陶体伟
焦点
申彦明
周东生
张强
-
机构
大连理工大学计算机科学与技术学院
泰山学院信息科学技术学院
大连大学软件学院
-
出处
《图学学报》
CSCD
北大核心
2023年第3期599-608,共10页
-
基金
科技创新2030—“新一代人工智能”重大项目(2021ZD0112400)
国家自然科学基金委-辽宁联合基金项目(U1908214)
+2 种基金
中央高校基本科研基金项目(DUT21TD107,DUT20RC(3)039)
辽宁省兴辽人才计划项目(XLYC2008017)
CCF-腾讯犀牛鸟基金项目(IAGR20210116)。
-
文摘
在自然界以及人类社会中,绝大多数系统本质上都可以抽象表示为复杂系统,针对当前复杂系统复杂性不断增加这一难题,亟需完善且成熟的复杂系统理论与方法进行建模研究与处理。当前基于图的复杂系统建模方法难以描绘节点间极其复杂的连接以及节点间的高阶关系,同时也难以对复杂系统的智能化感知、决策和控制等行为进行有效刻画。基于此,提出一种融合多智能体与超图的复杂动态系统建模方法,模型从几种不同的演化角度进行动态演化,对复杂动态系统进行了具体的描绘。此模型通过赋予复杂系统中个体智能化特征,进行感知、决策和控制,同时也能够更好地描绘智能体节点间的高阶关系,为复杂系统的智能理论研究提供新思路和新方法。
-
关键词
多智能体
超图
复杂系统
建模
复杂网络
超网络
-
Keywords
multi-agents
hypergraphs
complex systems
modeling
complex networks
hypernetworks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于有效距离的低秩表示
- 3
-
-
作者
陶体伟
刘明霞
王明亮
王琳琳
杨德运
张强
-
机构
桂林理工大学信息与工程学院
泰山学院信息科学技术学院
南京航空航天大学计算机科学与技术学院
泰山学院数学与统计学院
大连理工大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第4期141-147,共7页
-
基金
国家自然科学基金(61703301)
山东省自然科学省属高校优秀青年联合基金(ZR2019YQ27)
+1 种基金
泰山学院科研基金(Y-01-2018019)
泰山学者青年专家项目。
-
文摘
低秩表示(Low-Rank Representation,LRR)在探索数据中的低维子空间结构方面具有良好的效果,近年来引起了人们的广泛关注。然而,传统的LRR方法通常使用欧氏距离来度量样本的相似性,仅考虑相邻样本两两之间的距离信息,对于具有流形结构的数据往往不能反映其固有的几何结构。最近的研究表明,概率激励距离测量(即有效距离)可以有效地对数据的全局信息进行建模,来度量样本间的相似性。在此基础上,提出了一种基于有效距离的低秩表示模型。该方法用稀疏表示方法计算样本之间的有效距离来构造拉普拉斯矩阵,并将其进行低秩表示拉普拉斯正则化约束,该模型不仅能表示全局低维结构,而且能捕获流形结构数据中的几何结构信息。为了评估方法的有效性,在三个公开数据集上进行了分类实验。实验结果表明,该方法比基于传统欧氏距离的方法,具有更高的分类性能和更强的鲁棒性。
-
关键词
低秩表示(LRR)
有效距离
稀疏表示
分类
-
Keywords
Low-Rank Representation(LRR)
effective distance
sparse representation
classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
