检索结果-内蒙古大学图书馆

水利科技 2025年第1期 7-12+18页

作者：魏巍福州开发区水利建设发展有限公司

该文针对片区排涝系统存在的瓶颈问题，提出SWMM和图论算法相结合优化排涝系统方法，以提高雨水管网输水能力，减少涝灾损失。该方法由SWMM负责提供精确计算结果，为优化提供约束条件，图论算法负责快速识别薄弱环节，为优化确定目标。... 详细信息

该文针对片区排涝系统存在的瓶颈问题，提出SWMM和图论算法相结合优化排涝系统方法，以提高雨水管网输水能力，减少涝灾损失。该方法由SWMM负责提供精确计算结果，为优化提供约束条件，图论算法负责快速识别薄弱环节，为优化确定目标。马尾磨溪以东快安片区排涝系统应用该方法优化雨水管网，202109号卢碧台风降雨条件下，16个涝情点涝情时长共减少6 279 min,涝情缓解率为88%;202311号海葵台风降雨条件下，24个涝情点涝情时长共减少17 851 min,涝情缓解率为37%。实例应用表明，该方法有助于通过优化管网提升片区排涝能力，缓解当前日益频发的极端降雨天气带来的城市内涝压力，为涝情动态预测和应急抢险调度提供强有力的支持，具有推广应用价值。

关键词： SWMM 图论算法图形化编程排涝系统管网输水能力系统优化

来源：评论

学校读者我要写书评

暂无评论

图论算法理论、实现及应用 1

引用

丛书名： 21世纪全国应用型本科计算机案例型规划教材

2011年

作者：王桂平//王衍//任嘉辰

《图论算法理论、实现及应用》系统地介绍了图论算法理论，并选取经典的ACM／ICPC竞赛题目为例题阐述图论算法思想，侧重于图论算法的程序实现及应用。《图论算法理论、实现及应用》第1章介绍图的基本概念和图的两种存储表示方法：邻接... 详细信息

ISBN: (数字)9787301175781

ISBN: (纸本)9787301175781

《图论算法理论、实现及应用》系统地介绍了图论算法理论，并选取经典的ACM／ICPC竞赛题目为例题阐述图论算法思想，侧重于图论算法的程序实现及应用。《图论算法理论、实现及应用》第1章介绍图的基本概念和图的两种存储表示方法：邻接矩阵和邻接表，第2～9章分别讨论图的遍历与活动网络问题，树与图的生成树，最短路径问题，可行遍性问题，网络流问题，支配集、覆盖集、独立集与匹配，图的连通性问题，平面图及图的着色问题等。《图论算法理论、实现及应用》可以作为高等院校计算机（或相关专业）图论等相关课程的主教材，也可作为ACM／ICPC竞赛的辅导教材。

关键词：图论算法 tu lun suan fa 算法程序高等学校教材

来源：评论

学校读者我要写书评

暂无评论

图论算法的可视化操作平台设计

引用

福州大学学报（自然科学版） 2006年第1期34卷 43-46页

作者：姚朝灼福州大学数学与计算机科学学院福建福州350002

用Delphi 7.0开发一种程序软件,为图论的可视化算法提供方便的操作平台.用户只需用鼠标点击窗体,就能方便地画出一个图,并由此自动生成相应的邻接矩阵与邻接表提供给相关的图论算法使用.使用该操作平台便于收到图论算法的可视化效果.

关键词：图论算法操作平台邻接矩阵邻接表

来源：评论

学校读者我要写书评

暂无评论

基于图论算法与蚁群优化支持向量机的数控机床故障智能诊断

引用

计算机集成制造系统 2024年

作者：迟玉伦戴顺达朱文博上海理工大学机械工程学院

针对传统数控机床故障诊断方法耗时且精度不足、无法满足快速诊断需求的问题，提出一种基于图论算法和蚁群优化支持向量机（ACO-SVM）的方法实现机床故障的快速精确诊断。首先，通过故障历史数据建立数控机床故障传播模型，利用图论算... 详细信息

针对传统数控机床故障诊断方法耗时且精度不足、无法满足快速诊断需求的问题，提出一种基于图论算法和蚁群优化支持向量机（ACO-SVM）的方法实现机床故障的快速精确诊断。首先，通过故障历史数据建立数控机床故障传播模型，利用图论算法进行分析，得到故障的风险影响度排序确定故障的优先级；然后，针对优先级较高的故障，利用传感器采集加工信号提取特征值构建特征向量；其次，利用蚁群算法优化支持向量机参数，构建ACO-SVM故障诊断模型实现机床故障精确诊断；最后，通过实验对某公司轴承磨床磨削烧伤故障进行验证，结果表明：基于图论算法可对故障进行定位排序，利用ACO-SVM模型的诊断平均准确率达99.378%，对提升数控机床故障快速维修及机床可靠性具有重要意义。

