三维形体的形态运算及应用

本文首先讨论了边界表示的物体的形态学运算问题，文中讨论了任意形状的物体，包括凸物体和非凸物体，引入了负形体的概念，并提出了2D和3D连续物体的Minkowski运算的统一算法。利用这一算法，提出了3D任意形体间的变形新算法，把边界表示的物体的形态学运算的概念扩展到任意曲线和任意曲面上，并且介绍了3D物空间中曲线的概念和3D硪空间双参数曲面的概念。文中任意形体的3D变形算法能很好地解决具有不同拓扑结构的3D边界表示的物体之间的变形问题。     

一种可视外壳的快速拓扑生成算法

针对各种传统可视外壳生成算法中数据冗余及壮健性不足等问题，提出了一种新的从阴影图像中快速重构物体可视外壳的壮健的算法，即首先利用物体表面的拓扑结构直接生成外壳，然后使用改进的SurfaceNet算法光滑三维表面，从而在保留经典的体求交方法壮健性的基础上，克服了对于物体内部点的冗余计算和存储问题，不仅使得计算的时间复杂度降低到仅线性依赖于外壳上结点的数目，而且降低了像片数对算法复杂度产生的影响，实验结果表明，在算法复杂度和壮健性上优于诸如八叉树等传统可视外壳算法。     

三维形体的形态学运算及应用

本文首先讨论了边界表示的物体的形态学运算问题。文中讨论了任意形状的物体，包括凸物体和非凸物体；引入了负形体的概念；并提出了２Ｄ和３Ｄ连续物体的Ｍｉｎｋｏｗｓｋｉ运算的统一算法。利用这一算法，提出了３Ｄ任意形体间的变形新算法，把边界表示的物体的形态学运算的概念扩展到任意曲线和任意曲面上，并且介绍了３Ｄ物空间中曲线的概念和３Ｄ物空间双参数曲面的概念。文中任意形体的３Ｄ变形算法能很好地解决具有不同拓扑结构的３Ｄ边界表示的物体之间的变形问题。     

用自适应遗传算法解二维装箱问题

二维装箱问题是一个NP难问题,用遗传算法来求解任意形状的二维装箱问题.算法模拟生物在面对恶劣环境时的行为,使得交叉率和变异率具有自适应性,克服了人工设定交叉率和变异率的不足;针对个体间适值差相对较小,新产生的好的染色体易丢失的特点,改进了随机选择个体的方法;算法还改进了适值函数,使得收敛速度有了较大的提高.此外,该算法与箱子的具体形状及物体的具体形状无关,当物体的数量增加和箱子与物体形状的复杂程度提高时,收敛速度仍然较快.     

凸多面体线消隐算法的研究与改进

为使三维形体有较强的立体感,物体因自身遮挡和物体间的相互遮挡产生的线段就必须被消除.在研究了三维几何形体消隐算法中的线消隐算法之后,针对传统的凸多面体线消隐算法存在计算量大、消隐时间长、效率低的缺点进行改进,在原来线消隐算法的基础上加入包围盒的最大最小测试方法和深度优先排序方法.算法使用C++编程实现,实验证明算法的时间复杂度由原来的N2降低为N,大大提高了消隐效率.     

一种基于Splat图元的形状匹配改进算法

为了在形变仿真中以较低的时间和空间复杂度获取高质量的仿真效果，同时兼顾系统的稳定性，提出一种改进的形状匹配算法。该算法采用Splat图元代替形状匹配形变算法中的点图元，通过调节参数动态控制采样密度，自动调节Splat图元半径的大小，用最少的Splat图元无缝覆盖物体表面，保障后期渲染效果，并使用形状匹配算法完成形变计算。仿真结果表明，对于相同复杂度的几何模型，与基于点图元的形状匹配经典算法相比，改进算法的存储空间减少约50%，计算效率提高近2倍，且算法稳定性更高。     

基于GVF模型的图像分割方法的改进

基于GVF模型的图像分割方法克服了snake模型对凹凸形状物体分割效果不好的缺点，但它对细长凹陷物体的分割效果仍然不佳。本文通过GVF模型力场的分析，对GVF模型进行了改进，克服了GVF模型的上述缺点，通过在改进的GVF模型中引入和设置方向矢量，还可分割出任何感兴趣的物体。     

无线传感器网络DV-hop定位改进算法

提出了一种改进的DV-Hop定位算法,通过对DV-Hop算法的局部优化,减小了定位计算量,并使得改进的DV-Hop算法对不规则形状的节点分布网络具有较强的适应性,克服了原算法只适用于各向同性网络的不足。仿真结果表明,改进的DV-Hop算法减小了用于定位的通信开销,提高了定位精度,从而验证了改进的DV-Hop算法能够适用于节点不规则分布的异性网络。     

一种基于聚类的小生境微粒群算法

在小生境微粒群算法中引入一种简单的聚类算法，替换了原算法中依赖于圆形拓扑领域的小生境产生方法，构建出一种基于聚类的小生境微粒群算法．该算法在对主微粒群进行l best PSO寻优的同时对其中的微粒进行聚类，当聚类簇中的个体数目达到规定的子微粒群最小规模时形成一个小生境．用这种算法能够产生大小和形状不同的小生境，克服了NichePSO算法的不足．     

