基于FBS的卧室在线自动布局算法

针对室内布局计算时间较长、无法在网页上在线自动放置家具的问题,提出一种基于FBS(功能—行为—结构)的卧室移动网页在线自动布局算法.该算法从卧室家具的功能出发,分析其使用行为,确定家具摆放顺序,构建面向卧室布局的FBS模型.首先根据家具功能设计初始静态能量函数,然后针对用户在线家具编辑设计动态布局能量函数,并设计了增量式家具自动布局算法.实验结果表明,文中算法的布局结果与实际案例相符,其适应性、多样性与轻量性均良好,可达到网页在线卧室自动布局.     

迁移学习在医学图像分类中的研究进展

医学影像作为医疗数据的主要载体,在疾病预防、诊断和治疗中发挥着重要作用。医学图像分类是医学影像分析的重要组成部分。如何提高医学图像分类效率是一个持续的研究问题。随着计算机技术进步,医学图像分类方法已经从传统方法转到深度学习,再到目前热门的迁移学习。虽然迁移学习在医学图像分类中得到较广泛应用,但存在不少问题,本文对该领域的迁移学习应用情况进行综述,从中总结经验和发现问题,为未来研究提供线索。1）对基于迁移学习的医学图像分类研究的重要文献进行梳理、分析和总结,概括出3种迁移学习策略,即迁移模型的结构调整策略、参数调整策略和从迁移模型中提取特征的策略;2）从各文献研究设计的迁移学习过程中提炼共性,总结为5种迁移学习模式,即深度卷积神经网络（deep convolution neural network,DCNN）模式、混合模式、特征组合分类模式、多分类器融合模式和二次迁移模式。阐述了迁移学习策略和迁移学习模式之间的关系。这些迁移学习策略和模式有助于从更高的抽象层次展现迁移学习应用于医学图像分类领域的情况;3）阐述这些迁移学习策略和模式在医学图像分类中的具体应用,分析这些策略及模式的优点、局限性及适用场景;4）给出迁移学习在医学图像分类应用中存在的问题并展望未来研究方向。     

基于凸壳的高密度点集物碰撞检测算法

提出了一种基于凸壳的高密度点集物碰撞检测算法。根据高密度点集物紧密性好的特点,设计了一种快速的凸壳算法;当极值比较不能确定待检测点集物未碰撞时,用该算法计算待检测点集物的凸壳,并对凸壳进行求交运算,若不相交,两点集物未发生碰撞,否则在两凸壳的交集区域中寻找碰撞点集。算法简单、高效、可靠,在教育、国防、艺术等方面具有一定应用价值。     

矩形毛坯三块排样方式及其算法

采用线性规划和动态规划解决矩形毛坯排样问题。采用下料工艺简单的三块排样方式,用两条成T形的剪切线将板材分成三个矩形区域,每个区域中包含一个由同尺寸毛坯组成的规范块。实验计算表明,所述算法可解决大规模矩形套裁排样问题,能够有效提高材料利用率和简化下料工艺。     

卧室光源亮度的自动优化算法

室内光源亮度调节得好坏对室内设计及最终渲染效果会产生重要的影响,通常需要专业人士费时费力地手工调整.为此,提出了一种卧室光源亮度的自动调优算法.首先,在二维图像灰度熵的基础上进一步给出了三维光照熵的定义,以此作为评价三维卧室光源亮度优劣的数学模型;然后,利用模拟退火算法来求解卧室的最大光照熵值,从而得到光源的最优亮度值;最后,借助于GoogleAI采用的神经图谱(NIMA)图像美观度评估算法,验证了所提算法的正确性与有效性.该基于最大光照熵的光源的亮度自动调优算法也适用于客厅、餐厅等室内场景灯光亮度的设定与自动调优.     

矩形毛坯二维剪切排样方式

主要阐述在矩形毛坯剪切排样中,所采用的各种典型排样方式以及这些排样方式之间的关系.从下料工艺的复杂程度由低到高分别阐述了二阶段排样方式、T形排样方式、两段排样方式和三阶段排样方式,并就同一例题给出各类排样方式图.     

离散粒子群优化算法求解矩形件排样问题

提出了一种基于离散粒子群优化算法求解矩形件排样问题的方法.文中介绍了基本粒子群优化的搜索策略与基本算法,用置换子和置换序列构造一种离散粒子群优化矩形件排样算法,通过实例和遗传算法相比较,实验结果表明该算法是有效的.     

对影响冲裁条带下料利用率因素的分析

阐述了影响冲裁条带下料利用率的因素,并结合具体事例利用计算机排样系统进行了详细分析,对提高板材利用率具有一定的指导作用.     

丙烯酸酯型胶粘剂中未反应单体的测定

单体中烯基的化学分析,主要是根据双键与卤素的加成反应,有关这方面的报道很多。用其提出的一些方法测定丙烯酸酯型胶粘剂中的未反应单体,由于没有适合的溶剂,特别是在测定过程中产生大量的高聚物沉淀带来严重干扰,致使测定难于进行。为了克服聚合物的干扰,笔者在样品处理过程     

基于离散粒子群优化算法求解矩形件排样问题

改进了一种近似排样算法,并将改进的近似排样算法与离散粒子群优化算法结合求解矩形件排样问题.设计了应用离散粒子群优化算法求解矩形件排样问题的相关操作和定义,给出了离散粒子群优化算法求解矩形件排样问题的详细步骤,最后通过实验测试,验证了算法的有效性.