一种保特征的隐式曲面算法

结合径向基函数和隐式曲面构造原理,提出了一种保特征的隐式曲面重建算法。应用紧支撑单元产生稀疏的矩阵,降低了计算复杂度,可重建大规模的点云数据。通过几次简单调整支撑域内点的个数,获得保持原特征的重建效果。实验结果证明,算法可以保持原模型的特征。     

基于类别方差的特征权重算法

特征权重计算是文本分类过程的基础,传统基于概率的特征权重算法,往往只对词频,逆文档频和逆类频等进行统计,忽略了类别之间的相互关系。而对于多分类问题,类别之间的关系对统计又有重要意义。因此,针对这一不足,本文提出了基于类别方差的特征权重算法,通过计算类别文档频率的方差来度量类别之间的联系,并在搜狗新闻数据集上对五种特征权重算法进行分类实验。结果表明,与其他四种特征权重算法相比,本文提出的算法在F1宏平均和F1微平均上都有较大的提高,提升了文本分类的效果。     

基于文档类密度的特征权重算法*

面对海量数据的管理和分析,文本自动分类技术必不可少。特征权重计算是文本分类过程的基础,一个好的特征权重算法能够明显提升文本分类的性能。本文对比了多种不同的特征权重算法,并针对前人算法的不足,提出了基于文档类密度的特征权重算法(tf-idcd)。该算法不仅包括传统的词频度量,还提出了一个新的概念,文档类密度,它通过计算类内包含特征的文档数和类内总文档数的比值来度量。最后,本文在两个中文常见数据集上对五种算法进行实验对比。实验结果显示,本文提出的算法相比较其他特征权重算法在F1宏平均和F1微平均上都有较大的提升。     

双Beta样条曲面在屏幕上自动调整和显示

介绍了双参数控制的双Ｂｅｔａ样条曲面的算法，投影变换，消隐处理，在屏幕上自动调整和显示的原理和实现方法，并给出应用实例。     

基于改进Canny算子的图像边缘检测算法

医学领域中的红细胞图像要求检测出细胞面积、圆度及个数等特征。针对该检测需求,提出一种基于改进Canny算子的图像边缘检测算法,采用迭代算法计算最佳高低双阈值,以数学形态法细化检测出的图像。实验结果表明,该算法可减少干扰边缘和噪声的影响,能突显医学细胞图像的检测特征。     

带形状参数的三次TC-Bézier曲线

针对自由曲线曲面设计中的形状控制问题,构造了带形状控制参数的三次TC-Bézier曲线。具有明确的几何意义,的值越大曲线越逼近控制多边形。同时证明了几种有实际应用价值的曲线（椭圆弧、花瓣）可以用带形状参数三次TC-Bézier曲线的形式精确表示。还给出了带参数三次TC-Bézier曲线间的G拼接条件及在曲面造型中的应用实例。造型实例表明,该曲线在计算机辅助几何设计中具有重要的应用价值。     

基于混合训练方法的RBF神经网络的曲面重构*

根据径向基函数神经网络(RBFNN)具有很强的非线性逼近能力,以及强大的抗噪、修复能力等优点,讨论了目前神经网络训练方法,提出将径向基函数神经网络应用于带有噪声数据散乱数据点自由曲面的重构,并对该方法理论上的可行性和实践上的实用性进行了讨论和验证。结果表明：径向基函数网络用于曲面重构, 不仅能够有效地逼近不完善的、带有噪声的曲面,而且拟合精度高、网络的训练速度快,说明了径向基函数神经网络应用于曲面重构问题的可行性,为解决反向工程的技术关键——自由曲面重构提供了一个新的途径。     

一种基于八叉剖分的近似曲率的边折叠简化算法*

为了提高三角网格模型简化的速度,满足实时显示的要求,并且有效地克服边折叠简化算法在低分辨率的状态下易丢失模型重要几何特征的问题,提出了一种基于八叉剖分的近似曲率的边折叠简化算法。采用八叉树结构自适应地分割网格模型空间,同时在各个区域中采用近似曲率的边折叠算法并行地进行边折叠操作。实验证明,该算法取得了不错的效果。     

一种基于代数算法的RBF神经网络优化方法

提出了一种新的RBF神经网络的训练方法,采用动态K-均值方法对RBF 神经网络的隐层中心值和宽度进行了优化,用代数算法训练隐层和输出层之间的权值。在对非线性函数进行逼近的仿真中,验证了该算法的有效性。     

基于空间八叉剖分的面聚类网格简化算法

给出了一种新的快速面聚类网格简化方法,采用空间八叉剖分方法建立空间八叉树,把三维物体的三角网格进行预分类,对同一子空间内的三角面片进行面聚类、区域划分,然后进行特征点特征边提取、受限剖分、网格简化,最终实现简化速度的整体提高.