二维卷积整数的求算

着意于改进推求二维卷积整数的普遍方法，列出的表格在完整性和正确性方面均超过现有的表格。程序用ＲＥＤＵＣＥ语言编写，并备有灵活的绘图功能。这将有助于三维数字图象处理或两变量数据结构的分析。     

一种新的离散二维卷积矩阵形式算法

辞书式排列法是传统的离散二维卷积的矩阵形式算法，但其计算结果不直观，需要人为分割后才能得到最终结果。在辞书式排列法的启发下本文提出了一种新的矩阵形式算法，经过计算后可直接得到最终结果。经过验证其计算正确，比辞书式排列法的计算方法更直观，与辞书式排列法具有互补性，并且更适于用来描述离散二维卷积计算。     

二维装箱问题的一种实现方法

遗传算法(GA)是基于自然淘汰地遗传机制的搜索算法，近年来利用遗传算法解决组合优化问题的研究十分普遍。二维装箱问题是典型的组合优化问题，也是时间复杂度非常高的NP问题之一，如何实现有效的算法流程一直是该类问题的难点，本文在BL算法的基础上，提出一种改进的算法结构和流程，并分析了用GA实现过程中编码的健全性和完备性以及多样性评价问题。     

一种融合二维和三维卷积网络的两阶段冠状动脉分割方法

心血管疾病是一种严重危害公众健康的重大疾病。与其他心血管疾病相比,冠心病是导致死亡的最主要原因,精确的冠状动脉分割对冠心病的治疗有重要意义。目前,深度学习已经广泛应用于医学影像领域,然而,像冠状动脉这样的小物体的分割仍然是一大挑战。针对冠状动脉精确分割的需求,该研究提出了一种融合二维和三维卷积网络的方案,利用骨架作为桥梁,结合二维和三维卷积网络,扩大了卷积网络的信息接受域。与其他深度学习方法相比,该方法在敏感度、Dice系数、ROC曲线下方的面积、豪斯多夫距离上均有一定程度的提升,且可以检测其他方法无法识别的冠状动脉,一定程度上解决了血管断连和血管缺失等问题。     

一种快速的二维线段裁剪算法

本文在分析了传统的二维线段裁剪算法的基础上，提出了一种新的二维线段裁剪算法。与传统的算法相比，该算法既不需要计算区域编码信息，也不依赖于直线的参数表示形式，而且算法简单，运算速度快。     

二维整数帐篷映射模型设计及安全性仿真分析

帐篷映射由于具有均匀分布特性,被广泛应用到密码学研究领域。一维整数动态帐篷映射模型由于其维数低,复杂度较低,密码学特性和安全性能较差,在密码学领域的应用有着一定的局限性。为了解决这一问题,将一维整数动态帐篷映射模型拓展为二维整数动态帐篷映射模型。二维整数动态帐篷映射模型产生的序列之间存在着扰动机制,进而增加了序列的复杂度,但这种扰动极值并不复杂,计算量较低。将该模型与一维整数动态帐篷映射进行了比较,并分析了该模型的自信息、互信息、均匀性、相空间、混沌性等特性。仿真结果表明,二维整数动态帐篷映射模型克服了一维模型均匀性较差的缺陷,其迭代生成序列具有良好的均匀分布特性及相互独立性,其密码学特性更加完善。     

二维数据场显示处理方法的研究

本文对二维数据场的含义作了简单介绍，提出了几种显示和处理二维数据场的方法。这几种方法已在ＳＧＩ工作站上实现，取得了较好的显示效果。在ＳＧＩ工作站上实现的二维数据场显示处理系统可用于显示处理三维数字高程地形图、医学扫描图象、温度分布图、产量分布图、矿藏分布图等等。     

一种求解混合整数规划的混合进化算法

提出一种基于正交试验设计的混合进化算法,用于求解混合整数规划问题.进化算法中采用一种混合启发式的变异算子,将正交试验设计作为杂交算子.为了增加种群的多样性,引入一种迁移算子.仿真实验结果表明,与已有的一些算法相比,所提出的求解混合整数规划的混合进化算法能快速收敛到问题的最优解,并且算法的计算量小,解的精度高.     

二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

Pollard p-1因子分解的DNA计算机算法

如何有效地对大整数进行因子分解是数学上的一个难题.给出了基于分子生物技术的因子分解问题的DNA计算机算法.算法以Pollard p-1算法为基础,利用DNA分子生物操作完成加、减、乘、除运算,实现平方-乘以及欧几里德算法,产生并得到最终解.基于分子生物学的实验表明,该算法是可行和有效的.     

