一种新的线段裁剪算法—四区域裁剪算法

本算法按裁剪窗口将整个图形区域划分为四个区 ,不仅提高了线段裁剪算法的效率 ,而且克服了一些算法要求裁剪窗口为矩形和对被裁剪线段端点进行编码的缺陷。     

一种新的线段裁剪算法一四区域裁剪算法

本算法按裁产针整个图形区域划分为四个区,不仅提高了线段裁剪算法的效率,而且克服了一些算法要求裁剪窗口为矩形和对被裁剪线段端点进行编码的缺陷。＋     

三维空间的Nicholls-Lee-Nicholl裁剪算法

探讨了将传统一般平面中Nicholls-Lee-Nicholl(NLN)裁剪算法推广到三维空间。通过在窗口周围建立更多的分区,避免了一般线段裁剪算法中为求出线段对窗口的端点须进行许多无谓的计算的缺点,性能上有所提高,并与三维空间中常用的编码裁剪法,Liang_Barsky算法和Cyrus-Beck算法进行了性能比较。     

基于裁剪窗口顶点和对角线的二维线段快速裁剪算法

根据二维线段与矩形窗口顶点和对角线的位置关系，介绍一种二维线段的矩形窗口裁剪算法，以减少裁剪求交的次数，从而减少算法的运算量，达到快速裁剪线段的目的。     

一种高效的一般多边形线段裁剪算法

直线段的裁剪是图形绘制中的基本问题,针对当前主流的直线段裁剪算法,或者不能适应一般多边形窗口的裁剪,或者在复杂裁剪情况下裁剪效率低下的问题,提出了一种高效的一般多边形线段裁剪算法.该算法排除掉明显不在裁剪窗口内的直线段,以及相交于伪交点的情况,再利用改进的交点计数法确定位于窗口内的区间.实验结果表明,该算法不仅具有高效性,还能适应于复杂的裁剪情况.     

二维线段裁剪算法的分析与探索

线段裁剪是计算机图形学需要解决的基本问题之一。在对常见的线段裁剪算法分析的基础上,针对Cohen-Sotherland算法的改进进行了探索。利用合理构造分割窗口的辅助线,实现线段和窗口间位置关系的更精确判断,避免了无效交点的计算,提高了裁剪算法的整体效率。改进思路也同样适用于其他的裁剪算法。     

具有最少算术运算量的二维线裁剪算法

本文在分析现有二维线裁剪算法的基础上,提出了具最少算术运算量的算法.新算法充分利用了矩形裁剪窗口的凸性和窗口边界线平行于坐标轴的特性,沿两组平行的窗口边界线对线段进行裁剪.通过将被裁剪线段定义为有向线段、确定窗口边界的进出边,避免了不必要的求交计算.实际算例表明,这一算法比当前国际上最快的线裁剪算法省时约一年.     

二维线段的矩形窗口逐边裁剪算法研究

本文详细介绍了一种二维线段的矩形窗口逐边裁剪算法。该算法充分利用了矩形窗口的凸性和窗口边界平行于坐标轴的特点，通过对二维线段与窗口边界的各种相对位置关系进行详细分类，以减少裁剪求交的次数，从而减少了算法的算术运算量，达到快速裁剪线段的目的。该算法原理简单，便于理解和实现，且运算速度较快。     

一种有效的任意多边形的线裁剪新算法

根据多边形窗口各顶点与被裁剪线段的两端点分别在x轴、y轴上的坐标,首次提出窗口边界与被裁剪线段相交的必要条件,有效地排除与被裁剪线段不相交的多边形窗口边界,避免了求交带来的大量乘除法运算.算法思想简单,极大地提高了裁剪的效率.     

基于窗口与线段双重几何变换的线段裁剪新算法

鉴于裁剪算法中求交的时间复杂性和求交的技术必要性,如何尽快舍弃与窗口根本不相交的冗余线段成为提高裁剪效率的关键。鉴于传统编码技术取舍线段的高效性,引入一次编码技术;针对一次编码技术的局限性,文章首次提出窗口几何变换的概念,并引入二次编码技术,通过广义窗口高效舍弃冗余线段,尽量避免求交运算;后续流程引入线段几何变换技术实施裁剪,尽可能加快求交进程。窗口变换与线段变换集成的双重变换技术,将线段重新划分为六类,分别采取高效的处理策略,算法实现表明裁剪算法效率显著提高。该文算法具有一定的理论意义和普遍的应用意义。     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

一种基于PBIL算法和变焦算法的混合算法

基于群体的增量学习(PBIL)算法具有运行过程简单、解决问题快速准确的优点.本文采用二进制编码,针对二进制编码的算法从二进制最高位到最低位依次收敛的多米诺现象,提出一种变焦算法用来提高PBIL算法的搜索效率和求解精度.基于多组不同维数的Benchmark函数的仿真结果表明,混合算法具有全局收敛、求解精度及搜索效率高的优点.     

