改进的定性形状表示中凹处同异侧判断方法

吉林大学学报(工学版)

改进的定性形状表示中凹处同异侧判断方法

欧阳继红^1，2，富倩^1，2，刘大有^1，2

1.吉林大学计算机科学与技术学院，长春 130012; 2.吉林大学符号计算与知识工程教育部重点实验室, 长春 130012

收稿日期:2007-11-09 修回日期:1900-01-01 出版日期:2009-03-01 发布日期:2009-03-01
通讯作者: 欧阳继红

Improved method of qualitative shape representation
for SameSide distinction of concavities

OUYANG Ji-hong^1，2, FU Qian^1，2, LIU Da-you^1，2

College of Computer Science and Technology, Jilin University, Changchun 130012, China; 2.Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China

Received:2007-11-09 Revised:1900-01-01 Online:2009-03-01 Published:2009-03-01
Contact: OUYANG Ji-hong

摘要/Abstract

摘要： 指出了Cohn定性形状表示法中凹处同侧判断存在的两种不足之处，给出改进的同侧谓词SameSide*。基于SameSide*，提出一种基于凹处变换的同异侧判断方法CTS，并给出其ADL算法描述。通过实例说明使用方法CTS判断凹处的同异侧关系，能够解决Cohn原方法中存在的不足，能得到符合人们直观认知的判断结果，在一定程度上提高了定性形状表示的合理性和准确性。

关键词: 人工智能, 定性形状表示, 凸壳, 凹处, 同侧谓词, 空间推理

Abstract: On the basis of Cohn method of qualitative shape representation, two kinds of problem in distinguishing SameSide relation of two concavities are analyzed. Then an improved predicate SameSide* is presented. Based on SameSide*, a concavity transformingbased method for SameSide distinction (i. e. CTS method) is proposed. The algorithm described in ADL is also given. Case studies are conducted to compare the proposed method with the Cohn method. It is shown that the problems of the Cohn approach are overcome by the CTS method, thus distinguishing conclusions are derived which accord with human intuitive cognition. Therefore, the reasonableness and the correctness of qualitative shape representation are improved to some extent.

Key words: artificial intelligence, qualitative shape representation, convex hull, concavity, SameSide predicate, spatial reasoning

中图分类号:

TP301

欧阳继红，富倩，刘大有 . 改进的定性形状表示中凹处同异侧判断方法[J]. 吉林大学学报(工学版), 2009, 39(02): 413-0418.

OUYANG Ji-hong, FU Qian, LIU Da-you . Improved method of qualitative shape representation
for SameSide distinction of concavities
[J]. 吉林大学学报(工学版), 2009, 39(02): 413-0418.

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