关键词：支持向量机图论算法蚁群算法故障诊断

来源：评论

学校读者我要写书评

暂无评论

一种新的大规模配电网络重构的图论算法——图的谱划分算法

引用

电力系统自动化 2002年第18期26卷 25-29页

作者：张鹏郭永基清华大学电机系北京市100084

建立了配电网络重构的图的多划分模型 ,提出了基于图的谱划分的算法 ,用于求解大规模配电网络的馈线间重构问题。针对规模巨大的实际配电系统 ,应用图的多级划分思想 ,提出了图的压缩算法以提高计算效率。算法避免了目前各种配电网络重... 详细信息

建立了配电网络重构的图的多划分模型 ,提出了基于图的谱划分的算法 ,用于求解大规模配电网络的馈线间重构问题。针对规模巨大的实际配电系统 ,应用图的多级划分思想 ,提出了图的压缩算法以提高计算效率。算法避免了目前各种配电网络重构算法迭代过程中大量的潮流计算负担 ,且不依赖于系统的初始拓扑。其寻优能力不逊于常见的重构算法 ,且能高效地求取全局或近全局最优解。

关键词：大规模配电网络重构图论算法图的谱划分算法启发式算法馈线潮流计算

来源：评论

学校读者我要写书评

暂无评论

两个图论算法的实现与界面设计

引用

仪器仪表学报 2007年第S1期28卷 378-380,387页

作者：吴军刘秀兰北京工业大学电子信息与控制工程学院北京100022

用C语言实现了2种由广度优先思想衍生出的图论算法,它们分别是求出全部生成树的置换法和找出图中所有基本回路的Paton算法。本文重点叙述了这2种算法的流程,给出了相应算例,并设计实现了一种实用的图论算法操作界面。

关键词：图论算法全部生成树 Paton算法操作界面设计

来源：评论

学校读者我要写书评

暂无评论

数据结构中图论算法动态智能演示的研究

引用

现代电子技术 2017年第18期40卷 40-42页

作者：程彩凤林德树长江大学工程技术学院湖北荆州434020 长江大学计算机科学学院湖北荆州434023

数据结构课程中图论算法抽象复杂,传统的板书或PPT演示算法程序语句的教学方法不利于学生理解和掌握。在Visual Studio 2013环境下,基于MFC平台研究并设计了一款数据结构课程关于图论算法动态智能演示的教学辅助软件。动态演示了包括图... 详细信息

数据结构课程中图论算法抽象复杂,传统的板书或PPT演示算法程序语句的教学方法不利于学生理解和掌握。在Visual Studio 2013环境下,基于MFC平台研究并设计了一款数据结构课程关于图论算法动态智能演示的教学辅助软件。动态演示了包括图的深度优先遍历、广度优先遍历算法,求最小生成树的Prim算法和Kruskal算法,最短路径Dijkastra算法和Floyd算法的执行过程。软件界面简洁美观,操作简单友好,算法执行过程一目了然,图形界面与算法流程、算法数据信息同步显示。

关键词：数据结构图论算法动态演示 MFC CAI

来源：评论

学校读者我要写书评

暂无评论

基于深度学习网络与图论算法的单木分割应用与研究

基于深度学习网络与图论算法的单木分割应用与研究

引用

作者：朱云峰南京林业大学

学位级别：硕士

随着激光雷达点云精度的不断提高和硬件价格的降低，激光雷达在监测森林生长、评估森林资源、探索森林生态系统等任务中应用的越来越频繁。单木分割是森林调查中的重要任务，能够从大范围采集的森林激光雷达点云中精确分割出每一棵树，... 详细信息