递归算法与高效算法

文章通过实例给出了采用母函数法同时解决递归算法的两个问题:复杂递归算法的时间复杂度的求解问题和递归算法到高效算法的转化问題,并由此设计出高效的组合算法.     

基于EM算法和PSO算法的混合优化算法

针对粒子群优化算法容易陷入局部最优解并且存在过早收敛的问题,将类电磁机制算法中的吸引-排斥机制引入到粒子群优化算法中,提出一种类电磁机制算法和粒子群优化算法的混合优化算法(EMPSO).首先按照基本粒子群优化算法的寻优方式对各粒子进行更新,再利用类电磁机制中的吸引-排斥机制对个体最优粒子和群体最优粒子进行移动,最后通过几个标准测试函数进行了测试,并与标准粒子群算法(PSO)、免疫粒子群算法(IPSO)、混沌粒子群算法(CPSO)进行对比.测试结果表明,改进算法提高了全局搜索能力和熟练速度,改善了优化性能.     

基于Apriori算法的改进算法

挖掘关联规则是数据挖掘中一个重要的课题,产生频繁项目集是其中的一个关键步骤。提出了一种改进算法,并将该算法与Apriori算法进行了比较。该算法只需要对数据库扫描一遍,并且存放辅助信息所需要的空间也少,结果表明该算法对关联规则挖掘较为有效。     

基于SAC的特征选择算法

特征选择通过移除不相关和冗余的特征来提高学习算法的性能。基于进化算法在求解优化问题时表现出的优越性能,提出FSSAC特征选择方法。新的初始化策略和评估函数使得SAC能将特征选择作为离散空间搜索问题来解决,利用特征子集的准确率指导SAC的采样阶段。在实验阶段,FSSAC结合SVM,J48和KNN分类器,通过UCI数据集完成验证,并与FSFOA,HGAFS,PSO等算法进行了比较。实验结果表明,FSSAC可以提高分类器的分类准确率,且具有良好的泛化性能。除此之外,对FSSAC和其他算法在特征空间维度缩减情况方面做了对比。     

递归算法的非递归化研究

1 引言在工程实际中,有许多概念是用递归来定义的,数学中的许多函数也用递归来表达。一个递归算法的执行过程类似于多个函数的嵌套调用,只是主调函数和被调函数是同一个函数而已,在执行过程中,信息的传递和控制的转移必须通过栈来实现,这就导致空间耗费大,执行效率较低,尤其是当递归深度较深时,不但耗费的空间大而且执行的效率也相当低,这是递归算     

基于混沌优化与人工鱼群算法的混合算法研究

针对人工鱼群算法和混沌优化算法的特点,将人工鱼群算法与混沌优化算法相结合提出一种混合算法。此混合算法是利用混沌变量敏感性来提高人工鱼群初始群体解的质量;然后利用混沌的遍历性和随机性扰动使鱼群算法摆脱局部极值点,提高全局收敛性。仿真实验结果表明了混合算法的有效性。最后,给出了在一定条件下提出的混合算法的收敛性证明。     

基于欺负算法的优化算法

分布式算法中的欺负算法在选举协调者的过程中由于传输了大量信包而导致性能降低。该文在分析原有算法及其数学模型的基础上,提出一种优化算法并建立了相应的数学模型,对2种算法进行比较可以得出,优化算法在避免了选举失败或选举错误的基础上有效降低了选举过程中信包的传输数量,提高了通信性能,避免了网络延迟和网络拥塞。     

基于改进PSO-TrICP算法的点云配准

针对传统迭代最近点（Iterative Closest Point,ICP）算法在初始空间位置偏差大时,容易陷入局部最优的问题,提出一种基于改进PSO-TrICP算法的点云配准方法。首先,对传统粒子群（Particle Swarm Optimization,PSO）算法进行改进,引入适应度的相似度测量准则调整粒子的更新方式,然后加入历次迭代的全局最优解的均值作为新的学习因子避免求解过程中出现“早熟”现象;其次用刚性变换参数和点云间的重叠率组成粒子,利用改进PSO算法为配准提供良好的初始相对位置;最后,通过裁剪迭代最近点（Trimmed Iterative Closest Point,TrICP）算法估计点云间的空间变换。实验结果表明,改进PSO-TrICP算法的配准精度与运行效率优于近年提出的同类配准算法,且具有较好的鲁棒性。