基于局部可见点进行的凹多边形凸分解算法

在参考基于顶点可见性的凹多边形凸分解算法的基础上,提出了改进的方法.该方法先搜索当前凹点,并由该凹角所在边引射线,将多边形所在平面分为A、B、C、D四个区域,并求取当前凹点在区域A内的可见点串;然后,以区域A中是否有可见点为依据,利用凹点的局部几何特性,通过引入权函数从凹点的可见点串中选取适当的点引剖分线,或者利用凹点夹角平分线与多边形在区域A中的线段的交点引剖分线进行多边形分解.本算法旨在通过减少所要求取的可见点数目提高算法效率.     

基于AVR单片机的步进电机控制

对AVR单片机AT90S8515进行编程，实现对35BYJ46型四相八拍步进电机的控制，以达到精确定位的目的．使AT90S8515单片机并行口C口高四位PC7～PC4分别与驱动接口芯片ULN2803的输入引脚A、B、C、D相连，并使驱动芯片的4个输出引脚分别与步进电机的4、3、2、1四个励磁线圈的引脚相连．通过对单片机进行编程，使数据从C口高四位输出经驱动电路放大后控制步进电机，使其按照单片机编写的程序进行按步骤的正序旋转或逆序旋转．     

欧氏空间子空间的标准正交基的一种全新的求法──Givens变换法

对欧氏空间的Schmit正交化过程加以分析，将一组向量组成的矩阵A作类似于非奇异矩阵的QR分解，利用正交矩阵可以表示成一系列初等旋转矩阵乘积，给出了一组基为标准正交基的方法，该方法权对A左连乘初等旋转矩阵就可得到需要的结果．     

正合列中的Gorenstein平坦覆盖

本文研究了正合列中的Gorenstein平坦覆盖问题,设0→A→B→C→0是左R-模短正合列．如果A,B,C中两个有Gorenstein平坦覆盖,我们将讨论什么时候第三个也有Gorenstein平坦覆盖．     

简单物体的识别与定位

本文利用图象预处理技术和模式识别技术对计算机视觉进行了分析。对一个假想的三维线型世界，本文提出了一种简单、有效的分析方法，并做了相应的实验，获得了满意的效果。首先采用双摄象头捕促一场景的左、右两幅图象，分别进行图象处理和边缘跟踪，获得各轮廓点后，根据线型物体和轮廓的几何特点，求得各角点，然后，利用粗细扫描相结合的方法搜索内角点，接着对左右两幅图象的角点进行匹准，根据匹准后的角点坐标对空间物体进行定     

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFF特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性.有一定的实用价值.     

VB环境下A＊算法的实现

A＊算法是一种典型的启发式搜索算法,应用于很多问题的求解中．在分析A＊算法思想的前提下,给出其编程实现的方法．并获得了在VB地图中一个顶点到另一个顶点的绕过障碍的最佳路径．     

监视器覆盖多边形新算法

考察了简单多边形的核在构成方面的性质,结合已有结果,提出一个新算法.该算法先搜索当前凹点,并由该凹点所在边引射线,将多边形所在平面分为A、B、C三个区域.利用凹点的B域将多边形分成若干有核部分,在每一部分的核区域放置一个监视器,从而实现监视器覆盖多边形.本算法时间复杂性为O(nm2).     

分层子树合并聚类算法

为了解决传统分层合并聚类算法可能产生不唯一的二叉树结果问题,提出了分层子树合并聚类算法, 其基本思想是通过在数据集的最小树中分析θ-极大紧邻子树然后合并它的顶点集,该算法每步可将多个对象聚类,计算结果用多叉树表示．在理论上证明了该树在不计分支次序时是唯一的,并且通过计算实验说明,在样本中存在较多距离彼此相等的点对时,该树所描述的聚类结果要明显比传统分层合并聚类算法用二叉树描述的聚类结果更为合理．     

关于多面体的两个结果

在定理A的基础上，得到了n维多面体Pn上的Brouwer不动点定理的等价形式,同时证明了对于任意给定的非零向量G，在Pn上总存在唯一的顶点，使其对应的约束向量αj1,j2α,……αjn与C构成n 1阶方阵B，其逆矩阵B^-1存在．且还是字典式正的。     

A new decision tree learning algorithm

Decision tree learning is one of the most widelyused and practical methods for inductive inference,andan effective approach to approximating discrete-valuedtarget functions,so decision tree learning is very suit-able for the multiclass classification.Up to now,deci-sion tree learning algorithms have been,by and large,classified as:1)univariant algorithms in which eachdecision node checks the value of a single attribute,such as ID3[1]and C4·5[2];and2)multivariant algo-rithms in which each deci…     

