电力通信网监控系统绘图软件包

本文介绍了一种以图元方式绘制图形的方法。对电力通信网监控系统绘图软件包的功能进行了描述，给出了两文方式下汉字输入、图元生成、图元复副、符号图元使用等模块的实现方法。     

新疆民族民间艺术图案生成方法

目的：解决如何数字化具有民族风格的图案是一个富有挑战的问题。提出演化组合图元基因再生图案基因的方法,并通过变形技术快速生成具有相似民族风格的图案基因。方法：首先,引入图元基因和再生基因概念,提出图元基因生成方法;然后,通过设置再生基因的生成参数,组合排列图元再生具有民族传承意义的图案基因;最后借助图像变形技术扩展图案基因。实验结果：利用图元基因和再生基因能够生成传承原有图案风格与特色的图案。结论：所提方法以图案基因为设计核心,具有保持民族风格、简单灵活、推广强的特点,为下一步计算机智能生成图案奠定基础。     

工业组态软件基本图形库的实现

组态软件可以根据工业生产现场的具体描述直接生成面向特定工业生产对象的过程监控系统.介绍了一种基于Visual C 作为开发工具和矢量制图的方式,设计和实现了组态软件中基本简单图元模块的开发,包括图元的绘制、拖动、对齐、等大、撤消恢复,通过右键弹出菜单设置图元的具体属性.     

基于图元多接口显示技术符号库的设计与实现

提出了一种跨越不同GIS平台实现图元信息共享的思想，即图元多接口显示技术MSDT。实现了不同GIS平台都可以直接读取的图元编辑器．提供了国内外著名的GIS软件的调用接口，并且在ESRI公司的Map Object、Arc GIS系列产品、MapInfo公司的Map X、国产GIS软件Supmap等软件上得到验证。     

基于分形图元的规则构图

针对分形构图,提出一种基于分形图元的规则构图方法。用规则来控制图案的绘制过程,以分形图元为基础进行图案的再创造,生成一类分形扩充图案。给出对称变换、旋转变换、融合变换等3种构图规则,以及相应的构图模型和图案样例。实验表明,该方法生成的图案新奇复杂且不失美观,扩充了分形图案的门类。     

电力监控系统绘图软件包(For Windows)的设计

该文详细介绍了一种Ｗｉｎｄｏｗｓ环境下的电力监控系统软件包的设计。给出了以图元方式绘制图形的方法及数据结构，并介绍了图元生成、选中及复制的实现方法。     

基于运动受限弹簧质子模型的图像上采样

图像上采样是可视媒体技术的重要组成部分.作者提出一种新的方法,将图像上采样问题转换成基于运动受限弹簧质子模型的力学平衡和基于变形网格的上采样问题.首先,根据图像放大的特点,作者调整传统弹簧质子模型中拉伸/排斥力的传统方法定义方式,避免质子对邻域外其它质子的运动产生拉伸干扰;设计向心力,限制质子活动区域;基于源图像梯度场模的梯度场定义模型外力,使所有边缘质子所受外力垂直指向图像边缘方向,非边缘质子所受外力几乎为零;基于Helmholtz- Hodge定理引进光滑正则项,保证变形的光滑性.然后,通过弹簧质子模型确定图元控制区域网格,并基于该网格实现上采样.作者提供了若干实验数据说明方法是有意义的.     

Windows图元文件的运用

用图元文件生成图象,它的最大优点就是图象可以任意缩放而基本不失真。这是因为图元文件由一系列基本图形向量所组成,包括线、填充域等。对图元文件的图象进行缩放时,只不过把这些基本图形的坐标按比例放大或缩小而已。而对位图进行缩放时,却有可能导致严重失真,因为对它压缩时,就有可能要将整行整列的内容切掉。如果图元文件中嵌入了位图,对它们进行缩放会产生与缩放位图一样的问题。     

