针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法及其衍生算法路径规划时间长且规划效率低的问题,提出RRT算法与人工势场法结合的PAAPF-RRT机械臂路径规划算法,旨在最短的时间、最小的迭代次数内,在静态环境中找到连接起始...针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法及其衍生算法路径规划时间长且规划效率低的问题,提出RRT算法与人工势场法结合的PAAPF-RRT机械臂路径规划算法,旨在最短的时间、最小的迭代次数内,在静态环境中找到连接起始点与终点的最优路径。首先,引入基于地图障碍物分布评估策略和采样区域优化策略,根据地图的障碍物分布、数量调整算法的步长以及偏向概率。然后,伴随随机树的生长,更新随机点的采样区域,保证随机树向目标点生长。其次,将RRT算法与人工势场法结合,当随机树与障碍物发生碰撞时,使用人工势场法引导随机树节点生长避开障碍物,解决了RRT算法随机树生长到障碍物附近且朝目标点生长的方向被障碍物遮挡时随机树无法生长的问题。最后,利用节点修剪策略,把算法生成的初始路径中的冗余节点进行修剪,得到拐点更少、路径更简洁的优化路径。实验结果表明,PAAPF-RRT算法在路径规划时间上对于RRT算法、GB-RRT算法以及RRT*算法分别减少了93.64%、73.58%、93.28%,在迭代次数方面分别下降了91.40%、79.64%、90.58%,在路径长度方面只占其他3种算法的79.34%、86.21%、95.58%。展开更多
随着Web 所拥有的信息量和信息种类的急剧增长,Web 站点挖掘对于自动实现特定主题的 Web 资源发现和分类具有重要的意义.然而现有的 Web 站点分类或挖掘算法在利用上下文语义信息、去除噪声信息以进一步提高分类准确率等方面还缺乏深入...随着Web 所拥有的信息量和信息种类的急剧增长,Web 站点挖掘对于自动实现特定主题的 Web 资源发现和分类具有重要的意义.然而现有的 Web 站点分类或挖掘算法在利用上下文语义信息、去除噪声信息以进一步提高分类准确率等方面还缺乏深入研究.从站点的采样尺寸、分析粒度和描述结构 3 个方面分析了设计高效的 Web 站点挖掘算法所需要解决的问题.在此基础上,提出了一种新的 Web 站点多粒度树描述模型,并描述了包括基于隐 Markov 树的两阶段分类算法、粒度间上下文融合算法、两阶段去噪程序以及基于熵的动态剪枝策略在内的多粒度 Web 站点挖掘算法.站点的多粒度描述方法及挖掘算法为多站点查询优化、Web 效用挖掘等的深入研究奠定了基础.实验表明,该算法相对于基线系统平均可以提高 16%的分类准确率,并减少了 34.5%的处理时间.展开更多
文摘针对快速扩展随机树(Rapidly-exploring Random Tree,RRT)算法及其衍生算法路径规划时间长且规划效率低的问题,提出RRT算法与人工势场法结合的PAAPF-RRT机械臂路径规划算法,旨在最短的时间、最小的迭代次数内,在静态环境中找到连接起始点与终点的最优路径。首先,引入基于地图障碍物分布评估策略和采样区域优化策略,根据地图的障碍物分布、数量调整算法的步长以及偏向概率。然后,伴随随机树的生长,更新随机点的采样区域,保证随机树向目标点生长。其次,将RRT算法与人工势场法结合,当随机树与障碍物发生碰撞时,使用人工势场法引导随机树节点生长避开障碍物,解决了RRT算法随机树生长到障碍物附近且朝目标点生长的方向被障碍物遮挡时随机树无法生长的问题。最后,利用节点修剪策略,把算法生成的初始路径中的冗余节点进行修剪,得到拐点更少、路径更简洁的优化路径。实验结果表明,PAAPF-RRT算法在路径规划时间上对于RRT算法、GB-RRT算法以及RRT*算法分别减少了93.64%、73.58%、93.28%,在迭代次数方面分别下降了91.40%、79.64%、90.58%,在路径长度方面只占其他3种算法的79.34%、86.21%、95.58%。
文摘随着Web 所拥有的信息量和信息种类的急剧增长,Web 站点挖掘对于自动实现特定主题的 Web 资源发现和分类具有重要的意义.然而现有的 Web 站点分类或挖掘算法在利用上下文语义信息、去除噪声信息以进一步提高分类准确率等方面还缺乏深入研究.从站点的采样尺寸、分析粒度和描述结构 3 个方面分析了设计高效的 Web 站点挖掘算法所需要解决的问题.在此基础上,提出了一种新的 Web 站点多粒度树描述模型,并描述了包括基于隐 Markov 树的两阶段分类算法、粒度间上下文融合算法、两阶段去噪程序以及基于熵的动态剪枝策略在内的多粒度 Web 站点挖掘算法.站点的多粒度描述方法及挖掘算法为多站点查询优化、Web 效用挖掘等的深入研究奠定了基础.实验表明,该算法相对于基线系统平均可以提高 16%的分类准确率,并减少了 34.5%的处理时间.
