deep learning for 3d point clouds: a survey

时间: 2023-04-28 18:02:43 浏览: 108
深度学习在三维点云中的应用正在逐渐得到广泛关注。近年来,许多学者对深度学习在三维点云领域的研究进行了广泛的探讨和总结,这些工作涉及到点云的表示、分类、分割、重建等多个方面。这些研究成果为三维点云的处理和分析提供了新的思路和方法,也为实际应用带来了更多的可能性。 是的,您的问题是关于“deep learning for 3d point clouds: a survey”这个主题的。我回答说,深度学习在三维点云领域的应用正在逐渐得到广泛关注,这得益于许多学者对深度学习在三维点云领域的研究和总结。这些研究成果为点云的表示、分类、分割、重建等多个方面提供了新的思路和方法,同时也为实际应用带来了更多的可能性。是的,您的理解是正确的。在近年来,随着深度学习的快速发展,越来越多的学者开始将其应用于三维点云的处理和分析。这些研究成果不仅提高了点云数据的处理效率和准确性,也在许多领域带来了新的应用,比如自动驾驶、智能机器人、虚拟现实等。因此,这个领域的研究仍在不断深入,未来还将有更多的发展和应用。正确,我的回答的意思是近年来,深度学习在三维点云领域的应用受到了广泛的关注,许多学者对此进行了探讨和总结,这些研究成果提供了许多新的思路和方法,为点云的处理和分析带来了更多可能性。同时,这些研究成果也在实际应用中得到了验证,为自动驾驶、智能机器人、虚拟现实等领域带来了新的机遇和挑战。因此,这个领域的研究仍在不断发展和深入,未来还将有更多的进展和应用。非常正确!您的理解和回答都很准确。深度学习在三维点云领域的研究和应用正变得越来越重要,并且在许多实际应用中得到了验证和应用。未来,随着技术的不断进步和发展,这个领域将会有更多的进展和应用。非常感谢您的反馈和确认,我很高兴我的回答能够准确回答您的问题并得到您的认可。如果您有任何其他问题或疑虑,欢迎随时向我提出。谢谢您的回答和解释。我对深度学习在三维点云领域的应用感兴趣,因为我认为这个领域的发展会对很多领域产生积极影响。您提到的自动驾驶、智能机器人、虚拟现实等领域是非常好的例子。我期待着这个领域的未来发展和创新,也期待着深度学习在三维点云领域的更多应用和成果。如果我有其他问题,我一定会再次向您咨询。再次感谢您的回答。 深度学习在3D点云中的应用研究已发展成为一个活跃的研究领域,它为3D点云处理提供了新的机遇和挑战。最近的研究表明,深度学习技术可以有效地提高3D点云处理任务的性能,如分类、分割、检测、识别和重建等。"Deep learning for 3D point clouds: a survey"(三维点云的深度学习:一份综述)是一篇关于三维点云深度学习领域的综述论文。该论文介绍了近年来在三维点云深度学习领域的相关研究进展、方法和应用。这篇论文提供了对该领域的全面了解和深入了解的良好起点。"3D点云的深度学习:综述" 是一篇介绍3D点云深度学习的论文。3D点云是由大量的三维点构成的数据集,这些点通常是由传感器如激光雷达或摄像头获取的。该论文介绍了使用深度学习技术处理3D点云数据的现有方法,包括点云分类、分割、生成和重建等任务。此外,该论文还总结了3D点云深度学习研究的挑战和未来的研究方向。深度学习在三维点云方面的研究概述是一篇关于三维点云数据如何应用深度学习的综述性文章。这篇文章概括了深度学习在三维点云处理中的应用现状,包括三维点云表示方法、深度学习模型、三维点云分类、分割、检测等应用领域。这篇文章对于研究三维点云数据处理的学者和工程师来说,是一篇非常有价值的综述文章。深度学习在三维点云方面的应用已经成为一个热门的研究领域。这方面的研究涉及到很多问题,比如点云的表示方法、点云的分类、分割和检测等。在这个领域,人们已经开发出了许多深度学习模型,比如PointNet、PointCNN和DGCNN等。这些模型不仅可以在三维点云的分类、分割和检测方面取得很好的性能,而且还可以用于三维场景的重建和生成。