基于图元的事件图生成算法

与单轮运行情形不同,多轮并发运行的密码协议存在更为复杂的安全性问题。并发运行密码协议的形式化分析对象包括密码协议的多轮并发运行和多个密码协议的并发运行两种情形,且二者具有统一的形式化模型。基于扩展的串空间模型和Spi演算理论,提出用于并发运行密码协议安全属性验证的事件图模型。图元是事件图的构造单元,它满足消息事件之间的通信关系和前驱关系约束以及消息语句的新鲜性约束。定义消息事件之间、图元之间以及消息事件和图元之间的前缀、组合和选择运算,并给出事件图生成算法。     

基于SVG的矢量图形编辑系统的数据描述模型

SVG是W3C组织制定的一套基于XML的可扩展矢量图形语言描述规范，可以用来描述矢量图形、图像、文本等图形对象。为了在Web上显示图形并对图元进行操作，提出了一个支持SVG的矢量图形编辑系统的数据模型。该模型采用面向对象的方法来描述，主要包括类结构、图元描述模型和SVG解析模型。实践证明，根据这个模型能够设计出高效率的独立于具体应用的图形编辑系统，为生成SVG图形文件提供一个可视化环境。     

面向人臂三角形动作基元的拟人臂运动学

对拟人臂的运动规划问题进行了研究.通过引入动作基元的概念,将动作基元空间作为连接任务空间与关节空间的桥梁,构建了一个"关节空间-动作基元空间-任务空间"的三级运动规划框架.这种规划方式既保证了对拟人臂运动过程的控制,又简化了复杂操作任务的运动规划.在抽象的动作基元基础之上提出了一个具体的人臂三角形模型,用以描述拟人臂的运动状态.通过引入拟人臂工作平面的概念,利用坐标变换与几何分析相结合的方法详细推导并建立了人臂三角形空间与任务空间和关节空间之间的正逆运动学,为基于人臂三角形的动作基元设计奠定了基础.最后通过仿真算例验证了运动学算法的有效性与可行性.     

Real-time Unsupervised Segmentation of human whole-body motion and its application to humanoid robot acquisition of motion symbols

An interactive loop between motion recognition and motion generation is a fundamental mechanism for humans and humanoid robots. We have been developing an intelligent framework for motion recognition and generation based on symbolizing motion primitives. The motion primitives are encoded into Hidden Markov Models (HMMs), which we call “motion symbols”. However, to determine the motion primitives to use as training data for the HMMs, this framework requires a manual segmentation of human motions. Essentially, a humanoid robot is expected to participate in daily life and must learn many motion symbols to adapt to various situations. For this use, manual segmentation is cumbersome and impractical for humanoid robots. In this study, we propose a novel approach to segmentation, the Real-time Unsupervised Segmentation (RUS) method, which comprises three phases. In the first phase, short human movements are encoded into feature HMMs. Seamless human motion can be converted to a sequence of these feature HMMs. In the second phase, the causality between the feature HMMs is extracted. The causality data make it possible to predict movement from observation. In the third phase, movements having a large prediction uncertainty are designated as the boundaries of motion primitives. In this way, human whole-body motion can be segmented into a sequence of motion primitives. This paper also describes an application of RUS to AUtonomous Symbolization of motion primitives (AUS). Each derived motion primitive is classified into an HMM for a motion symbol, and parameters of the HMMs are optimized by using the motion primitives as training data in competitive learning. The HMMs are gradually optimized in such a way that the HMMs can abstract similar motion primitives. We tested the RUS and AUS frameworks on captured human whole-body motions and demonstrated the validity of the proposed framework.     

基于对称的随机图案生成方法

图案风格设计是图案生成的关键问题,针对新疆民族织物图案的特点,提出一种对称性和随机性相结合的图案生成方法．首先对导入的初始图案进行双线性插值运算,生成一个正三角形作为第一个等边纹样基元;然后通过正反120角旋转,扩展成两个等边基元．再利用对称和旋转变换把随机选择的不同等边纹样基元嵌入到六边形构型中,最后平铺六边形构型生成一幅新图案．该算法具有随机选择基元、堆砌对称构型和无缝平铺纹样的特点,大量计算机仿真实验也证实算法虽然简单,但是具有揭示新疆民族织物图案的对称、稠密特点,而且可以推广应用于广告图案以及服装设计等领域．     