一种针对中小型软件的简化功能点分析方法

现有的简化功能点分析方法对不同软件个体偏差较大,针对中小型软件,得到的结果普遍偏高。该文针对中小型软件的特点,基于NESMA Indicative方法的思想,提出一种简化方法,并在多个项目中进行了应用。实验证明,用于中小型软件时,该方法与同类方法相比,得到的结果更为准确。     

基于设计模式的简化业务组件方法的研究与应用

目前B/S结构的动态交互式应用软件设计多数采用两种方式:一种是在客户端页面嵌入大量脚本代码和Jav-aBean对象,另一种是在服务器端部署若干重量级EJB组件。综合这两种方式的优势,该文提出了一种基于设计模式的简化业务组件设计方法,并给出了一个应用设计的实例。该方法既大幅度减少了在客户端页面嵌入的脚本代码和Bean对象,也可不在服务器端部署EJB重量级组件,而是运用一种方式去重构J2EE工作者服务模式和行为型的会话策略模式,从而使得类模块具有较强的扩展性,客户端页面设计具有良好的透明性。     

基于承诺度的寻找合作Agent的方法

在多Agent系统中,个体Agent的知识和问题求解能力是有限的,需要寻找合作Agent协作共同完成任务.本文提出承诺度概念并以简化的熟人模型为背景,将承诺度作为寻找合作Agent的依据.简化的熟人模型减少了寻找合作Agent的通信开销和资源消耗;以承诺度作为寻找合作Agent的依据减少了建立和维护熟人模型的系统开销.     

浅析展示中的简化意识及其应用

在当今迅速发展的信息时代,各种展会也日益增多,各种展品的展示形式的重要性日趋明显。如何做到在最短时间内达到最好的视觉效果,并准确、快速、顺利的传达展出的展品信息就显得尤为重要。文章试从简化设计方法学在展示中的应用做一个探讨,以丰富展示理论体系。     

基于简化PCNN的车牌定位算法

为了提高车牌定位效率,提出一种混合简化脉冲耦合神经网络(PCNN)和快速连通域标记的车牌定位算法。基于简化PCNN进行图像增强,利用车牌字符的连通域特征、纹理特征和结构特征对增强后的二值图像进行过滤、筛选,得到图像中大致车牌区域,再对所得区域左边界起始的左扩展区域做垂直投影,确定车牌中汉字区域,从而定位车牌。实验结果表明,该算法性能优于其他车牌定位算法,其定位准确率为97.5%。     

一种面向WSN节点的数据压缩简化算法

为了在存储空间和能量受限的无线传感器网络(WSN)节点上压缩数据来节省无线发送和外部存储所耗能量,分析并强调了面向WSN节点的数据压缩的特点与研究意义.针对资源受限节点在存储和传送数据中对压缩率和精度及能耗等性能的需要,基于傅立叶分析原理,通过简化基频测量和按允许误差调整傅立叶级数最高阶次,提出了一种可在节点常用的超低功微处理器上实现数据压缩的简化应用方法.实验表明了该简化压缩算法的有效性.     

采用简化原型法进行需求分析

本文提出一种新的管理信息系统需求分析方法一简化原型法。这种方法采用文档原型和系统简化原型，促进分析人员与用户的交流，利于发现和解决问题。实践证明简化原型法提高了MIS工程的需求分析和设计开发效率，简化了用户培训过程。     

DFT宽带波束形成器简化权系数法性能分析

由于处理芯片内存空间是有限的,在实际声呐和雷达信号处理机中应用DFT宽带波束形成器时,通常采用简化权系数分配法降低加权向量的存储量,使其能够完全存储于处理芯片的内存中,为处理机的实时性提供了可靠保证。简化权系数分配法会降低波束形成器的阵增益,并使得输出信号产生相位差,从而影响系统检测和估计性能。本文给出了该近似方法的性能分析,并通过仿真实验验证了其对阵增益和相位的影响,最后结合仿真结果说明如何进行相位补偿以及如何选取简化权系数法的频段宽度以保证系统的稳健性。     

A Fast Simplified Fuzzy ARTMAP Network

We present an algorithmic variant of the simplified fuzzy ARTMAP (SFAM) network, whose structure resembles those of feed-forward networks. Its difference with Kasuba's model is discussed, and their performances are compared on two benchmarks. We show that our algorithm is much faster than Kasuba's algorithm, and by increasing the number of training samples, the difference in speed grows enormously.The performances of the SFAM and the MLP (multilayer perceptron) are compared on three problems: the two benchmarks, and the Farsi optical character recognition (OCR) problem. For training the MLP two different variants of the backpropagation algorithm are used: the BPLRF algorithm (backpropagation with plummeting learning rate factor) for the benchmarks, and the BST algorithm (backpropagation with selective training) for the Farsi OCR problem.The results obtained on all of the three case studies with the MLP and the SFAM, embedded in their customized systems, show that the SFAM's convergence in fast-training mode, is faster than that of MLP, and online operation of the MLP is faster than that of the SFAM. On the benchmark problems the MLP has much better recognition rate than the SFAM. On the Farsi OCR problem, the recognition error of the SFAM is higher than that of the MLP on ill-engineered datasets, but equal on well-engineered ones. The flexible configuration of the SFAM, i.e. its capability to increase the size of the network in order to learn new patterns, as well as its simple parameter adjustment, remain unchallenged by the MLP.