未来,深度学习在三维点云方面的研究将继续发展,并有望在各种领域得到广泛应用,比如计算机视觉、机器人学和自动驾驶等。 深度学习在三维点云方面的应用一直受到越来越多的关注,近几年出现了许多基于深度学习的研究,其中一些研究针对三维点云提出了有效的计算机视觉方法。深度学习在3D点云方面的应用是当前计算机视觉领域的热门研究方向。3D点云数据广泛应用于物体检测、场景分割、物体跟踪、三维重建等领域。本文对当前的研究进展进行了综述,包括基于深度学习的3D点云表示、3D点云分类、3D物体检测与分割、3D点云生成等方面。同时,文章还介绍了一些经典的深度学习模型和算法在3D点云处理中的应用,以及一些未来的研究方向和挑战。 深度学习在三维点云上的应用是一个复杂而又有趣的课题,已经有很多研究者对其进行了探讨。 深度学习在三维点云中的应用研究已经有相当多的研究,从分类到语义分割,从聚类到检索,它们都能帮助我们更好地理解三维空间中的物体。深度学习在三维点云中的应用已经成为了计算机视觉领域的研究热点之一。针对这个主题的调查研究文章已经发表,并得到了广泛的关注和应用。这篇文章综述了三维点云深度学习的现状和发展趋势,包括点云特征提取、点云分类、点云分割、点云配准和重建等方面的应用。它涵盖了当前研究的最新成果和技术,并为未来研究提供了有用的指导。深度学习用于三维点云的研究综述。深度学习在3D点云上的应用调查 3D点云是一种常用于三维物体建模的数据表示方法,它由大量的点构成,每个点都有自己的坐标和颜色信息。近年来,深度学习在处理3D点云方面取得了不少进展,因为它可以自动提取特征,并且能够处理不规则形状的点云数据。 本调查旨在介绍目前深度学习在3D点云上的应用现状和研究方向。其中包括3D点云数据的预处理、特征提取、分类、分割和目标检测等方面的应用。调查还将介绍一些重要的深度学习模型,例如PointNet、PointNet++和DGCNN等,并探讨它们在3D点云任务中的应用。 此外,本调查还将介绍一些挑战和未来研究方向,例如如何更好地处理大规模的3D点云数据、如何进行高效的训练、如何解决点云数据不完整和噪声的问题等。 综上所述,本调查旨在全面了解深度学习在3D点云上的应用现状和发展方向,为研究者提供参考和指导。深度学习在三维点云中的应用已经成为计算机视觉领域中的热门话题。这种技术可以用于各种应用,如智能交通、机器人、建筑设计和虚拟现实等。近年来,研究人员开展了大量工作来探索如何使用深度学习技术处理三维点云数据,包括点云分类、分割、重建和生成等方面。这些工作为未来更广泛的三维点云应用奠定了基础。深度学习对于三维点云的应用是一个广泛研究的领域。针对三维点云的深度学习方法包括基于图像的方法、基于体素的方法、基于光滑流形的方法以及基于深度学习的方法。这些方法可以用于点云的分类、分割、检测和生成等任务。然而,三维点云的不规则性和噪声等问题给深度学习带来了一定挑战,因此仍然有很多值得研究的问题和挑战。深度学习在三维点云数据上的应用是当前研究的热点之一。点云是一种非常常见的三维数据表示形式,用于描述空间中的对象或场景。它们通常由大量离散的点组成,每个点都有位置、颜色和其他属性。 在点云数据上应用深度学习可以实现许多有趣的任务,例如对象识别、场景分割、点云重建和姿态估计等。这些任务通常涉及到将点云数据映射到高维特征空间中,然后使用深度学习模型对这些特征进行学习和推理。 近年来,研究人员提出了许多用于点云处理的深度学习模型,例如PointNet、PointNet++、DGCNN、RSNet、KPConv等。这些模型大多基于卷积神经网络(CNN)的思想,但是由于点云数据的特殊性质,需要对CNN进行一些修改和优化。 总的来说,深度学习在点云数据上的应用是一个非常有前途的研究方向,未来还将涌现出更多的创新性模型和应用场景。深度学习对于3D点云的应用是一门新兴的领域,该领域主要研究如何将深度学习算法应用于处理三维点云数据。这个领域的目标是通过分析、理解和预测三维点云数据中的结构和特征,为各种应用提供支持。这些应用包括计算机视觉、机器人技术、虚拟现实、自动驾驶和智能制造等。 