靳雁霞
- 作品数：67 被引量：184H指数：8
- 供职机构：中北大学更多>>
- 发文基金：国家自然科学基金山西省自然科学基金新世纪高等教育教学改革工程更多>>
- 相关领域：自动化与计算机技术文化科学理学电子电信更多>>
- 以度为规则的小世界粒子群算法被引量：1
- 2016年
- 针对粒子群算法快速收敛,容易陷入局部最优的现象,提出了一种以度为规则的小世界粒子群算法.该算法将粒子群的分布引入小世界模型,给小世界的随机连接赋予一个规则,即将度最大的粒子和度最小的粒子进行连接,使粒子之间充分交流,避免了粒子之间信息交流不充分而出现的早熟收敛现象.通过测试函数对其进行仿真实验,实验结果表明,以度为规则的小世界粒子群算法不易陷入局部最优,能够更好地寻找最优解,其性能优于传统的粒子群算法.
- 靳雁霞银莉张晓闻张鑫
- 关键词：粒子群小世界多样性
- C++程序设计中构造函数的探讨被引量：1
- 2011年
- 首先介绍了类的构造函数特征和分类,举例说明了组合类对象和派生类对象构造函数的构造方法及调用次序;其次研究了使用缺省拷贝构造函数时,如果类中包含new运算符而导致指针挂起的原因,并给出了解决方法;最后介绍了转换构造函数的功能及使用转换构造函数进行类型转换的步骤。
- 李欣然靳雁霞
- 关键词：C++构造函数拷贝构造函数
- 一种新型保真鲁棒数字水印方法
- 本发明公开了一种新型保真鲁棒数字水印方法，该算法以嵌入算法为主要内容，首先分割原始图像为8x8互不覆盖的子块，然后对每个子块进行离散余弦变换;最后以从受攻击后的含水印图形中提取出的水印信息完整度最大化为目标,在峰值信噪比...
- 靳雁霞张建华李富萍
- 文献传递
- 基于CNN布料褶皱识别的多精度网格精化方法
- 本发明属于计算机动画技术领域，公开了一种基于CNN布料褶皱识别的多精度网格精化方法，首先建立人体模型，进行动画模拟，提取关键动画帧并对其褶皱部分进行分割，将分割好的模型作为卷积神经网络的输入，通过CNN训练得到褶皱的识别...
- 靳雁霞贾瑶
- 文献传递
- 具有自适应逃逸的环状全互连结构粒子群算法被引量：3
- 2018年
- 为了提升粒子群算法在解空间中的寻优性能,提出了一种具有自适应逃逸机制的基于环状全互连拓扑结构的粒子群算法(RSEPSO).该算法首先将种群中的粒子组成环状结构后再连接成全互连结构,其次加入自适应逃逸功能,为防止算法进化时陷入局部极值,同时选取适应值差的粒子进行重新分布,并融入优质粒子环作为学习对象,最后产生足够多的点进行重新搜索,获得全局最优值.通过4个标准测试函数优化,与其他优化算法比较,可以看出RSEPSO能够明显的提升粒子群算法的寻优性能.
- 靳雁霞张鑫薛丹
- 关键词：粒子群算法拓扑结构自适应惯性权重
- 一种基于神经网络预测碰撞检测的方法
- 本发明属于虚拟仿真碰撞检测领域，具体涉及一种基于神经网络预测碰撞检测的方法。首先该方法在一个时间步长内，将布料粒子运动的位置和发生碰撞的三角形位置输入神经网络；其次利用神经网络预测布料粒子与三角面片是否发生碰撞；最后对发...
