一类新疆民族风格的织物图案生成方法

独具文化内涵的新疆民族织物图案是中华民族艺术瑰宝的重要组成部分。 为了生成一类具有民族特色或风格的新疆织物图案,如何自动分割织物图案提取风格特征是 一个关键问题。论文以需求为驱动,提出了纹样基因的概念。首先利用连通区域标记法切割 图案,提取分割区域特征,根据投票原则过滤获得纹样基因;然后设计六边形构型,嵌入纹 样基因;按构型旋转变换生成具有民族风格的织物图案。以提取维吾尔族和哈萨克族两类民 族织物图案纹样基因,利用六边形结构堆砌生成图案进行仿真实验,并对图案的风格相似度 进行评价。结论是基于纹样基因的生成算法,不仅能够丰富图案风格化设计素材,而且为传 承民族图案风格设计提供新途径。     

一种基于图元方向变形的人体模型生成新算法

提出了一种基于图元方向变形的人体模型生成算法。通过图元截线点以及图元方向变形的方式获得了不同部位的人体图元,从而很好地避免了模拟函数所产生的误差。同时,利用图元网格生成与平滑连接相结合的方式生成了不同人体体型。该方法既可以使生成的人体图元被重复使用,不同类型图元的组合又可以使模型的生成更有针对性。实验结果表明,与传统方法相比,本方法生成的模型更加逼真,与模板模型差异更小。另外,由于图元模型的可重用性,也可进一步提高模型生成的效率。     

基于进化计算的地毯图案生成方法

新疆民族地毯图案具有独特的地域性、民族性和风格,如何保留和传承其风格特征是图案创新设计的难点。提出一种基于进化计算的创新设计方法。可通过分解地毯图案,分析其组成元素,抽取具有表征风格的特征予以进化计算,再生新型纹样,设计中还可以调整图案内容及结构来丰富花型变化,并通过不同顺序关系中元素组合增强图案的表现力,仿真实验表明该方法实现了生成具有风格化的创新图案,借助于主客观评价模型得到很高地认可。     

面向设计的装饰纹样基因生成算法研究

摘 要：如何在图案生成过程中加入文化元素,使得生成图案能够传承一定的文化内涵 是研究的关键问题。选取植物装饰纹样中的代表性纹样卷草纹作为研究对象,首先提出图 案文化基因概念,并在此基础上将一个卷草纹样中有代表性的曲线分支作为其图案文化基 因;进而提出一种改进的卷草纹样生成算法,从平衡因素进行考虑,利用 Runge-Kutta 方法 进行物理模拟粒子在向量场中运动并将其作为生成规则,将设置的初始基元集利用生成规 则进行卷草纹样的生成,同时设置曲线 ID 及区域 ID 防止不同分支之间相交或出界;最后 将其运用到地毯、建筑、瓷器、剪纸等方面进行再设计,从而能够很好地进行创新应用和 文化传承。     

一种新的图案纹样生成方法

解决如何用计算机生成具有民族风格的纹样的图案是一个富有挑战的问题.提出一种图案生成方法,基于图案基元的变换来快速生成具有民族风格的图案.首先,引入交互分割模型提取图案中具有代表性的意义相对独立的图案基元.设计图案基元的相似变换规则,产生分形基元矩阵.然后引入准Arnold变换规则,对基元分形矩阵进行扰动生成新图案.对图...     

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。     

CA与生命游戏演化的组合模型*

基于摩尔奇偶型CA,提出一种结合生命游戏的演化模型.首先设置初始构型进行摩尔奇偶型规则演化,再引入生命游戏规则,按游戏规则演化;最后依此重复摩尔奇偶规则和生命游戏规则,直到演化整个元胞空间.证实在摩尔奇偶型CA的基础上,结合生命游戏在很大程度上减小了演化过程对初始构型的依赖,出现更为丰富的图元以及基于图元和演化框架的动态图案,且演化过程仍然符合摩尔奇偶型CA的演化规律.结合模型可以避免演化过度依赖初始构型以及演化过程的单调性,而且组合演化模型可以应用于图案生成,生成保持风格的规则几何纹理图案,丰富图案的生成方法.     

新疆民间艺术图案数字化技术

目的:解决如何进行数字化具有民族风格的图案纹样是一个富有挑战的问题.方法:以新疆民族民间织物图案的数字化设计为实例,提出一套研究织物图案的计算机辅助设计方案.首先,分割织物图案,抽取图案基本元素,构成多级图案基元库;然后采用路径、图层、画笔预设、区域选择及多方案组合的设计技术,实现基于PhotoShop的织物图案设计方...     