随着激光雷达点云精度的不断提高和硬件价格的降低，激光雷达在监测森林生长、评估森林资源、探索森林生态系统等任务中应用的越来越频繁。单木分割是森林调查中的重要任务，能够从大范围采集的森林激光雷达点云中精确分割出每一棵树，从而测量出树木的高度、胸径、冠幅等结构参数，对森林调查、参数测量、景观分析和生态系统研究等方面具有重要意义。结合上述信息，本文针对复杂场景下单木分割存在的问题，设计相应的自动化、智能化的单树木点云云分割算法框架实现对冠顶结构不清晰的密集林地点云的单木分割。本文主要工作如下：　　1) 针对城市复杂场景下激光扫描点云由于点云在空间上会重叠、遮挡导致点云的不完整的问题，本文提出了一种基于基于点云方向嵌入的单木分割深度学习网络以开展树木的实例级分割，用于在城市复杂场景下识别单木点云。该网络首先使用点云方向嵌入网络，将对语义分割后得到的多块林木样地进行预测，得到每个点指向其对应的树木中心的方向向量;接着，使用方向聚合策略检测树中心，最后，使用可访问区域增长方法提取实例级的树。该深度学习网络通过上述3个步骤来提高提取的准确性和效率，从而更好地满足城市树木监测等应用场景的需求。　　2) 针对密集种植阔叶林场景下，由于树干形态结构多样与林下点云环境复杂造成的现有方法识别单株树干准确性低的问题，以及自上而下视角生成的高度图存在小树和复杂树顶难探测的问题。本文提出了一套改进的PointNet++深度学习网络和图论算法相结合的单木分割框架模型，为了适应树木点云的垂直分布密度差异较大与局部点云密度不均的情况，并将点云特征提取模块iPointConv嵌入了改进的PointNet++深度学习网络中。iPointConv模块结合了点卷积与可变窗宽的核密度估计运算对点云的局部邻域特征进行自适应加权提取，缓解了由于点云密度不均造成的局部特征重复提取的问题，进而提高了树干识别的准确度。同时，不同于传统算法的利用树冠上部的轮廓结构信息，本文设计了基于图论的分割算法，该算法利用点云的林下结构信息与已识别的树干的位置信息，进一步用树干的拓扑结构以及在投影图中的连通性信息和Warshall算法来寻找树木轮廓边缘。　　最后，与利用树冠上部轮廓结构信息的传统算法相比，本文算法框架利用了树木点云的林下结构信息，并辅以树干的位置形态信息，实现了更好的单木分割性能。　　本文将提出的两个网络与 VNcut-based，NNA-based，Treeseg，标记控制分水岭和基于聚类的方法进行对比，展示出了设计的两个网络模型在单木分割性能上的优越性。基于点云方向嵌入的单木分割深度学习网络，在样地数据集城市树木上的 IoU 分数达到了 0.88，召回率、精确率和 F1 分数达到了 0.94，0.96 和0.95;而在样地数据集寺庙园林上 IoU 分数达到了 0.92，召回率、精确率和 F1分数达到了0.94，0.95和0.95，明显优于其他的对比方法的结果数据。而基于树干结构与图论算法的单木分割，各项评价指标如准确度、召回率、F1 分数上也有都有较高的提升。在样地测量结果中，通过将冠幅测试结果与真实值进行了比较，在冠层密度适中的样地中，东西向冠幅 R2最高达到了 98.2%，RMSE 和 rRMSE 分别为0.18m和9.5%。而召回率、准确率和F1分数最高分别达到了0.92， 0.91和0.91。最后在大地块测试上，本文提出的两种方法也取得了较高的性能表现，召回率、准确率和F1分数三项性能指标都达到了0.90以上，明显优于其他上述的五种对比方法。

关键词：森林调查单木分割激光雷达深度学习网络图论算法

来源：评论

学校读者我要写书评

暂无评论

基于图论算法的单元上布线(英文)

引用

成都信息工程学院学报 2006年第2期21卷 234-239页

作者：张孙勇李毅张徐亮虞厥邦电子科技大学电子工程学院570教研室四川成都610054

Pal等提出一个纯粹的图论算法体系TAH(Track Assignment Heuristic),该算法用理想的或接近理想的轨道数解决了许多非常有名的通道布线的例子,其中有两层VH通道布线模型、三层HVH通道布线模型、多层Vi-Hi和ViHi+1通道布线模型,这种算法... 详细信息

Pal等提出一个纯粹的图论算法体系TAH(Track Assignment Heuristic),该算法用理想的或接近理想的轨道数解决了许多非常有名的通道布线的例子,其中有两层VH通道布线模型、三层HVH通道布线模型、多层Vi-Hi和ViHi+1通道布线模型,这种算法推广应用到了两层和三层的单元上布线中,实验结果表明取得了良好的效果。

关键词：通道布线图论算法单元上布线

来源：评论

学校读者我要写书评

暂无评论

无限域平行平面场的图论算法

引用

哈尔滨工业大学学报 1986年第1期 22-30页

作者：许承斌陈希有哈尔滨工业大学电工基础教研室

本文提出一种等效变换法将无限平行平面场的场图变换为有限的等效场图,从而将图论模型算法推广用于无限域平行平面场。它首先将无限域划分为保留的和被变换的两部分,后者仍为无限域。本文的重点就是将此无限域的场图变换为有限的等效场... 详细信息

本文提出一种等效变换法将无限平行平面场的场图变换为有限的等效场图,从而将图论模型算法推广用于无限域平行平面场。它首先将无限域划分为保留的和被变换的两部分,后者仍为无限域。本文的重点就是将此无限域的场图变换为有限的等效场图。文中给出了进行这种等效变换所需要的计算公式。

关键词：无限域平行平面场图论算法等效变换

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：