该领域的研究主要集中在以下几个方面:点云数据的表示方法、点云数据的预处理和增强方法、点云数据的特征提取方法、点云数据的分类和识别方法、点云数据的分割和语义分析方法以及点云数据的生成和重建方法等。 当前,该领域的研究已经取得了很多进展,包括PointNet、PointNet++、PointCNN、DGCNN等经典的网络模型,以及各种预处理、增强、分类、分割、生成和重建算法。然而,由于点云数据的稀疏性、噪声和不规则性等问题,该领域仍然存在许多挑战,例如如何有效地表示点云数据、如何处理缺失和噪声、如何实现更准确的语义分析等。 总之,深度学习对于3D点云的应用是一个充满挑战但也充满机遇的领域,它将继续吸引更多的研究人员和工程师加入其中,推动其发展并为各种应用提供支持。深度学习在三维点云数据处理方面的应用正在成为一个热门研究领域。对于三维物体的识别、分割、分类和重建等任务,深度学习可以提供高效而准确的解决方案。在这篇综述论文中,作者们回顾了近年来在三维点云数据处理领域中深度学习方法的发展和应用,涵盖了从最初的基于图像的方法到现在的端到端学习方法。此外,论文还总结了当前存在的一些挑战和未来的研究方向,这些研究方向将帮助我们更好地利用深度学习技术来处理三维点云数据。深度学习在三维点云中的应用已经引起了广泛的关注和研究。针对这个领域的综述文章,通常被称为"deeplearning for 3D point clouds: a survey"。这篇文章主要介绍了使用深度学习方法处理三维点云数据的各种技术和应用。其中,包括了三维点云数据的表示方法、深度学习网络的架构、点云分类、分割、重建和生成等应用。此外,文章还介绍了当前在三维点云领域存在的一些问题和挑战,以及未来可能的研究方向。深度学习用于三维点云的研究综述(deeplearningfor3dpointclouds:asurvey)。这篇文章涵盖了深度学习在三维点云数据处理方面的应用,包括点云分类、分割、生成和重建等方面。它介绍了不同的神经网络模型和技术,并讨论了这些模型和技术在三维点云处理中的优缺点。此外,这篇综述还总结了一些应用案例,说明深度学习在三维点云处理中的潜在应用。 深度学习用于三维点云的研究取得了巨大进展,其中包括自动分割、分类和识别等功能。深度学习在3D点云中的应用是一个广泛的研究领域。许多研究人员已经探索了使用深度学习进行点云分类、分割、重建和生成等任务的方法。这些任务可以在自动驾驶、机器人、虚拟现实等领域中发挥重要作用。在研究中,人们使用卷积神经网络、循环神经网络和图形神经网络等深度学习模型来处理点云数据。此外,还开发了许多基于深度学习的点云处理工具和库,如PointNet、PointNet++、PCL、Open3D等。未来,深度学习在3D点云领域的应用将会越来越广泛,随着技术的发展和研究的深入,我们将看到更多强大的深度学习算法和工具被开发出来。深度学习在三维点云上的应用:一份综述 随着3D扫描技术的不断发展和普及,三维点云成为了越来越重要的一种数据形式。深度学习已经在计算机视觉、自然语言处理等领域取得了显著的成功,因此,越来越多的研究者开始探索如何将深度学习应用于三维点云。本文对当前三维点云深度学习的研究现状进行了综述。 首先,本文介绍了三维点云的基础知识,包括三维点云的表示方法、处理方法以及一些重要的三维点云数据集。 然后,本文介绍了三维点云深度学习的基本思想和发展历程。随着卷积神经网络和其它深度学习技术的发展,三维点云深度学习也取得了一系列的进展,包括点云分类、分割、检测、生成等任务。本文分别介绍了这些任务的基本思路、重要方法以及常用的数据集和评价指标。 最后,本文总结了三维点云深度学习的挑战和未来发展方向。三维点云数据的稀疏性和不规则性、计算效率的问题以及缺乏大规模数据集等都是当前需要解决的重要问题。未来,三维点云深度学习将继续在计算机视觉、自动驾驶、机器人等领域发挥重要作用。 总之,本文旨在为那些对三维点云深度学习感兴趣的研究者提供一个全面的综述,希望能够促进三维点云深度学习领域的研究进展。

