基于增量Voronoi序列的即时彩色点画算法

作为流行的图像风格化技术之一,数字点画是具有吸引力的一项研究课题.现有的大部分工作针对黑白点画,而彩色点画作为一种多类别采样问题,其计算成本较大,为此提出一种即时彩色点画算法,采用离线计算的方式得到蓝噪声性质的点集,以此构建增量Voronoi序列;然后将单类别阈值策略扩展到多类别阈值策略来确定各个采样点的颜色;最后根据采样点的颜色生成彩色点画.通过与其他合成策略在不同颜色空间中的对比,结果表明文中确定性算法可以在保证效率和鲁棒性的同时,生成与当前最先进算法质量相当的结果.     

分区加权Voronoi图的生成及其应用

分区加权Vorond图是Voronoi图和加权Voronoi图的推广，它可以用来模拟移动通信当中基站发射天线分扇区以不同功率向周围发射时所覆盖区域的形状。本文给出了分区加权Voronoi图的定义和它的离散生成算法．以及由此算法生成的分区加权Voronoi图的实例。     

一种内河海事无人艇路径规划算法设计与仿真

为了解决内河海事无人艇路径规划问题,提出了一种基于电子江图的路径遍历算法。该算法以分层的电子江图为基础,运用全局路径规划和局部路径规划的方法寻找近似可航路径。运用栅格法在复杂多变的内河环境中选择可航区域,运用Voronoi图对动态物标或可视为质点的碍航物建立航行路径集;将可航区域（或轻微碍航区域）与航行路径集公共区域记为可航路径;并运用贝塞尔曲线和二次规划数学方法进行优化。Matlab仿真结果表明,当障碍物位置坐标不同或目的地位置坐标不同时均可以生成近似可航路径;生成的不同近似可航路径均能被优化为最优安全可航路径,所以建立的环境模型以及使用的路径规划算法是有效、可行的。     

一种基于离散Voronoi图的手写体文字细化方法

基于一般图形Voronoi图的离散构造法,提出了一种新的文字图像细化算法。该方法首先对文字图像进行水平扫描和垂直扫描,通过游程匹配记录下所有端点游程,并对端点游程进行处理,接着计算文字图像的边界,在计算边界的同时根据端点游程划分出生成元。最后基于一般图形Voronoi图的离散构造法生成文字图像内部的Voronoi边,从而得到文字图像骨架。该方法直接从图像的边界入手,解决了当前已有算法从图像边界近似多边形入手的问题。该方法速度较快,尤其在大篇幅文字图像的细化速度方面具有显著优势,且简单易行,可以较精确地获取文字图像的骨架。     

基于平面点集的Voroni图的近似构造

现有的平面上点的Voronoi图的构造方法一般很难扩展到一般平面图形的Voronoi图的构造上。以平面点集中的每个点作为生长核,以相同的速率向外扩张,直到彼此相遇为止而在平面上形成的图形即为平面点集的近似的Voronoi图。在VC 6.0的环境下实现了该算法,并将其与分治法所得的结果进行了比较。该算法直观、计算简单,通用性好。对于一般的平面图形,选取有代表性的边界点,再按照平面点集中Voronoi图的近似构造方法,就可以得到一般平面图形的近似的Voronoi图。     

基于MapReduce的加权Voronoi图并行算法设计及应用

针对大规模数据的加权Voronoi图实现的复杂性和计算精度低问题, 采用欧氏距离法, 设计和实现了一种基于MapReduce编程模型的并行栅格加权Voronoi图的生成算法, 并将其成功应用于石家庄桥东区超市的推荐服务。该算法计算精度高, 同时可适用于任意点、线、面及复合发生元的加权Voronoi图的计算。实验结果表明, 算法在处理大规模栅格数据时能明显提高栅格Voronoi图的生成速度, 并能为用户推荐综合因素优选的超市。     

