利用Voronoi图改进离散数据重构曲面算法

本文利用Delaunay三角剖分和 Voronoi图的性质,实现了一种对散乱点重构闭合曲面的方法。该方法在搜索策略上进行了改进：首先对输入点进行三角剖分,产生相互独立的四面体,构建一个凸包;然后利用Delaunay三角剖分产生Voronoi图;最后根据Voronoi图的性质,选择包含在形体内部的四面体,提取出边界三角形,完成散乱点边界重构。计算复杂度和Delaunay四面体数量成正比,在自动形状重构时形状边界提取过程的计算复杂度为O(n),算法适用于各种涉及图形重构的工程应用。     

利用Excel函数求解样本协方差矩阵

样本协方差矩阵被知识工程领域中的许多研究分支所采用,为解决随着样本数据量不断增加需要反复计算样本协方差矩阵耗时多的缺点,利用Excel中的函数给出了快速求解协方差的方法,此方法尤其适用于不熟悉编程的人.     

隐式T样条实现封闭曲面重建

为了简化法向偏差约束条件和优化光滑能量项,提出一种隐式T样条曲面重建算法.首先利用八叉树及其细分过程从采样点集构造三维T网格,以确定每个控制系数对应的混合函数;然后基于隐式T样条曲面建立目标函数,利用偏移曲面点集控制法向,采用广义交叉检验(GCV)方法估计最优光滑项系数,并依据最优化原理将该问题转化为线性方程组求解得到控制系数,从而实现三角网格曲面到光滑曲面的重建.在误差较大的区域插入控制系数进行T网格局部修正,使得重建曲面达到指定精度.该算法使重建曲面C1连续条件得到松弛,同时给出最优的光顺项系数估计,较好地解决了封闭曲面的重建问题.实例结果表明,文中算法逼近精度高,运算速度快,仿真结果逼真.     

散乱点云数据的高阶平滑隐式曲面重建

针对三维扫描或三维重建获取的散乱点云数据曲面重建问题, 提出基于拉普拉斯规则化的高阶平滑算法。首先, 计算点云数据的包围盒并离散化得到体素空间; 其次, 在体素空间根据隐式曲面的梯度和点云位置、法向信息建立目标函数, 并通过对目标函数的拉普拉斯规则化达到控制重建曲面光顺效果的目的; 再次, 根据最优化原理将重建问题转换为一个稀疏线性方程组求解问题; 最后, 通过步进立方体算法得到重建曲面的三角网格表示。定性和定量的实验结果表明, 该方法重建曲面绘制效果和精确度优于常用的Poisson方法。     

隐式曲面快速多边形化

隐式曲面多边形化是隐式曲面绘制的常用算法。该文提出了一个隐式曲面快速多边形化算法。首先用Bloo-menthal的多边形化算法生成一个粗糙的初始网格,再进行网格优化提高网格规则性,最后用多边形细分策略细分优化后的网格。实验结果表明,该算法在网格生成速度和网格规则性上都胜于Bloomenthal的多边形化算法。     

隐式曲面重新多边形化

首先用Bloomenthal的多边形化算法生成一个粗糙的初始网格;然后在初始网格上分布若干个新顶点,新顶点可以均匀分布,也可以按曲率分布;再把初始网格上的老顶点和新顶点连接起来,生成一个中间网格,从中间网格上删除初始网格上的老顶点,得到重新多边形化的网格;最后细分这个网格．实验结果表明：该算法可以生成近似等边的、大小由曲率指导的三角网格．     

基于拓扑不变性的GSRBF隐式曲面重建

为提高大规模点云曲面重建的精度和效率,提出一种基于拓扑不变性的全局支撑的径向基函数(GSRBF)隐式曲面重建算法。结合Hausdorff算法,根据点云的主曲率和高斯曲率引入一个临界值,防止提取特征点时产生较大误差,构造特征点点云拓扑同胚的拓扑结构;引入八叉树网格划分法进行点云拓扑关系的构造,通过构造与模型控制网格拓扑同胚的拓扑结构来重建曲面的拓扑;构造基函数确定特征点的影响范围,将其归一化得到曲面拓扑上的单位分解,复合单位分解与特征点得到隐式曲面。实验结果表明,该算法适用于任意拓扑的曲面重建,具有较高的精度和效率。     

基于Voronoi图和三角剖分的闭合曲线重建

以Voronoi图和Delaunay三角剖分为基础,针对二维闭合曲线集的采样点集,提出一种曲线重建算法。该算法按给定采样密度对曲线集进行采样,从而用一条或多条线段准确地重建曲线集,将采样点密集程度的度量定义为点集的本地特征值度量,以此要求采样达到一定的密集程度。理论分析证明该算法的时间复杂度为O(nlogn)。     

