有向线对象细节拓扑关系模型

吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (05): 1292-1296.

有向线对象细节拓扑关系模型

王生生¹,王兆丹¹,刘大有¹,李昕²,张慧杰³

1.吉林大学计算机科学与技术学院,长春130012；2.吉林大学软件学院,长春130012；3.东北师范大学计算机学院,长春130117

收稿日期:2008-04-08 出版日期:2009-09-01 发布日期:2009-09-01
通讯作者: 刘大有(1942-),男,教授,博士生导师.研究方向:知识工程,时空推理.Email:dyliu@jlu.edu.cn E-mail:dyliu@jlu.edu.cn
作者简介:王生生(1974-),男,教授.研究方向:时空推理.Email:wss@jlu.edu.cn
基金资助:
国家自然科学基金项目(60603030,60773099);“863”国家高技术研究发展计划项目(2006AA10Z245); 吉林省科技发展计划重点项目(20060213); 欧盟项目TH/Asia Link/010 (111084); 东北师范大学自然科学青年基金项目.

Detailed topological relation model of directed line objects

WANG Sheng-sheng¹, WANG Zhao-dan¹, LIU Da-you¹, LI Xin², ZHANG Hui-jie³

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China|2.Software College of Jilin University| Changchun 130012, China|3.College of Computer Science| Northeast Normal University|Changchun |130117, China

Received:2008-04-08 Online:2009-09-01 Published:2009-09-01

摘要/Abstract

摘要：

针对运动轨迹等有向线对象的特点，提出了细节拓扑关系模型，以解决现有模型不能区分复杂细节的问题。首先基于空间推理中4交模型的方法，定义了DLO矩阵。进而根据交分量的类型，对DLO进行细化，给出空间语义更丰富的DDLO模型。对比分析显示，与HBT等现有经典模型相比，DDLO模型能够精确描述有向线对象多次相交的细节，能区分相交与相切，而HBT模型只能分辨固定的68种简单关系。

关键词: 人工智能, 时空推理, 有向线对象, 拓扑关系细节模型

Abstract:

According to the characteristics of directed line objects, such as track, a detailed topological relation model is proposed, thus the complex details can be captured. First, DLO matrix is defined based on the 4intersection method of spatial reasoning. Then, by apply the intersection types to DLO, the DDLO model with rich spatial semantics is obtained. Finally, the analysis and comparison with classical models (HBT etc.) show that DDLO can precisely describe the detailed intersection of directed line objects and distinguish intersection and tangency, while HBT can only distinguish fixed 68 simple relations.

Key words: artificial intelligence, spatiotemporal reasoning, directed line objects, detailed topological relation model

中图分类号:

TP182

王生生, 王兆丹, 刘大有, 李昕, 张慧杰. 有向线对象细节拓扑关系模型[J]. 吉林大学学报(工学版), 2009, 39(05): 1292-1296.

WANG Sheng-Sheng, WANG Zhao-Dan, LIU Da-You, LI Xin, ZHANG Hui-Jie. Detailed topological relation model of directed line objects[J]. 吉林大学学报(工学版), 2009, 39(05): 1292-1296.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed