-
题名大规模图例的最大团问题算法分析
被引量：5
- 1
-
-
作者
王晓峰
于卓
赵健
曹泽轩
-
机构
北方民族大学计算机科学与工程学院
北方民族大学图像图形智能处理国家民委重点实验室
西北大学信息科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第6期182-192,199,共12页
-
基金
国家自然科学基金(62062001)
北方民族大学重大专项(ZDZX201901)
宁夏自然科学基金(2020AAC03214,2020AAC03219)。
-
文摘
最大团问题是一个经典的组合优化问题,在蛋白质功能推测、竞胜标确定、视频对象分割等领域有广泛的应用。随着图例规模的增大,最大团问题求解难度增加,常规图例最大团求解算法已逐渐被大规模图例最大团求解算法取代。介绍求解大规模图例最大团问题的技术支撑点,重点总结基于大规模图例的最大团问题算法,并在大数据计算背景下对融合单层图划分方法和多层图划分方法的MapReduce框架和Spark框架进行优缺点分析。此外,比较k-core方法与k-community方法的应用场景,从算法分类的角度总结不同类型算法的优缺点,对求解大规模图例最大团问题的确定型算法进行梳理,并对代表性的求解算法在公开数据集中的表现进行对比分析。基于分析结果,指出不同算法在求解大规模图例最大团问题时需要重点关注的方面,并展望了智能优化算法、分层式深度强化学习方法、图结构相变分析技术的未来研究方向。
-
关键词
最大团问题
大规模图例
图划分
确定型算法
core结构
-
Keywords
Maximum Clique Problem(MCP)
large-scale graph
graph partition
exact algorithm
core structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于鲁棒马氏距离的LiDAR点云粗差探测与分析
被引量：2
- 2
-
-
作者
冯林
李斌兵
黄磊
-
机构
武警工程大学研究生管理大队
水利部黄土高原水土流失过程与控制重点实验室
武警工程大学信息工程系
-
出处
《大地测量与地球动力学》
CSCD
北大核心
2014年第5期168-173,共6页
-
基金
国家自然科学基金项目(41171224)
国家水利部黄土高原水土流失过程与控制重点实验室开放基金项目(201402)
-
文摘
基于鲁棒马氏距离,提出了针对LiDAR点云的粗差探测与剔除算法。首先,将LiDAR点云数据划分为子块,对各个子块点云分布的中心、尺度等统计参数使用确定型最小广义方差估计算法进行鲁棒估计。而后计算各点的鲁棒马氏距离,根据鲁棒马氏距离的平方服从卡方分布的假设,在指定的置信度下得出相应的粗差判别限,对点云的粗差进行识别与剔除。将粗差探测与剔除算法应用到甘肃天水桥子沟一条典型切沟的测量数据中,测试了点云分块中不同子块大小与detMCD中不同子样本相对大小这两个参数与粗差剔除率的关系。结果表明,随着子块平均点数的增大,粗差的剔除率逐渐增大;而随着子样本相对大小的增加,粗差的剔除率逐渐减少。通过粗差剔除前后的点云TIN图像和剖面图像比较,本文提出的粗差探测与剔除算法可以有效去除LiDAR点云数据中的粗差,提高粗差剔除的准确性与可靠性。
-
关键词
LIDAR
点云
鲁棒马氏距离
确定型最小广义方差估计算法
粗差探测与剔除
-
Keywords
LiDAR
point cloud
robust Mahalanobis distance
dctMCD
detection and remove for gross error
-
分类号
P237.3
[天文地球—摄影测量与遥感]
-