基于BP神经网络的隐式曲面构造方法

通过把BP神经网络与隐式曲面构造原理相结合,提出构造隐式曲面的新方法.用约束点来描述、控制曲面形状,构造BP网的输入与输出,通过智能学习、仿真模拟,最后从仿真超曲面抽取出的零等值面就是隐式曲面.同时,从理论上证明了此方法所构造的隐式曲面具有任意精度.实验表明该方法对约束点的个数、误差、内外点与边点的距离等不敏感,表现出很好的稳定性与可操作性.该构造方法不仅可用于构造隐式曲面,而且在图形理解、数据分类等领域也具有良好的应用前景.     

一种基于协方差矩阵重构和EMP的宽带波束形成算法

在宽带波束形成中,若干扰信号从主瓣方向进入,会引起主瓣畸变、旁瓣电平抬高,从而使波束性能严重恶化。为了解决波束形成中的这些问题,研究了一种基于协方差矩阵重构和特征投影预处理（EMP）的宽带波束形成算法。该算法首先通过EMP算法求取阻塞矩阵,对接收信号进行干扰相消预处理阻塞掉主瓣干扰;然后通过相干信号子空间（CSM）方法、协方差矩阵重构求取合理的协方差矩阵;最后进行波束形成。在主瓣干扰、旁瓣干扰同时存在的情况下,该算法能够自适应地阻塞主瓣干扰、抑制旁瓣干扰,解决了存在主瓣干扰情况下宽带波束形成的波形畸变问题。计算机仿真验证了该算法有效性。     

“The big sweep”: On the power of the wavefront approach to Voronoi diagrams

We show that the wavefront approach to Voronoi diagrams (a deterministic line-sweep algorithm that does not use geometric transform) can be generalized to distance measures more general than the Euclidean metric. In fact, we provide the first worst-case optimal (O (n logn) time,O(n) space) algorithm that is valid for the full class of what has been callednice metrics in the plane. This also solves the previously open problem of providing anO (nlogn)-time plane-sweep algorithm for arbitraryL _k -metrics. Nice metrics include all convex distance functions but also distance measures like the Moscow metric, and composed metrics. The algorithm is conceptually simple, but it copes with all possible deformations of the diagram. Research partially supported by the Natural Sciences and Engineering Research Council of Canada. Research partially supported by the Deutsche Forschungsgemeinschaft, Grant No. Kl 655/2-1.     

A test for the equality of covariance matrices when the dimension is large relative to the sample sizes

A simple statistic is proposed for testing the equality of the covariance matrices of several multivariate normal populations. The asymptotic null distribution of this statistic, as both the sample sizes and the number of variables go to infinity, is shown to be normal. Consequently, this test can be used when the number of variables is not small relative to the sample sizes and, in particular, even when the number of variables exceeds the sample sizes. The finite sample size performance of the normal approximation for this method is evaluated in a simulation study.     

摄动离散矩阵Lyapunov方程解的估计

研究摄动离散矩阵Lyapunov方程解的估计问题,利用矩阵运算性质及Lyapunov稳定性理论,给出在结构不确定性假设下方程解的存在条件及解的上下界估计,估计结果由一个线性矩阵不等式(LMI)和两个矩阵代数Riccati方程确定．针对几种不确定性假设,进一步给出矩阵代数Riccati方程的具体形式．最后通过一个算例说明了所得结果的有效性．     

Using the genetic algorithm to enhance nonnegative matrix factorization initialization

Nonnegative matrix factorization (NMF) algorithms have been utilized in a wide range of real applications; however, the performance of NMF is highly dependent on three factors including: (1) choosing a problem dependent cost function; (2) using an effective initialization method to start the updating procedure from a near‐optimal point; and (3) determining the rank of factorized matrices prior to decomposition. Due to the nonconvex nature of the NMF cost function, finding an analytical‐based optimal solution is impossible. This paper is aimed at proposing an efficient initialization method to modify the NMF performance. To widely explore the search space for initializing the factorized matrices in NMF, the island genetic algorithm (IGA) is employed as a diverse multiagent search scheme. To adapt IGA for NMF initialization, we present a specific mutation operator. To assess how the proposed IGA initialization method efficiently enhances NMF performance, we have implemented state‐of‐the‐art initialization methods and applied to the Japanese Female Facial Expression dataset to recognize the facial expression states. Experimental results demonstrate the superiority of the proposed approach to the compared methods in terms of relative error and fast convergence.