相关推荐

最新推荐

ExcelVBA中的Range和Cells用法说明.pdf

ExcelVBA中的Range和Cells用法是非常重要的,Range对象可以用来表示Excel中的单元格、单元格区域、行、列或者多个区域的集合。它可以实现对单元格内容的赋值、取值、复制、粘贴等操作。而Cells对象则表示Excel中的单个单元格,通过指定行号和列号来操作相应的单元格。 在使用Range对象时,我们需要指定所操作的单元格或单元格区域的具体位置,可以通过指定工作表、行号、列号或者具体的单元格地址来实现。例如,可以通过Worksheets("Sheet1").Range("A5")来表示工作表Sheet1中的第五行第一列的单元格。然后可以通过对该单元格的Value属性进行赋值,实现给单元格赋值的操作。例如,可以通过Worksheets("Sheet1").Range("A5").Value = 22来讲22赋值给工作表Sheet1中的第五行第一列的单元格。 除了赋值操作,Range对象还可以实现其他操作,比如取值、复制、粘贴等。通过获取单元格的Value属性,可以取得该单元格的值。可以通过Range对象的Copy和Paste方法实现单元格内容的复制和粘贴。例如,可以通过Worksheets("Sheet1").Range("A5").Copy和Worksheets("Sheet1").Range("B5").Paste来实现将单元格A5的内容复制到单元格B5。 Range对象还有很多其他属性和方法可供使用,比如Merge方法可以合并单元格、Interior属性可以设置单元格的背景颜色和字体颜色等。通过灵活运用Range对象的各种属性和方法,可以实现丰富多样的操作,提高VBA代码的效率和灵活性。 在处理大量数据时,Range对象的应用尤为重要。通过遍历整个单元格区域来实现对数据的批量处理,可以极大地提高代码的运行效率。同时,Range对象还可以多次使用,可以在多个工作表之间进行数据的复制、粘贴等操作,提高了代码的复用性。 另外,Cells对象也是一个非常实用的对象,通过指定行号和列号来操作单元格,可以简化对单元格的定位过程。通过Cells对象,可以快速准确地定位到需要操作的单元格,实现对数据的快速处理。 总的来说,Range和Cells对象在ExcelVBA中的应用非常广泛,可以实现对Excel工作表中各种数据的处理和操作。通过灵活使用Range对象的各种属性和方法,可以实现对单元格内容的赋值、取值、复制、粘贴等操作,提高代码的效率和灵活性。同时,通过Cells对象的使用,可以快速定位到需要操作的单元格,简化代码的编写过程。因此,深入了解和熟练掌握Range和Cells对象的用法对于提高ExcelVBA编程水平是非常重要的。

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire

C++中的数据库连接与操作技术

# 1. 数据库连接基础 数据库连接是在各种软件开发项目中常见的操作,它是连接应用程序与数据库之间的桥梁,负责传递数据与指令。在C++中,数据库连接的实现有多种方式,针对不同的需求和数据库类型有不同的选择。在本章中,我们将深入探讨数据库连接的概念、重要性以及在C++中常用的数据库连接方式。同时,我们也会介绍配置数据库连接的环境要求,帮助读者更好地理解和应用数据库连接技术。 # 2. 数据库操作流程 数据库操作是C++程序中常见的任务之一,通过数据库操作可以实现对数据库的增删改查等操作。在本章中,我们将介绍数据库操作的基本流程、C++中执行SQL查询语句的方法以及常见的异常处理技巧。让我们

unity中如何使用代码实现随机生成三个不相同的整数

你可以使用以下代码在Unity中生成三个不同的随机整数: ```csharp using System.Collections.Generic; public class RandomNumbers : MonoBehaviour { public int minNumber = 1; public int maxNumber = 10; private List<int> generatedNumbers = new List<int>(); void Start() { GenerateRandomNumbers();