广度优先搜索算法在螺旋立方体中的应用

本文给出互连网络上的广度优先搜索算法，并将其应用到螺旋立方体上。给出了n维螺旋立方体TQn的直径的另外一种证明方法；该算法可能用来求解单源节点最短路径问题。为讨论新的互连网络拓扑结构的直径和故障直径问题提供一条新的思路。     

一种基于CART的决策树改进算法

针对分析CART算法的要求被选择的属性是连续且有序的,并且只能产生两个子节点的问题,依据CART算法理论,采用A—CART算法,弥补了CART方法的不足．是一种选用离散无序的属性作为决策树的分裂节点,分裂后可以产生多个子节点的方法,并为此方法设计了分裂函数,通过一个实例给出了具体的使用方法．     

基于链栈数组的二叉树按层遍历递归算法

二叉树按层遍历即按照二叉树的层次结构进行遍历,是指按照从根结点到叶子结点、同一层从左到右的次序访问一棵二叉树中的所有结点,并且每个结点的值域(Data)仅被访问一次的过程.分析了基于链栈数组的二叉树按层遍历递归算法的主要思想的3种形式,然后采用C++语言对该算法进行描述,用链栈数组对该算法予以实现.     

用Hash表实现树的压缩存贮

本文探讨了如何使用杂凑表以一种非常压缩的形式实现树的存贮。使用这种方法，任意树中的指针均能以每个结点６＋ｌｏｇ２ｎ比特表示（这里ｎ是一个结点所能有的最大孩子数目）．从而在存贮大型的树时，使所需的存贮容量能显著地减少。     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题，提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点，通过扩展，逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明，即使在随机生成的复杂环境下，利用该算法也可以快速规划出一条全局优化路径，且能安全避障。     

树的邻接矩阵

研究了树的邻接矩阵,总结邻接矩阵的性质：树的邻接矩阵可以存储表示树,由树的邻接矩阵容易判定各个结点的度和该结点是否为叶子,可以并行计算各个结点的子孙结点的数目,特别讨论了二叉树的邻接矩阵,用来并行计算各个结点的左右子树上子孙结点的数目,并行解决二叉树的A-序和B-序问题,并以实例证明该方法的有效性。     

关于一类新的整和图

Ｈａｒａｒｙ 提出了整和图的概念,设 ｆ 为整数集到图 Ｇ（ Ｖ（ Ｇ） , Ｅ（ Ｇ）） 的顶点集 Ｖ（ Ｇ） 之间的一个单射,使得对于 Ｇ 的两个不同的顶点ｕ 和ｖ ,ｕｖ ∈ Ｅ（ Ｇ） ,当且仅当存在 ｗ ∈ Ｖ（ Ｇ） ,使 ｆ（ ｕ） ＋ ｆ（ ｖ） ＝ｆ（ ｗ ） ,则 Ｇ 称为整和图,并且他证 明了所有路 和星图是整 和图。树 中度数至少 为３ 的 顶点称为 叉点, Ｃｈｅｎ 用粘合法证明了广义星图和叉点距离至少为４ 的树是整和图,并同时猜测所有的树均为整和图。本文证明了所有叉点距离至少为３ 的树是整和图,从而给出了一类新的整和图     

小波域隐Markov树模型的图像去噪快速算法

小波域隐Markov树模型(Hidden Markov Tree Model，简称HMT)能充分表现小波系数的统计特征，但模型训练算法计算量大。文中以图像去噪为应用背景，提出了基于HMT粗分类的多树训练算法。该算法通过对不同类型的纹理建立不同的HMT，对小波系数进行粗分类，在此基础上，不同类别的小波系数被分别建模，并将粗分类HMT的参数作为最终模型训练的初始化参数，从而提高了模型的精度，同时减小了训练算法的计算量。对于含复杂场景或纹理的图像，提出了基于方差粗分类的训练算法，也能有效地提高模型精度。对自然图像和SAR图像的去噪实验表明，采用粗分类训练算法的HMT去噪模型的去噪效果在客观指标上优于现有的HMT去噪模型。     

A Construction Algorithm for Tree Structure

1 Introduction Tree structure is one of the best display mode in some application system,especially,ininformation man-agement system.Using tree structure ,the user inteface is more visual and more friendly,because it can displaythe hierarchical relationship among the data[1 ,2].Usually,however ,before the construction of tree structure ,thespecial storage organization must be establishedfirstlyfor the data which will be displayedinthe tree structure .For example ,sequential storage and chain s…