融合视觉认知的工程视图理解方法

基于人的理解过程和方法,文中提出了工程视图理解的新算法框架。它允许用户参与到理解过程中,在出现歧义时,根据人的视觉认知规律进行“猜测”和“推理”,可得到与人的理解结果更为一致的解,并允许加入剖视图的处理。该文着重介绍该方法的算法思想,以及基元的划分与生成、剖视图处理、视觉推理等关键算法步骤。     

Volume-preserving free-form solids

Some important trends in geometric modeling are the reliance on solid models rather than surface-based models and the enhancement of the expressive power of models, by using free-form objects in addition to the usual geometric primitives and by incorporating physical principles. An additional trend is the emphasis on interactive performance. In this paper, we integrate all of these requirements into a single geometric primitive by endowing the tri-variate tensor-product free-form solid with several important physical properties, including volume and internal deformation energy. Volume preservation is of benefit in several application areas of geometric modeling, including computer animation, industrial design and mechanical engineering. However, previous physics-based methods, which have usually used some form of “energy”, have neglected the issue of volume (or area) preservation. We present a novel method for modeling an object composed of several tensor-product solids while preserving the desired volume of each primitive and ensuring high-order continuity constraints between the primitives. The method utilizes the Uzawa algorithm for non-linear optimization, with objective functions based on deformation energy or least squares. We show how the algorithm can be used in an interactive environment by relaxing exactness requirements while the user interactively manipulates free-form solid primitives. On current workstations, the algorithm runs in real-time for tri-quadratic volumes and close to real-time for tri-cubic volumes     

基于形体组合关系的基元体识别技术研究

提出了一种新的基于组合因子的基元体识别方法 .从构成复杂形体的基元体之间的组合关系类型入手 ,将组合关系分为显式组合关系和隐式组合关系 ;接着 ,针对显式组合关系在二维图纸中的投影特性 ,将其在二维视图中的相关投影定义为组合因子 ,并由此建立相应的组合关系表 ,最后基于组合关系表对具有不同组合关系的基元体进行识别 .该方法将存在于二维视图中的组合因子与其对应的三维空间中基元体之间的组合关系信息联系起来 ,具有搜索空间小、识别范围广等优点 ,并在原型系统中得到了应用     

用HOUGH变换改进的曲率法识别平面轮廓图元

针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对提出的方法分别进行了特征点检测精度与检测速度对比实验和特征点检测能力测试实验。实验结果表明,提出的方法图元识别准确、检测速度快、通用性好。     

借重于人工知识库的词和义项的向量表示: 以HowNet为例

该文旨在以HowNet为例,探讨在表示学习模型中引入人工知识库的必要性和有效性。目前词向量多是通过构造神经网络模型,在大规模语料库上无监督训练得到,但这种框架面临两个问题: 一是低频词的词向量质量难以保证;二是多义词的义项向量无法获得。该文提出了融合HowNet和大规模语料库的义原向量学习神经网络模型,并以义原向量为桥梁,自动得到义项向量及完善词向量。初步的实验结果表明该模型能有效提升在词相似度和词义消歧任务上的性能,有助于低频词和多义词的处理。作者指出,借重于人工知识库的神经网络语言模型应该成为今后一段时期自然语言处理的研究重点之一。     

一种多基元类的布局迁移自适应算法及在闸机设计中的应用

布局问题研究物体的布局先后或布局定位以满足设计要求,布局迁移设计是在已有布局基础上高效设计新布局的方法。在轨道交通自动控制系统中,闸机表面传感器的布局对人与物的识别有重要的影响。为了实现闸机在不同地域环境中的快速设计,首先以闸机布局中的传感器作为研究对象,进行基元划分,提出了多种基元类型;并分析了基于拓扑结构的基元迁移变换方法,研究了人群特征因素、机械结构约束的数学表达;然后提出基于包围圆搜索的基元运动与干涉分析算法,其参数能够根据求解精度进行自适应调整;并利用多目标归一化函数对各基元的解进行择优,以获取最终布局。最后以18对传感器的闸机布局设计为例进行实例分析,应用此方法并借助于Visual Basic可视化编译平台,实现了闸机在不同地域环境中的传感器布局快速设计。