三维约束Voronoi剖分

分析了约束面（点、线段、凸多边形）在三维Voronoi网格存在的条件,提出一种构造三维约束Voronoi剖分的算法．该算法的基本思想是在限定线的球覆盖基础上,借助限定面的约束Regular三角化生成关于限定面对称分布的生长点．理论上,对任意的分段线性复合形约束,该算法可以生成满足此约束的Voronoi网格．最后,给出了实例验证以说明文中算法的有效性．     

使用Lloyd Relaxation的物体表面网格化

根据输入的物体表面点云生成与表面点云拓扑结构一致且几何形状接近的三角网格,在计算机图形学建模中具有很重要的作用,提出一种基于Lloyd relaxation的模型表面点云网格化方法.首先从输人点云中随机选取一些样本点,样本点的数目可以指定;然后运用扩展的Lloyd relaxation算法将这些样本点沿着物体表面移动;当得到一个近似均匀的样本点分布后,运用改进的"crust"算法根据这些样本点生成三角网格.通过在每次relaxation过程中减少网格和曲面间体积的方法,使生成的三角网格与原始表面点云的几何形状接近.实验结果证明,该方法能正确、有效地生成输入点云模型的三角网格,并可以运用在三维物体表面重建和网格简化上.     

水下滑翔机自适应覆盖采样

针对水下滑翔机对动态、未知的海洋特征的采样问题,提出了自适应覆盖采样算法.首先,定义了基于质心Voronoi分割采样空间的最优覆盖采样准则;然后,设计了在线参数估计算法,利用带遗忘因子的递归最小二乘法估计海洋特征参数;最后,设计了分布式控制算法,能够保证各个水下滑翔机从任意的初始位置收敛于定义的最优的覆盖采样网络配置.利用仿真实验对上述方法进行了有效性验证,结果表明本文提出的算法能够更好地完成对动态海洋特征的覆盖采样.     

基于近似Voronoi图的移动机器人实时路径规划

运用Voronoi图理论及人工势场理论,研究了一种基于近似Voronoi图的移动机器人实时路径规划的方法,用来实现未知室内环境中移动机器人的自主导航。该方法朝向预先定义的目标点位置来探测室内环境,生成近似Voronoi图,同时利用人工势场法进行避障,生成一条能达到目标点的安全、光滑路径。仿真结果表明,该方法简单且易于实现,同时能够减少规划时间。     

基于软件定义网络的虚拟数据中心管理平台

针对已有虚拟数据中心（VDC）管理平台具有代码固化、后续升级困难等缺陷,设计和实现一种基于软件定义网络（SDN）的VDC管理平台。该平台由VDC管理子系统（VDCM）、VDC计算资源控制子系统（VDCCRC）和VDC网络资源控制子系统（VDCNRC）组成,子系统之间通过RESTful API交互建立起松耦合架构。VDCNRC通过SDN控制器管理数据中心网络资源,VDCCRC通过开源云平台管理数据中心计算资源,VDC管理子系统中内置VDC管理算法框架,可快速开发适用于实际生产环境的VDC管理算法。使用Mininet、Openstack、Floodlight搭建了测试环境,验证了该平台可通过Openstack来控制虚拟机的启动、迁移和删除,可通过Openflow控制器实现VDC网络带宽资源隔离,并支持VDC创建、删除和修改等操作。     

Approximating the Generalized Voronoi Diagram of Closely Spaced Objects

We present an algorithm to compute an approximation of the generalized Voronoi diagram (GVD) on arbitrary collections of 2D or 3D geometric objects. In particular, we focus on datasets with closely spaced objects; GVD approximation is expensive and sometimes intractable on these datasets using previous algorithms. With our approach, the GVD can be computed using commodity hardware even on datasets with many, extremely tightly packed objects. Our approach is to subdivide the space with an octree that is represented with an adjacency structure. We then use a novel adaptive distance transform to compute the distance function on octree vertices. The computed distance field is sampled more densely in areas of close object spacing, enabling robust and parallelizable GVD surface generation. We demonstrate our method on a variety of data and show example applications of the GVD in 2D and 3D.     