- 靳雁霞马博马巧梅贾瑶陈治旭芦烨史志儒刘亚变杨晶张建华
- 文献传递
- 大型数据库中图像数据的存储方法研究被引量：2
- 2007年
- 主要研究图像数据在数据库中的处理方法。先将图像数据分段存放到一个缓冲区中,然后将图像数据保存到数据库中。其次是从数据库中读取图像数据,最后是将图像显示到屏幕上。本文提出了一种新型的图像数据的存储方法,具有一定的创新性。
- 靳雁霞陈学艳
- 关键词：多媒体数据库图像数据
- 融合随机森林模型的布料分层建模被引量：3
- 2019年
- 目的在布料仿真中,针对基于物理方法计算复杂、耗时长、实时性差的缺点,提出了一种融合随机森林模型的布料分层建模方法。方法采用基于物理的方法计算出各个质点的初始位置,连接各个质点形成最初始水平布料。然后通过使用随机森林模型的回归算法来推断质点在下一水平布料的位置,使用■细分法连接质点,再通过边翻转操作生成稳定的布料网格,重复上述过程直至产生满意的动画效果。结果在固定共轭梯度法(CG)改进后的隐式积分方法和交替方向乘子法(ADMM)的迭代次数,保证两种传统方法计算的模拟结果具有相似误差的情况下,实验结果表明,当模拟的质点数较少时,融合随机森林模型的布料分层建模方法与两种传统基于物理的模拟方法相比,没有很大的优势,但在模拟足够数量的质点时,融合随机森林模型的布料分层建模方法的模拟速度相比于ADMM算法提高了约26%。结论采用随机森林模型来进行分层布料模拟,省去了传统基于物理的模拟方法进行的大量数值计算,显著提升了布料模拟的效率,并且在施加外界力、与外界物体发生碰撞的情况下,融合随机森林模型的布料分层建模方法依旧可以产生稳定可靠的模拟动画,是一种高效的布料模拟方法。
- 靳雁霞张晋瑞程琦甫齐欣贾瑶马博
- 关键词：布料仿真
- 基于机器学习合成高分辨率布料褶皱
- 2021年
- 为了精化布料网格得到逼真的布料模拟效果,提出了一种基于机器学习的方法合成高分辨率布料褶皱。首先模拟真实的布料运动,获取布料运动的帧数据信息,将布料运动的帧数据信息转换为图像信息的形式进行存储。然后将图像信息作为输入,输入到卷积神经网络(CNN)中进行训练,通过将卷积神经网络与缩小网络相结合,最终得到高分辨率布料图像。最后将高分辨率布料图像转换为高分辨率布料网格,对布料进行模拟。实验结果表明,与初始的低分辨率布料网格对比,合成的高分辨率布料网格模拟出的布料有着大量且细微的褶皱,并且能够模拟出真实的布料效果,与真实场景中的布料模拟效果相似。该方法在不同的场景中都可以模拟出高质量的布料动画效果,而且减少了仿真速度,验证了该方法的有效性。
- 贾瑶靳雁霞马博陈治旭芦烨
- 关键词：高分辨率卷积神经网络布料动画
- 融合DNN与AABB—圆形包围盒自碰撞检测被引量：9
- 2020年
- 目的为了解决自碰撞检测剔除率低和检测速度慢的问题,提出一种AABB(aixe align bounding box)—圆形包围盒树结构和具有二分类功能的深度神经网络(deep neural network,DNN)加速包围盒相交检测的方法。方法对变形体构建AABB—圆形包围盒树,即对内部节点构建AABB包围盒,对叶子节点构建圆形包围盒。根据AABB—圆形包围盒生成包围盒测试树(bounding volume test tree,BVTT),采用深度神经网络优化BVTT的包围盒相交测试和法向锥测试,输出碰撞三角形对。结果在确定最优隐含层数和每层最优节点数保证深度神经网络达到最佳准确率的情况下,实验结果表明,在没有自碰撞的情况下,本文方法与AABB-OBB方法、经典包围盒方法耗时相同,但在自碰撞足够多的模拟场景中,融合深度神经网络的AABB-圆形包围盒方法比AABB-OBB(oriented bounding box)方法和经典的包围盒方法速度更快,整体耗时缩短了21%~37%。同时,对5种方法的更新率、检测效率和图元相交测试时间进行实验对比,发现本文方法比AABB-OBB方法和经典的方法具有更好的贴合性和更快的相交测试速度。结论本文方法相对于AABB-OBB方法、经典包围盒方法的测试速度更快,不仅提高了自碰撞检测高层剔除率,同时降低了模拟整体耗时,更适用于实时变形体自碰撞检测领域。
- 靳雁霞程琦甫张晋瑞齐欣马博贾瑶
