RPG游戏角色设定的艺术特征和方法分析

RPG游戏作为现今最受欢迎的游戏类型,具有高度的艺术性、故事性与交互性。优秀的角色设计能够调动玩家参与游戏的积极性,文章在RGP游戏类别下,提出“三维”的细节化角色造型设定的方法,结合经典RPG游戏对角色设定的艺术特征进行了描述性的分析与归纳,并且引发迎合女性玩家角色缺失的关注,为拓展RPG游戏角色设定空间提供参考。     

空间 co-location 模式挖掘算法研究综述

空间co-location模式代表的是一组空间特征的子集,它们的实例在空间中频繁的关联。它是空间数据挖掘的一个重要研究方向。首先给出co-location模式的基本概念;然后描述了针对不同数据领域提出的各种算法,并重点分析了算法提出的思路及主要特点;最后对Co-location模式挖掘未来的研究方向作了探讨。     

基于句法语义特征的中文实体关系抽取

实体关系抽取的核心问题是实体关系特征的选择。以往的研究通常都以词法特征、实体原始特征等来刻画实体关系,其抽取效果已难再提高。在传统方法的基础上,该文提出一种基于句法特征、语义特征的实体关系抽取方法,融入了依存句法关系、核心谓词、语义角色标注等特征,选择SVM作为机器学习的实现途径,以真实新闻文本作为语料进行实验。实验结果表明该方法的F1值有明显提升。     

V-系统在形状相似检索中的应用

V-系统是一类正交多小波,它的正交性和多分辨特性使得在表达信号时可以用少量的基函数去描述信号的基本特征,并且通过增加所用基函数的数量得到信号由粗到细的多层次特征描述.文中将V-系统的这个特性应用到形状相似检索中,对图像边界和图像区域分别进行特征表达,得到了形状检索的新算法——V算法.首先提取图像的边界点列,并将其在V-系统下作正交分解,得到由V-描述子构成的边界特征向量,同时对图像区域作V-变换,得到图像的区域特征向量;然后融合边界特征和区域特征来进行形状之间的相似度量.通过在4个通用数据库中的形状检索实验结果,表明了该算法相对几种经典算法在检索性能上的优势.     

基于几何特征的流体动画控制方法

在流体动画中,流体控制是生成可控流体运动的关键技术.为产生视觉逼真、行为可控的流体动画效果,提出一种基于几何特征的流体控制方法.首先通过构建流体形状的时变几何分区,实现对可控流体形状的表达及动态跟踪;在此基础上设计异构控制模型,以增强流体运动控制的灵活性,该模型采用了带约束优化的刚性控制和基于弹簧模型的柔性控制2种方法;最后将异构控制模型与高精度流体物理模型相耦合,生成视觉逼真的可控流体运动效果.实验结果表明,该方法能够在保持流体角色形状的同时产生丰富的流体细节,满足动画师的设计需求.     

基于人脸特征和线积分卷积的肖像素描生成

为了更好地模拟素描的笔画和突显肖像素描中五官的部分,提出基于人脸特征和线积分卷积的肖像素描生成方法.首先进行人脸分割,由人脸特征点确定GrabCut算法中每个特征的初始trimap,然后根据分割结果使用线积分卷积算法绘制肖像素描.文中使用了基于分割结果的多分辨率白噪声和方向场,并提出了基于分割结果的自适应性边界提取算法.实验结果表明,该算法改善了肖像素描的生成效果.     

基于粒子滤波后验概率分布的多特征融合跟踪

在光照和目标形变等外部条件变化的情况下,仅利用目标的单一特征难以鲁棒的跟踪目标。提出了一种基于粒子滤波后验概率分布的多特征融合跟踪算法,在粒子滤波跟踪框架下,用直方图模型表征目标的颜色和边缘特征,通过两种特征后验概率之间的"协作"与"学习"实现特征融合,各种场景的试验结果比较表明,新的融合跟踪算法比仅用单一特征跟踪、现有的多特征融合算法具有更好的稳定性和鲁棒性,特别是针对环境光照和目标背景变化较大的情况更具有优势。     

基于多尺度图谱和局部谱的目标提取算法

针对多尺度图谱算法不能有效提取含有较多纹理或包含差异较大区域的目标物体, 提出了一种结合图像平滑、多尺度图谱和局部谱的目标提取方法。首先对图像进行l0梯度最小化平滑处理, 锐化边缘的同时消除图像的部分纹理信息; 其次通过多尺度图谱方法对图像进行分割, 该算法结合了归一化割算法的高精确度和多尺度算法的高效率性; 最后结合局部谱理论, 将人工选取的种子区域作为约束条件, 进行有偏割向量估计, 通过最大类间方差法将该向量分割成目标和背景。实验表明, 该方法弥补了多尺度图谱算法的不足, 并能产生很好的目标提取效果。     

一种基于聚类加权的文本特征生成算法

目前的文本特征生成算法一般采用加权的文本向量空间模型,该模型使用TF-IDF评价函数来计算单个特征的权值,这种算法生成的文本特征冗余度往往都比较高。针对这一问题,采用了一种基于聚类加权的文本特征生成算法,首先对特征候选集进行初始加权处理;然后通过语义和信息熵对特征进行进一步加权处理;最后使用特征聚类对冗余特征进行剔除。实验表明该算法比传统的TF-IDF算法的平均分类准确率高出5%左右。     

Towards a trust,reputation and recommendation meta model

New trust, reputation and recommendation (TRR) models are continuously proposed. However, the existing models lack shared bases and goals. For this reason, in this work we define an innovative meta model to facilitate the definition and standardization of a generic TRR model. Following the meta model, researchers in the field will be able to define standard models, compare them with other models and reuse parts of them. A standardization is also needed to determine which properties should be present in a TRR model.In accordance with the objectives we were seeking, following our meta model, we have defined a pre-standardized TRR model for e-commerce, identified the fundamental concepts and the main features that contribute to form trust and reputation in that domain, respected the dependence on the context/role of trust and reputation, aggregated only homogeneous trust information; listed and shown how to defend from the main malicious attacks.