基于圆堆砌的纹理生成方法

人造的装饰性纹理在人们的生活中得到了广泛地应用。传统的基于实例的纹理生成方法首先会在目标区域放置一些很小的图元,然后通过迭代的方式让这些图元增长,最后填充整个目标区域。在迭代的过程中相邻的图元之间会发生交叉与覆盖,因此需要对图元做变形、裁剪或其他处理,然而这种处理方式往往会花费大量的时间。基于过程化的方法通过设计很多结构复杂的规则,在二维平面生成具有丰富层次的纹理,但这种方法比较难拓展到三维空间。本文提出了一种基于圆堆砌的纹理生成方法,可以生成二维或三维的纹理。圆堆砌问题属于NP-hard问题,本文将该问题转换成一个最优化问题,从而能够快速近似求解,求解出圆堆砌后就可以在圆上定义规则来对圆形进行填充或替换以生成纹理。由于采用的是设计规则的方式生成纹理,该方法可以避免图元之间发生的交叉覆盖的问题。     

利用带约束的图案变形算法生成笔划效果

提出一种利用带约束规则的变形图案生成各种笔划效果的方法,将笔划定义成一个图案模板（称为笔划模板）,并运行基于路径的笔划模板变形算法来产生笔划。引入了三种变形约束规则;位置约束、形状约束和重复性约束。通过这些约束规则,可以控制笔划的变形效果,达到“智能变形”的目的。作为一种非真实感图形绘制技术,文中方法可以用于艺术创作、印染以及陶瓷花纸等工业的图案设计领域。     

基因理论下品牌识别的整合性设计

品牌识别设计应该以品牌基因为主导进行设计概念、设计方法、设计管理的整合性设计变革。本文通过以基因理论作为方法论的启发,根据品牌基因在品牌识别设计中的作用符合关于准确性,一致性,生长性和系统性的要求,提出了基于品牌基因的品牌识别的整合性设计方法。并对如何实施这一方法进行了详尽的实例说明和分析。     

考虑样本不平衡的模型无关的基因选择方法

在基因表达数据分析中,鉴别基因是后续研究中非常重要的信息基因.有很多研究致力于从基因表达数据中选出信息基因这一挑战性工作,并提出了一些基因选择方法.然而,这些方法(特别是非参数选择方法)都没有考虑不同样本类别中样本大小的不平衡性问题.考虑样本不平衡性和基因选择方法的稳定性,给出一个全新的与数据分布模型无关的基因选择方法.在类内变化小和类间差别大的策略下,选择敏感的度量函数提高方法的鉴别能力,同时,利用类内变化和类间差别的一致性来增加方法的稳定性和适用性.这一方法不但可以应用于两个类别的情况,也可以应用于多个类别的情况.最后,使用两组真实的基因表达数据对所提出的方法进行了验证.实验结果表明,这一方法比其他方法具有更高的有效性和稳健性.     

Inclusion of Textual Documentation in the Analysis of Multidimensional Data Sets: Application to Gene Expression Data

Recently, biology has been confronted with large multidimensional gene expression data sets where the expression of thousands of genes is measured over dozens of conditions. The patterns in gene expression are frequently explained retrospectively by underlying biological principles. Here we present a method that uses text analysis to help find meaningful gene expression patterns that correlate with the underlying biology described in scientific literature. The main challenge is that the literature about an individual gene is not homogenous and may addresses many unrelated aspects of the gene. In the first part of the paper we present and evaluate the neighbor divergence per gene (NDPG) method that assigns a score to a given subgroup of genes indicating the likelihood that the genes share a biological property or function. To do this, it uses only a reference index that connects genes to documents, and a corpus including those documents. In the second part of the paper we present an approach, optimizing separating projections (OSP), to search for linear projections in gene expression data that separate functionally related groups of genes from the rest of the genes; the objective function in our search is the NDPG score of the positively projected genes. A successful search, therefore, should identify patterns in gene expression data that correlate with meaningful biology. We apply OSP to a published gene expression data set; it discovers many biologically relevant projections. Since the method requires only numerical measurements (in this case expression) about entities (genes) with textual documentation (literature), we conjecture that this method could be transferred easily to other domains. The method should be able to identify relevant patterns even if the documentation for each entity pertains to many disparate subjects that are unrelated to each other.     

