复合地基技术在地基处理中的应用研究——以北良港淤泥吹填区为例

结合大连北良公司在北良港淤泥吹填区建设一座轻钢结构火车铁路罩棚的工程实例,通过对建设前期吹填区软弱地基加固、建设完工后进行沉降观测以及对局部沉降基础进行加固的跟踪调查和分析,总结设计、施工和检测等实际经验.     

水彩画风格实时增强现实技术

在传统的AR系统中,虚拟物体和真实场景在视觉上存在较为明显的差异,达不到虚拟物体和真实场景无缝结合的要求。将增强现实技术与NPR有机地结合起来,减小这种视觉差异,研究并实现了水彩画风格的增强现实系统。     

基于定向滤波的非真实感动画生成方法

不同于传统的计算机动画,非真实感动画通常不需要精确的三维模型和光照模型,因此,用户希望自己能够生成简单的非真实感动画。基于这种需求,将定向滤波引入到非真实感动画中：利用一对正交的定向滤波核与源图像进行卷积运算,产生一对奇偶滤波图像,并通过不断改变其相位得到一系列运动的图像,使图像内的物体在实际位置并不发生改变的情况下,产生视觉上的动画效果,从而方便地生成非真实感动画。     

一种基于Normal矩阵的时间序列聚类方法*

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。     

基于密度信息的改进降维方法

扩散映射(diffusion maps)是一种基于流形学习的非线性降维方法。为了提高降维的效果, 根据近邻点的选取对diffusion maps的降维效果影响, 利用数据近邻点分布的不同, 挖掘该数据点局部的密度信息, 能够更好地保持数据的流形结构。利用样本点聚类后的类别信息构造密度信息指数, 提出了一种改进的diffusion maps算法, 有效地保持了高维数据中的流形结构, 所提的新算法在多种实验中得到了证实。     

基于文件拆分与高斯消去的线性方程组求解

针对集群系统内存不足导致大规模矩阵无法调入的情况,设计并实现一种基于文件拆分与高斯消去的线性方程组求解算法,将大规模系数矩阵文件连续拆分为多个规模可控的子文件进行存储和计算,使服务器空闲内存小且具有较好的计算能力。在ABEEMσπ模型中的应用结果表明,当Altix3700服务器任务提交量大、CPU占有率高时,该算法仍可以计算出蛋白质分子的电荷分布。     

利用反馈的车牌字符分割算法

字符分割是车牌识别系统的重要步骤。提出一种利用反馈的车牌字符分割算法。首先,对车牌图像进行预处理;其次,根据车牌图像的垂直投影进行字符粗分割;最后,通过两级反馈进行字符精分割。第一级反馈是字符个数与字符宽度反馈,第二级反馈是字符识别反馈。实验结果表明,算法对光照不均、对比度较小、倾斜、污迹、字符粘连和断裂等严重退化的车牌图像具有很好的字符分割性能。     

有效的非真实感动画生成方法

作为一种独特的动画表现形式,非真实感动画通常不需要精确的三维模型和光照模型,但又需要普通用户能方便地生成简单的非真实感动画。根据这一需求,将定向滤波技术与非真实感动画相结合:将源图像与一对正交的定向滤波进行卷积运算,得到一对奇偶滤波图像,反复改变它们的相位生成一系列不同相位的图像,使图像中的对象产生视觉上的动态效果,从而方便生成非真实感动画。     

基于神经网络控制的LMS算法及其仿真

提出了一种新的基于神经网络控制的自适应变步长LMS算法(BP-LMS).通过BP模型构建输入向量之间的非线性关系、偏差、学习步骤及自适应过程来确定学习的步骤.为了扩展BP神经网络的应用范围,同时也提出了如何确定输入信号是否类似的方法.仿真实验表明,BP-LMS算法确实可以有效减少收敛时间并达到满意的效果.     

基于复杂网络理论和遗传算法的分类方法

结合复杂网络研究的部分新理论成果和遗传算法的思想,提出一种新的分类方法。该方法将数据集按给定的相似度公式构造出具有社团结构的网络,在此网络的基础上用遗传算法的思想进行分类。算法引进社团模块度作为适应度函数,并且提出了节点归类错误率（NCM）对每次迭代产生的解进行纠错,提高了分类质量和速度。实验表明算法在分类精度和时间上都优于基于加权复杂网络特征的K—means聚类算法（WCNFC）。