双参数Bézier曲线的升二次扩展

本文以二次Bernstein基函数为例,首次提出了含双参数基函数的新扩展——αβQ—Bern-stein基函数,此类基函数具有新的特点,即基函数的扩展次数一次性升高两次,且包含了二次多项式和带一个参数的三次多项式基函数的所有性质。基于这组基函数定义了αβQ—Bézier曲线,该曲线也含有参数,具有形状可调性,当α与β取某些值时曲线能达到C4连续或在某个端点处C0连续。最后与含两个参数的升一次Bézier曲线进行比较,该曲线具有调节范围广、灵活性更强的优势。     

带形状参数的升二次B(e)zier曲线

首次提出四次Bernstein基函数的一种新扩展--舍有一个形状参数的λQ-Bernstein基函数,与以往的基函数相比较,基函数的次敷一次性升高两次,且具有四次多项式基函数和带一个形状参数的五次多项式基函数的所有性质,基于该基函数定义λQ-Bezier曲线,并且曲线自身含有形状参数,增加曲线形状的可调性.与舍一个参数的五次多项式曲线进行比较,该曲线能更好地逼近所给定的控制多边形.     

带形状参数的升二次Bézier曲线

首次提出四次Bernstein基函数的一种新扩展——含有一个形状参数的λQ—Bernstein基函数,与以往的基函数相比较,基函数的次数一次性升高两次,且具有四次多项式基函数和带一个形状参数的五次多项式基函数的所有性质,基于该基函数定义λQ—Bézier曲线,并且曲线自身含有形状参数,增加曲线形状的可调性。与含一个参数的五次多项式曲线进行比较,该曲线能更好地逼近所给定的控制多边形。     

基于粗糙集理论和信息熵的属性离散化方法*

在分析当前研究中常用的属性离散化方法的基础上,提出了一种计算初始断点集合的算法;定义了断点的信息熵,并以此作为对断点重要性的度量,提出了一种基于粗糙集理论和信息熵的属性离散化算法。通过与其他离散化算法的对比实验,验证了本算法的有效性,而且在样本数和条件属性数目不断增大时仍有很高的效率。