Virus detection using clonal selection algorithm with Genetic Algorithm (VDC algorithm)

This paper presents a novel approach for computer viruses detection based on modeling the structures and dynamics of real life paradigm that exists in the bodies of all living creatures. It aims to develop an algorithm based on the concept of the artificial immune system (AIS) for the purpose of detecting viruses. The algorithm is called Virus Detection Clonal algorithm (VDC), and it is derived from the clonal selection algorithm. The VDC algorithm consists of three basic steps: cloning, hyper-mutation and stochastic re-selection. In later stage, the developed VDC algorithm is subjected to validation, which consists of two phases; learning and testing. Two main parameters are determined; one of them is setting the number of signatures per clone (Fat), while the other defines the hypermutation probability (Pm). Later on, the Genetic Algorithm (GA) is used as a tool, to improve the developed algorithm by searching the values of the main parameters (Fat and Pm) to reproduce better results. The results have shown that the detection rate of viruses, by using the developed algorithm, is 94.4%, whereas the detection rate of false positives has reached 0%. These percentages indicate that the VDC algorithm is sufficient and usable in this field. Moreover, the results of employing the GA to optimize the VDC algorithm have shown an improvement in the detection speed of the algorithm.     

可靠性感知下的虚拟数据中心映射算法

介绍现阶段虚拟数据中心(VDC)映射的研究进展,根据租户对VDC可靠性的需求,提出一种可靠性感知下的VDC映射启发式算法。对于每个VDC,该算法通过限制能放置在同一个服务器上的最大虚拟机数目来保证租户VDC可靠性需求,然后以降低数据中心网络带宽消耗和服务器能耗为主要目标进行VDC映射。其具体做法是:首先将相互之间带宽需求量大的虚拟机合并部署来降低数据中心网络带宽的消耗;然后把合并后的虚拟机优先部署到已开启的服务器上,从而减少开启的服务器数目,降低数据中心的服务器能耗。利用基于胖树结构的数据中心拓扑对提出的算法进行了仿真,结果表明,与2EM算法相比,该算法能够满足租户VDC的可靠性需求,能在不增加额外能耗的前提下最多减少数据中心网络约30%的带宽消耗。     

基于视觉选择性的离变焦图像序列慢变特征提取算法研究

传统慢特征分析(SFA)方法提取的慢变特征不能揭示自然图像的视觉空间拓扑结构。基于此,提出基于视觉选择性的离变焦图像序列慢变特征提取算法。以myTICA方法替代源SFA算法的PCA方法,提取能够反映自然图像离变焦图像序列的视觉空间基的种类、每类元素数量、类内与类间拓扑结构不变性的Gabor特征,并建立与该序列对应的不变性特征森林;利用蒙特卡洛马尔可夫(MCMC)算法替代源SFA算法的多项式扩张方法,实现Gabor类内的元素扩展;利用自定义的近似正交剪枝算法实现不变性特征森林的优化,顺次解决元素法的采样丢失与森林优化问题;利用自定义响应度计算规则实现特征匹配。实验结果表明:该算法正确可行,具有较好的抗噪能力;在实验阈值为0.4时,算法获得识别率为99.96%,说明该算法具有较强的分类能力。     

Stacking sequence optimization with genetic algorithm using a two-level approximation

We propose a new method for laminate stacking sequence optimization based on a two-level approximation and genetic algorithm (GA), and establish an optimization model including continuous size variables (thicknesses of plies) and discrete variables (0/1 variables that represent the existence of each ply). To solve this problem, a first-level approximate problem is constructed using the branched multipoint approximate (BMA) function. Since mixed-variables are involved in the first-level approximate problem, a new optimization strategy is introduced. The discrete variables are optimized through the GA. When calculating the fitness of each member in the population of GA, a second-level approximate problem that can be solved by the dual method is established to obtain the optimal thicknesses corresponding to the each given ply orientation sequence. The two-level approximation genetic algorithm optimization is performed starting from a ground laminate structure, which could include relatively arbitrarily discrete set of angles. The method is first applied to cylindrical laminate design examples to demonstrate its efficiency and accuracy compared with known methods. The capacity of the optimization strategy to solve more complex problems is then demonstrated using a design example. With the presented method, the stacking sequence in analytical tools can be directly taken as design variables and no intermediate variables need be adopted.     