由表面模型表达的三维形体的一种消隐算法

提出基于知识规则的隐线消除新思路：依据该思路和８条结论,设计和实现了一种直接对表面模型进行了消隐算法。该算法对所需处理物体的数目、形状和位置均无限制;并通过考虑空间点和线的可视性的关系,使效率在一般情况下较传统方法提高了３倍。     

基于Hadoop的改进型遗传聚类算法

针对经典K-means聚类算法存在易陷入局部最优解的缺点,提出并实现了一种基于Hadoop的改进型遗传聚类算法.该算法利用遗传算法具有全局性和并行性的特点去处理K-means聚类算法易陷入局部最优的缺点,在此基础上对遗传算法进行改进,然后将改进后的遗传算法与K-means算法相结合,为提高算法执行效率,将其基于Hadoop平台进行了实现.通过实验将该改进方法与经典聚类算法进行对比分析,实验结果表明该方法在聚类准确性和聚类效率上均有较大的提高.     

基于免疫－蚁群算法的电力线载波抄表动态路由方法

针对低压电力线载波抄表系统中现有的中继路由算法的不足,提出了一种基于免疫-蚁群算法的低压电力线载波抄表动态路由方法。免疫算法把目标函数和约束条件作为抗原,目标函数的优化解对应为抗体,利用蚁群算法产生和更新抗体,抗体的交叉操作及其对与抗原具有高亲和力的抗体的记忆,均能促进快速求解。该算法结合了人工免疫算法与蚁群算法两者的优点。通过仿真实验验证该算法的收敛性、抗毁性和运算性能,算法能够根据低压电力线信道的变化情况以相对较少的迭代次数收敛到最优路径,提高整个低压电力线载波抄表系统的时效性。     

基于密度的改进BIRCH聚类算法

针对传统的BIRCH算法用直径来控制聚类的边界,对非球形聚类效果不佳,甚至会把非球状的簇分割为不同簇这一缺点,对BIRCH算法进行改进,改进算法首先建立多棵CF树,每棵CF树代表一个簇,并结合DBSCAN算法的密度可达的思想。该算法能对任意形状的簇进行准确的聚类。实验表明,算法能通过一次扫描进行有效聚类,时间复杂度与BIRCH算法相同,对大规模数据集具有较高的处理速度,实现了动态聚类,并可以准确地对任意形状的簇进行聚类并发现噪声点。     

基于主动进化的遗传算法

根据当前遗传学和生物进化论中对变异方式的研究成果．将定向变异的思想引入到标准遗传算法领域，提出了一种基于主动进化的遗传算法．这种改进的遗传算法，可以在很大程度上克服现有遗传算法执行效率低的问题．我们将这种方法应用到TSP问题中，取得满意的实验结果、     

一种求解车间作业调度的自适应混合遗传算法

针对遗传算法和禁忌搜索算法在求解车间作业调度问题存在的全局收敛性差、种群早熟化、收敛速度慢等缺陷,提出了一种自适应遗传禁忌搜索算法。算法通过自适应调整遗传算子中的变异概率,改善了遗传算法的收敛速度;通过增加禁忌表来选择杂交产生的个体,避免迂回搜索,以禁忌搜索算法作为变异算子,增加种群的多样性,避免算法陷入局部最优。通过仿真实例,验证了算法的收敛性和抗局部收敛性。     

基于贪心策略的自适应蚁群算法在TSP中的应用

目前,蚁群算法已被广泛应用于解决大量的组合优化问题,但基本蚁群算法搜索时间较长,容易陷入局部最优解的缺点比较突出。该文在基本蚁群算法模型的基础上,将贪心算法融入其动态转移过程中,提出一种基于贪心策略的动态自适应改进方法,并将改进后的算法应用于TSP问题。最后通过对比仿真,证明改进算法的可行性和有效性。     

一种改进的SSDA图像匹配算法

介绍了一种快速的块匹配算法——SSDA算法,分析了现有SSDA算法的缺点:算法本身没有抗干扰性能、计算过程中没有利用图像自身的特点。针对现有算法的缺点提出改进,仿真结果表明改进算法在抗噪性能、计算速度上都比原算法有所提高。     

ID3算法的一种改进算法

决策树是归纳学习和数据挖掘的重要方法,通常用来形成分类器和预测模型。ID3算法是决策树中的核心算法,文章针对ID3算法倾向于取值较多的属性的缺点,引进用户兴趣度对ID3算法作了改进,并通过实验对改进前后的算法进行了比较,实验表明,改进后的算法是有效的。     

神经网络和遗传算法在光纤陀螺温度漂移建模中的应用

该文提出了一种基于人工神经网络和遗传算法的光纤陀螺温度漂移建模的方法,并采用混配的方法,对遗传算法进行了改进,克服了遗传算法中所存在的种群内过早收敛的缺点,极大地提高了预测算法的准确度。经实测数据验证,该方法具有较好预测的效果。     

一种时间序列动态聚类的算法

针对时间序列传统静态聚类问题,提出了对时间序列进行动态聚类的方法。该方法首先提取时间序列的关键点集合,根据改进的FCM算法找到动态特征明显的时间序列,再利用提出的动态聚类算法确定此类时间序列在不同时间段的所属类别,在改进的FCM算法中采用兰氏距离可以使其对奇异值不敏感。实验结果反映出动态特征明显的时间序列类别随时间演化的特性,表明了方法的可行性和有效性。与已有算法相比,该方法揭示了时间序列的部分动态特征。该方法还可以运用于研究数据挖掘的其他问题。