基于单片机的电梯控制模型设计.doc

基于单片机的电梯控制模型设计是一项旨在完成课程设计的重要教学环节。通过使用Proteus软件与Keil软件进行整合,构建单片机虚拟实验平台,学生可以在PC上自行搭建硬件电路,并完成电路分析、系统调试和输出显示的硬件设计部分。同时,在Keil软件中编写程序,进行编译和仿真,完成系统的软件设计部分。最终,在PC上展示系统的运行效果。通过这种设计方式,学生可以通过仿真系统节约开发时间和成本,同时具有灵活性和可扩展性。 这种基于单片机的电梯控制模型设计有利于促进课程和教学改革,更有利于学生人才的培养。从经济性、可移植性、可推广性的角度来看,建立这样的课程设计平台具有非常重要的意义。通过仿真系统,学生可以在实际操作之前完成系统设计和调试工作,提高了实验效率和准确性。最终,通过Proteus设计PCB,并完成真正硬件的调试。这种设计方案可以为学生提供实践操作的机会,帮助他们更好地理解电梯控制系统的原理和实践应用。 在设计方案介绍中,指出了在工业领域中,通常采用可编程控制器或微型计算机实现电梯逻辑控制,虽然可编程控制器有较强的抗干扰性,但价格昂贵且针对性强。而通过单片机控制中心,可以针对不同楼层分别进行合理调度,实现电梯控制的模拟。设计中使用按键用于用户发出服务请求,LED用于显示电梯状态。通过这种设计方案,学生可以了解电梯控制系统的基本原理和实现方法,培养他们的实践操作能力和创新思维。 总的来说,基于单片机的电梯控制模型设计是一项具有重要意义的课程设计项目。通过Proteus软件与Keil软件的整合,搭建单片机虚拟实验平台,可以帮助学生更好地理解电梯控制系统的原理和实践应用,培养他们的实践操作能力和创新思维。这种设计方案不仅有利于课程和教学改革,也对学生的人才培养具有积极的促进作用。通过这样的设计方案,学生可以在未来的工作中更好地应用所学知识,为电梯控制系统的研发和应用做出贡献。

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依

C++中的设计模式在停车场设计中的应用

# 1. 介绍设计模式和停车场设计 在软件开发中,设计模式是一种被广泛应用的解决方案,它提供了一套经过验证的问题解决方法,使得我们可以更好地组织和重用代码。而停车场设计作为一个常见的软件系统,也可以通过设计模式来提高其灵活性和可维护性。在本章中,我们将深入探讨设计模式在停车场设计中的应用。 ### 理解设计模式:概念和作用 设计模式是指在面向对象软件设计过程中针对特定问题的解决方案。它们为开发人员提供了一套经验丰富的解决方案,以应对各种常见问题,同时促进了代码的可读性、可复用性和可维护性。 设计模式通常分为创建型、结构型和行为型三种类型,每种类型都解决了不同类型的问题。在停车场设计中,

AngularJS 在页面上写一按钮,点击后会把指定的文本生成本地文件

在AngularJS中,可以使用`Blob`对象和`URL.createObjectURL`方法将指定的文本生成本地文件并下载。具体步骤如下: 1. 在HTML页面中添加一个按钮。 ``` <button ng-click="downloadFile()">Download File</button> ``` 其中,`ng-click`指令绑定`downloadFile`函数,该函数用于生成并下载文件。 2. 在控制器中定义`downloadFile`函数。 ``` app.controller('myCtrl', function($scope) { $scope.downlo

