2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩109頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、集體行為是連續(xù)、有序的個體呈現(xiàn)出的宏觀行為模式,廣泛地存在于細(xì)菌菌落、動物群、人群、車流等各種群體系統(tǒng)中。集體行為的識別與仿真是計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)領(lǐng)域的重要研究分支,對于公共安全、智能交通、影視游戲、建筑設(shè)計(jì)等應(yīng)用領(lǐng)域具有重要意義。集體行為識別與仿真的研究是有機(jī)的整體,識別出的行為模式能夠?yàn)榧w行為仿真提供人群控制策略,集體行為仿真能夠進(jìn)一步驗(yàn)證識別出模式的有效性。
  集體行為識別的根本任務(wù)是根據(jù)提取跟蹤點(diǎn)的行為特征,從視

2、頻序列中挖掘出由行為一致性較強(qiáng)的跟蹤點(diǎn)構(gòu)成的行為模式。識別這種行為模式仍存在諸多難點(diǎn)。集體行為包含具有行為一致性的局部行為模式和具有行為連續(xù)性的全局行為模式,其中跟蹤點(diǎn)密度分布不均、行為簇形狀各異為集體行為識別帶來了困難;同時,識別具有復(fù)雜交互關(guān)系的集體行為對于局部行為一致性度量和全局行為連續(xù)性分析提出了更高的要求;進(jìn)一步研究發(fā)現(xiàn),已有行為特征描述子及其行為一致性度量對于識別存在較大空間間隔或透視變形的集體行為仍存在局限性。集體行為仿真

3、的研究目標(biāo)是結(jié)合主觀心理和客觀環(huán)境因素對人群運(yùn)動過程呈現(xiàn)出的集體決策進(jìn)行建模,進(jìn)而通過渲染技術(shù)逼真地再現(xiàn)大規(guī)模群體行為。特別是在復(fù)雜環(huán)境下,群體在全局路徑規(guī)劃方面呈現(xiàn)出的“從眾現(xiàn)象”是集體行為的突出表現(xiàn)。然而,已有路徑規(guī)劃方法忽略了人群主觀因素與路徑規(guī)劃中“集體決策”間的關(guān)聯(lián)性,使得仿真的靈活性和逼真性仍存在不足。
  本文針對集體行為識別及仿真中存在的問題開展相關(guān)研究,主要成果有:
 ?。?)針對集體行為中局部和全局行為模

4、式中跟蹤點(diǎn)分布散亂、行為簇形狀各異,提出基于一致性密度聚類的集體行為識別方法。定義一致性密度,該密度估計(jì)能夠在跟蹤點(diǎn)分布散亂的情況下揭示跟蹤點(diǎn)間的局部一致性程度。提出一致性密度聚類算法,能夠有效地識別局部層面上形狀各異的集體行為簇。通過分析不同局部集體行為簇在全局層面的一致性,進(jìn)而將具有較高全局連續(xù)性的簇進(jìn)行合并,得到集體行為模式。在多種群體場景的識別結(jié)果和與其它集體行為識別方法的對比表明提出方法能夠更加準(zhǔn)確地識別局部和全局集體行為。<

5、br> ?。?)針對集體行為中存在的復(fù)雜交互關(guān)系,提出基于動態(tài)核密度的復(fù)雜交互集體行為識別方法。定義動態(tài)核密度估計(jì),能夠更加精細(xì)地反應(yīng)跟蹤點(diǎn)與其近鄰點(diǎn)的行為一致性程度。提出動態(tài)核密度峰值聚類算法,能夠有效地識別具有較強(qiáng)行為一致性的局部子群組;提出基于分層并查集的一致性合并算法,用于分析子群組間的復(fù)雜交互關(guān)系,精確地判定子群組間的行為連續(xù)性,進(jìn)而合并具有全局連續(xù)性的子群組。在視頻監(jiān)控和微生物的集體行為數(shù)據(jù)集的實(shí)驗(yàn)表明,提出方法具有更高的識

6、別精度。同時,在運(yùn)動分割數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果,進(jìn)一步展現(xiàn)了提出方法對于其它應(yīng)用問題的魯棒性。
 ?。?)已有行為特征描述子及其行為一致性度量對于識別存在較大空間間隔或透視變形的集體行為仍存在局限性。針對該問題,提出一致性協(xié)方差作為集體行為中跟蹤點(diǎn)的特征描述子,加強(qiáng)了任意跟蹤點(diǎn)與其近鄰間的拓?fù)浣Y(jié)構(gòu)關(guān)系。通過黎曼流形空間度量的一致性協(xié)方差相似度,能夠有效地在具有透視變形或者較大空間間隔的情況下,發(fā)現(xiàn)跟蹤點(diǎn)間潛在的一致性關(guān)系。提出基于空間

7、加權(quán)的密度峰值聚類算法。該算法直接聚類出集體行為簇,無需額外的合并過程。在集體行為數(shù)據(jù)集的實(shí)驗(yàn)表明,提出方法具有更高的識別精度,特別是存在透視變形或者較大空間間隔的情況下。
 ?。?)針對已有方法忽略了人群的主觀因素與群體路徑規(guī)劃中“集體決策”間的關(guān)聯(lián)性這一問題,提出基于情緒傳播模型的動態(tài)人群路徑規(guī)劃方法。該方法通過引入情緒因素,能夠更加逼真地展現(xiàn)群體的路徑選擇多樣性。在OCEAN人格特征模型的基礎(chǔ)上,定義的情緒偏好描述了不同情緒

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論