肿瘤诊断中的特征基因提取

基于基因表达谱的特征基因提取方法已经成为当今研究肿瘤分子诊断的热点,但由于基因表达谱数据存在维数过高、样本量很小以及噪音很大等特点,使得肿瘤特征基因选择成为一件有挑战性的工作。提出了一种新的寻找特征基因的方法。首先基于区间间隔或覆盖比的方法来初步选出一些特征基因,而后删掉其中的冗余基因,达到以最少的基因数得到更高的分类准确率的目的。实验采用了3种肿瘤样本集来验证新算法的有效性。针对这3个样本集,只要2或3个特征基因就能得到100％的5-折交叉验证识别准确率。与其他肿瘤分类方法相比,显示了它的优越性。     

基于因果关系挖掘的概率基因调控网络的构建

科学的基因聚类方法是构建基因调控网络的前提,但仅以聚类作为构建网络的主要手段只能找到共同调控的基因,不能精确反映基因之间的相互作用过程。贝叶斯网络模型通过基于图的方式求得多变量之间条件独立的概率因果关系,但因其计算复杂性受到应用层面的限制。该文综合考虑几方面因素,在对基因进行聚类基础上,通过对调控关系的预测获得对目标基因的调控基因组,再利用LCD(local causal relation discovery)方法通过限制搜索条件发现基因间的独立关系,进而获得基因调控网络。实验结果表明了该方法的可行性和有效性。     

基于MDA-RS算法的特征基因选取方法*

建立病变组织分类模型的关键在于找出一组能准确区分样本类别的特征基因。糙集理论中的属性依赖度分析方法能对目标数据进行有效分析。基于属性间的依赖关系和属性对决策的影响存在这样的关系,即属性依赖度越大,属性就越重要,对决策划分的影响就越大,提出了一种属性最大依赖度(maximum dependency of attributes based on rough sets,MDA-RS)算法,并将其应用于特征基因选取。首先用启发式K-均值聚类算法对基因进行聚类分析得到类数为k的基因子集;然后用MDA-RS选出每类的     

Identification and prioritization of differentially expressed genes for time-series gene expression data

Identification of differentially expressed genes (DEGs) in time course studies is very useful for understanding gene function, and can help determine key genes during specific stages of plant development. A few existing methods focus on the detection of DEGs within a single biological group, enabling to study temporal changes in gene expression. To utilize a rapidly increasing amount of single-group time-series expression data, we propose a two-step method that integrates the temporal characteristics of time-series data to obtain a B-spline curve fit. Firstly, a flat gene filter based on the Ljung–Box test is used to filter out flat genes. Then, a B-spline model is used to identify DEGs. For use in biological experiments, these DEGs should be screened, to determine their biological importance. To identify high-confidence promising DEGs for specific biological processes, we propose a novel gene prioritization approach based on the partner evaluation principle. This novel gene prioritization approach utilizes existing co-expression information to rank DEGs that are likely to be involved in a specific biological process/condition. The proposed method is validated on the Arabidopsis thaliana seed germination dataset and on the rice anther development expression dataset.     

节气文化基因的数字化设计

将二十四节气的文化基因融入到数字化设计中,提高用户参与度、积极性,扩大传播范围,加快传播速度,实现对二十四节气文化更好的保护传承。通过感性分析法、形状文法等对节气进行研究后提取节气内涵、色彩及形态基因,结合数字化技术并借助计算机辅助设计手段进行设计。通过李克特五点量表法对同类产品进行对比分析与设计实例《节气宝宝》共同论证将节气文化基因进行数字化设计是可行的。该思路既节约非遗保护成本,又能达到较好保护效果,为其他非遗传承保护提供新的借鉴。     

肿瘤信息基因启发式宽度优先搜索算法研究

基于基因表达谱的肿瘤检测方法有望成为临床医学上一种快速而有效的肿瘤分子诊断方法,但由于基因表达谱数据存在维数过高、样本量很小以及噪音很大等特点,使得肿瘤信息基因选择成为一件有挑战性的工作.根据肿瘤基因表达谱样本集的特点,提出了一种以支持向量机分类性能为评估准则的寻找信息基因的启发式宽度优先搜索算法,其优点是能够同时搜索到基因数量尽可能少而分类能力尽可能强的多个信息基因子集.实验采用了3种肿瘤样本集以验证新算法的可行性和有效性,对于急性白血病、难以分类的结肠癌和多肿瘤亚型的小圆蓝细胞瘤样本集,分别只需2,4和4个信息基因就能获得100%的4-折交叉验证识别准确率.与其它优秀的肿瘤分类方法相比,实验结果在信息基因数量及其分类性能方面具有明显的优越性.为避免样本集的不同划分对分类性能的影响,提出了一种能够更加客观地反映信息基因子集分类性能的全折交叉验证评估方法.