过程式建模是一种高效的批量建筑三维建模方法，具有非常巨大的潜在应用价值。为了实现过程式建模方法对多种复杂建筑风格的支持，本研究拟通过语义本体方法规范建筑分类体系及其基本部件，并据此设计生成语法，进而可支持多种复杂建筑类型的建模；考虑到过程式方法中普遍难以保证生成模型风格一致，拟引入模式挖掘方法对建模结果进行定量分析，得到特定风格的组合模式，据此可设计相应的建筑风格检索判定方法，保证生成结果的自相似性；最后，针对建模规则库由于冗余导致生成模型成功率低的问题，拟采用聚类、粒度分析、关联分析、特征选择等学习方法分析建模规则与特定建筑风格的关联性，除去冗余，获得最佳建模规则集。本项目的研究可望对特定风格三维建筑模型的自动定制领域及AI技术在三维建模数据分析领域的基础理论和方法有所贡献，同时可直接应用于类似的复杂模式分析和特征选择等领域。 2100433B

主要研究大规模图像数据的自动标注算法，具体研究内容有：研究具有更好表示和区分能力的图像特征提取算法，其重点是研究特征选取和特征变换；研究用于高层语义特征提取的机器学习方法，其重点是研究半监督学习和大规模数据学习问题；研究图像标记的语义相关性挖掘问题，以进一步提高自动标记的性能，基本思路是利用先验信息、WordNet等知识库和标记在图像同现等统计信息。基于上述算法研究成果，我们将针对日常生活中常见的实体语义对象，从互联网上下载相应的图像，通过学习训练建立起较大规模的视觉语义特征模型库，用于实现图像的自动语义标注；我们还计划研究开发大规模图像数据的自动标注原型演示系统，用于网上大规模图像的搜索和过滤。