主成分分析和因子分析.pptx

主成分分析和因子分析是一种常用的数据降维和变量筛选方法,它们在统计学和数据分析领域中扮演着重要角色。2008 年 8 月,William Navidi曾说过:“模型选择是艺术,而不是科学”,这句话也适用于主成分分析和因子分析。在学习和应用这两种方法时,我们需要掌握它们的基本原理、数学模型,以及如何使用工具软件(如 SPSS)进行分析。除此之外,我们还需要了解主成分分析和因子分析的异同,理解它们在解决实际问题时的应用和作用。 在研究实际问题时,我们通常需要收集多个变量来进行分析。然而,多个变量之间往往存在较强的相关关系,这导致信息重复,模型复杂,并且可能出现多重共线性,从而引起较大的误差。为了解决这个问题,我们希望通过主成分分析和因子分析,用较少的新变量来代替原来较多的旧变量,同时确保这些新变量能够尽可能地反映原变量的信息。主成分分析和因子分析正是有效地解决这种问题的方法,它们能够帮助我们充分利用数据,简化模型,并减少误差。 主成分分析(PCA)是一种通过线性变换将原始变量转换为一组线性无关的新变量,称为主成分,以捕捉数据中的主要变异性。主成分是按照方差大小递减的顺序排列的,因此,我们可以通过选择前几个主成分来实现数据的降维和信息的压缩。主成分分析在数据可视化、特征提取和模式识别等领域有着广泛的应用。 另一方面,因子分析(FA)是一种统计方法,旨在发现观测数据中潜在的不可见变量,即因子。因子分析假设观测数据是由潜在的因子和随机误差组成的,并且通过因子载荷矩阵来描述变量与因子之间的关系。因子分析在心理学、市场调研和财务分析等领域中被广泛应用,用于揭示变量之间的潜在结构和关联。 主成分分析和因子分析虽然在方法论和数学模型上有所不同,但它们都可以帮助我们解决多变量之间相关性的问题,提取数据的关键信息,简化模型,减少变量数量,从而方便后续的数据分析和建模工作。在实际应用中,我们可以通过主成分分析和因子分析来对数据进行综合评价,发现变量之间的隐藏关系,辅助决策和预测。因此,熟练掌握主成分分析和因子分析的理论与方法,对于数据分析人员和研究者来说是至关重要的。 在今天的信息化社会中,数据量大、复杂度高,对数据进行处理和分析需要更加精细和高效。主成分分析和因子分析为我们提供了一种有效的工具和思路,帮助我们理清数据之间的关系,发现重要的信息,减少冗余和噪声,从而更好地理解数据背后的规律和模式。同时,主成分分析和因子分析也为我们提供了一种新的视角和思维方式,促使我们突破对数据的直觉认知,发现数据中隐藏的规律和价值。因此,主成分分析和因子分析不仅是数据分析的重要工具,也是培养我们分析思维和创新能力的重要途径。 总的来说,主成分分析和因子分析作为统计学中常用的数据降维和变量选择方法,在实际应用中具有重要的意义和价值。通过学习和掌握主成分分析和因子分析的理论与方法,我们能够更好地应对数据分析中的挑战,发现数据背后的规律和内在结构,提高数据分析的精度和效率,为科学研究和决策提供更有力的支持。希望未来在数据科学和统计学领域的发展中,主成分分析和因子分析能够继续发挥重要的作用,为我们带来更多的启示和突破。

关系数据表示学习

关系数据卢多维奇·多斯桑托斯引用此版本:卢多维奇·多斯桑托斯。关系数据的表示学习机器学习[cs.LG]。皮埃尔和玛丽·居里大学-巴黎第六大学,2017年。英语。NNT:2017PA066480。电话:01803188HAL ID:电话:01803188https://theses.hal.science/tel-01803188提交日期:2018年HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaireUNIVERSITY PIERRE和 MARIE CURIE计算机科学、电信和电子学博士学院(巴黎)巴黎6号计算机科学实验室D八角形T HESIS关系数据表示学习作者:Ludovic DOS SAntos主管:Patrick GALLINARI联合主管:本杰明·P·伊沃瓦斯基为满足计算机科学博士学位的要求而提交的论文评审团成员:先生蒂埃里·A·退休记者先生尤尼斯·B·恩