Samodejno gručenje mrežnih podatkov je pomembna metoda za rudarjenje smiselnih skupnosti kompleksnih mrežnih podatkov. Odkrite skupnosti pomagajo razumeti potencialno strukturo in funkcionalnost kompleksnih mrežnih sistemov. Veliko algoritmov, ki optimizira populacijo rešitev z uporabo več optimizacijskih kriterijev, je težko uporabiti za resnične sisteme, saj zahtevajo dolg optimizacijski proces. Za pospešitev procesa optimizacije in učinkovitejše odkrivanje pomembnih struktur skupnosti smo predlagali in ovrednotili več-optimizacijski evolucijski algoritem, ki temelji na problemsko-specifičnih genetskih mutacijah in skupinskem križanju ter na problemsko-specifični inicializaciji. Ker operatorji križanja najbolj pripomorejo k uspešnosti genetskih algoritmov, smo uvedli in ovrednotili več problemsko-specifičnih skupinskih operatorjev križanja za inteligentni razvoj populacije. Testiranje s sintetičnimi in realnimi podatki je potrdilo, da predlagani evolucijski algoritem s problemsko-specifičnimi genetskimi operatorji učinkovito odkriva skupnosti v mrežnih podatkih.
COBISS.SI-ID: 23200776
V tem članku predlagamo novo metodo za 3D delineacijo posameznih drevesnih krošenj v podatkih LiDAR, s katero združujemo prednosti metod, temelječih na zaznavi vrhov dreves ter metod, ki temeljijo na zaznavi drevesnih debel. V ta namen smo razvili enotno matematično ogrodje, ki temelji na teoriji grafov in omogoča segmentacijo s kontroliranjem označevalcev metode povodja. Za zaznavo vrhov dreves nad modelom drevesnih višin predlagamo nov pristop z lokalno prilagajočimi se ploskvami, ki omogočajo definicijo označevalcev in kasnejšo združevanje regij povodja na osnovi njihove višine, površine in oblike. Zaznano množico dreves dopolnimo še z nižjimi drevesi, ki jih razpoznamo s pomočjo zaznave debel. V ta namen smo razvili novo metodo ocenjevanja navpične porazdelitve točk, pri uporabi algoritma povodja pa obseg posameznega drevesa omejimo glede na meje višjih sosednjih dreves. Z rezultati pokažemo, da zgolj z uporabo lokalno prilegajočih se ploskev povečamo učinkovitost metode za 6% v primerjavi s sorodnimi metodami. S pomočjo zaznave posameznih debel pa učinkovitost metode povečamo še za dodatnih 4%. Čeprav je učinkovitost zaznave posameznih debel v veliki meri odvisna od gostote vhodnih podatkov, je predstavljen pristop primeren za uporabo tudi nad podatki z nižje gostoto, saj je podprt s segmentacijo modela višin dreves.
COBISS.SI-ID: 18911510
Kompleksne mreže predstavljajo učinkovito orodje za predstavitev naravnih pojavov, kjer so posamezniki v interakciji. Večina študij se ukvarja s topološkimi lastnostmi mrež, medtem ko dejanski razlogi za tvorbo mrež ostajajo spregledani. V članku predstavimo nov pristop analize kompleksnih mrež. Z iskanjem optimalnega funkcijskega zapisa povezav v mreži omogočimo določanje vpliva netopoloških lastnosti vozlišč na strukturo in funkcijo kompleksnih mrež (npr. sprememba strukture mreže ob spremembi netopoloških lastnosti vozlišč). Predstavimo dvonivojski evolucijski algoritem, kjer na prvem nivoju določimo optimalno obliko funkcije, na drugem pa ustrezne koeficiente. Ne samo, da določimo najpomembnejše netopološke lastnosti, ki vplivajo na povezljivost, ampak tudi intenzivnost njihovega vpliva s pomočjo koeficientov. Za primerjavo z metodami strojnega učenja uporabimo umetne kompleksne mreže, medtem ko uporabnost prikažemo na naravni mreži beta-celic.
COBISS.SI-ID: 20349206
Iskanje solarnih stavb je eno izmed primarnih izzviov pri prostorskem načrtovanju, še posebej pri razvoju samovzdržnih mest. V tem delu predlagamo evolucijski pristop za določanje optimalnega modela stavbe glede na sončni potencial z uporabo podatkov LiDAR (angl. light detection and ranging). Metoda uporablja samoprilagodljivo differencialno evolucijo za reševanje večdimenzionalnega optimizacijskega problema. Eksperimentalno smo analizirali vpliv različnih tlorisov in oblikovnih parametrov glede na sončni potencial. Stavbe s tlorisom v obliki pravokotnika ter črk T in L smo opisali z naslednjimi parametri: položaj, rotacija stavbe, višina sten ter naklon in višina strehe. Eksperimenti potrjujejo, da metoda učinkovito najde model stavbe z najvišjim sončnim potencialom v omejenem optimizacijskem prostoru.
COBISS.SI-ID: 18414358
Članek obravnava nov pristop za brezizgubno postopno (progresivno) stiskanje podatkov datotek LAS, zapisanih v posebnem formatu, v katerem se shranjujejo rezultati laserskega daljinskega zaznavanja. V predstavljen postopku najprej v zgradimo v enem prehodu hierarhični podatkov model, s katerim razporedimo točke LAS v različne nivoje. Zaporedje točk na višjih nivojih stisnemo s kodiranjem s spremenljivo dolžino in aritmetičnih kodiranje. Pri nižjih nivojih pa uporabimo tudi napovedovalni model ne-progresivnega stiskanja. Na ta način ohranimo zaporedje točk, da dosežemo boljše rezultate stiskanja.
COBISS.SI-ID: 18603798