基于加权集成Nyström采样的谱聚类算法

针对Nyström方法在谱聚类应用中存在聚类效果不稳定、样本代表性较弱的问题,提出基于加权集成Nyström采样的谱聚类算法.首先利用统计杠杆分数区别数据间的重要程度,对数据进行加权.然后基于权重采用加权K-means中心点采样,得到多组采样点.再引入集成框架,利用集群并行运行Nyström方法构建近似核矩阵.最后利用岭回归方法组合各个近似核矩阵,产生比标准Nyström方法更准确的低秩近似.在UCI数据集上的测试实验表明,文中算法取得较理想的聚类结果.     

基于光滑l0范数和修正牛顿法的压缩感知重建算法

基于光滑l0范数最小的压缩感知重建算法——SL0算法,通过引入光滑函数序列去逼近l0范数,从而将l0范数最小的问题转化为光滑函数的最优化问题.针对光滑函数的选取以及求解该函数的最优化问题,提出一种基于光滑l0范数和修正牛顿法的重建算法——NSL0算法.首先采用双曲正切函数序列来逼近l0范数,得到一个新的最优化问题;为了提高该优化问题的计算效率,推导出针对双曲正切函数的修正牛顿方向,并采用修正牛顿法进行求解.实验结果表明,在相同的测试条件下,NSL0算法无论在重建效果还是在计算时间方面都明显优于其他同类算法.     

从同心拼图中恢复深度信息

同心拼图（Concentric Mosaics,CM)是一种重要的基于图像的绘制方法。如果利用深度信息则可以进一步提高绘制质量并减少数据量。作者发现在CM序列中也存在着近拟的极线平面图像（Epipolar Plane Image,EPI）,而且像点在EPI图像上的轨迹斜率和物点的深度呈近似线性关系。基于此发现,该文提出了一种从CM序列中自动动恢复深度信息的方法。这个方法首先利用EPI图像的频谱分析对场景的深度分布范围做出估计,然后根据全光采样的原理在EPI的斜率空间均匀的分割投票箱,并对给定窗口内频谱能量进行投票,以求得能量的最大方向,从而获得这个窗口所对应的深度,最后组合成CM的场景深度图,实验结果证实了上述方法的有效性。     

基于GIMT和弧长参数化的QG-Ball曲线近似合并

曲线近似合并作为 CAGD 中复杂曲线设计的一种有效技术,一直备受学者们的关注,并在 CAD/CAM 领域得到了广泛的应用。针对现有带形状参数的广义 Ball 曲线难以合并的问题,提出了一种基于广 义逆矩阵理论(GIMT)和弧长参数化的 QG-Ball 曲线近似合并方法。首先,利用曲线近似弧长参数化算法计算出 QG-Ball 曲线弧长等分对应的配置点列(亦称等分点)和配置点参数值;其次,基于所得等弧长配置点列及其参 数值,再结合广义逆矩阵理论和曲线拟合方法,便可以直接得到计算合并后 QG-Ball 曲线控制顶点的一个显式 表达式;最后,利用连续函数的 L2 范数定义了一个度量曲线合并效果的误差计算公式,并给出了一些具有代 表性的数值算例及其合并误差。实例结果表明,所提出的方法可以高效地实现 QG-Ball 曲线的近似合并,不仅 易于操作、误差计算简单,而且能方便地推广到其他曲线的近似合并。