任意多面体的剖分算法及应用

本文提出了一种将任意多面体剖分为四面体的算法，给出了算法理论基础的证明、算法具体实现步骤及所用数据结构。该算法首先根据多面体类型，查找出符合剖分要求的多面体一个面与一个顶点，构成一个简单多面体，将原多面体剖分为该简单多面体和一个新的多面体，再 对新的多面体重复剖分，直到多面体全部剖分为简单多面体。每个简单多面体进一步剖分为四面体。最后，文章讨论了该算法在机器人碰撞检测中的应用。     

基于成功回路的凹多面体的剖分算法

提出了一种对任意凹多面体不添加顶点的凸剖分方法,该算法首先把凹多面体抽象为无向图,无向图的顶点为多面体的顶点,边为多面体的棱和对角棱,权值为棱或对角棱的长度,然后根据普利姆算法构造最小生成树的思想来构造一个成功回路,利用该回路对多面体进行剖分。重复执行此过程,直到剖分后的所有多面体都是非凹的。该算法能够对多面体进行不添加顶点的剖分,同时可以对任意凹多面体多面体进行剖分,包括含有空洞的凹多面体。     

一个快速通用的多面体隐藏线消除算法

隐藏线消除是加快图形明暗描绘的一种重要方法，传统的隐藏线消除算法无法满足复杂多面体或场景的明暗描绘的要求，文中提出了一种快速通用的多面体隐藏线消除算法，它适用于单个凹多面体、单个凸多面体以及由多个凹多面体或凸多面体组成的场景的隐藏线消除。     

二维半多面体消隐快速算法

一般多面体的消隐，算法复杂，计算工作量大，但对于二维半多面体，同可利用其特点，使得消隐算法得到简化，本文就二维半多面体消隐进行了分析，提出了一种快速消隐算法，这种算法不用做深度测试，求交计算量也非常小。     

两种三维图形消隐算法的改进

在介绍了Ｒｏｂｅｒｔｓ算法和画家算法的基础上，提出了其改进算法。前者的改进算法克服了用于凹体或多个形体时不可行的缺点，可实现任意数目和形状的三维形体的隐线消除；而后者的改进算法则克服了要满足物体的表面顺利排序的要求而只能是方体和效率较低的不足，一次成图，省去反复覆盖，且对物体的数目和形状不限。     

一类基于迭代空间条块的并行有限差分Stencil 算法

高效的并行有限差分Stencil 算法对于求解大型线性方程组是十分重要的.针对并行有限差分Stencil 算法中数据局部性差、同步和通信开销大的问题.首先改进传统有限差分Stencil 算法,提出了多层对称遍历有限差分Stencil 算法.然后给出了以迭代空间条块序作为执行序的串行算法,通过沿时间轴对迭代空间进行时滞划分,在不改变迭代算法性质的同时,对迭代空间条块内部多次迭代计算,提高算法的数据局部性.最后提出一种基于迭代空间条块的并行算法,该算法利用改进的多面体模型对迭代空间网格划分,并通过网格条块重排序减少了Cache 缺失率、通信启动和同步次数.理论分析和实验结果表明,该并行模型比传统的区域分解方法和红黑排序并行算法具有更好的数据局部性,并行效率和可扩展性.     

一种实用的点/多面体分类算法

本文基于多面体表面的局部特性,提出了一种新的点/多面体分类算法,该算法适合于用边界表示法表示的任意多面体,可靠性高,具有很强的实用性。     

基于多面体方法的时变约束系统控制算法

基于多面体方法的约束系统控制算法能有效地处理存在状态量和控制量凸约束的定常系统的控制问题,采用多面体方法对时变约束系统的稳定控制方法进行了研究．针对时变约束系统的模型参数是变化的特点,提出了一种约束系统的动态控制算法．仿真结果表明,该算法能保证约束时变系统的稳定性．     

柔性多面体在遗传算法中的应用研究(I)

文章提出了一种柔性多面体的方向进化算子,并在基本遗传算法中嵌入柔性多面体搜索算法,从而构成了一种基于柔性多面体的新的混合遗传算法(flexiblepolyhedronhybridgeneticalgorithm,FP_HGA)。方向进化算子紧跟基本遗传算法的变异操作之后,其作用是使适应度较低的个体向适应度较高的个体进化;柔性多面体局部搜索算法作用是对当前代所有新个体在进入到下一代之前,使它移动到局部最优点。并用FP_HGA来求解Rosenbrock测试函数的最小值,FP_HGA算法和SGA(SimpleGeneticAlgorithm,SGA)算法的计算结果表明该混合遗传算法在收敛速度和精度方面均得到很大提高。     

循环插入排序法

文章提出了一种循环插入的排序方法。给出了算法思想、算法描述、算法分析和实验结果。其理论意义是改进了一类时间复杂度为O(N2)排序法的时间复杂度,其实用价值是该排序法在一类时间复杂度为O(N2)排序法中排序效率较高的,其平均排序速度比直接插入排序法、选择排序法、冒泡排序快50%～63%。     

在灰度图上叠加线框图的一种新方法

在有色调明暗变化的灰度图上叠加线框图的显示,有利于人们进行更好的观察.但已有的各种叠加方法均是依赖深度值比较进行操作的.它们不仅没有完全解决线框图显示时的断续现象,而且还会导致被遮挡面的线框也被显示的错误.对此,提出一种不进行深度值比较的方法.利用线框与面片的相关性及面片间的遮挡关系进行比较的操作,使得线框图不仅能得到高质量的叠加绘制,而且不必进行深度值的计算.     

基于聚类遗传算法的神经网络规则抽取及应用

提出了一种基于Gabor滤波器和神经网络规则抽取的烘焙面包品质分类方法。滤波器对烘焙面包切片区域灰度图像直接进行小波变换,用能量均值"和均方差!来表示灰度图像的纹理特征,并基于对隐层神经元输出值聚类的遗传算法实现了对面包品质分类的规则抽取。实验结果表明了该方法的实用性和可行性。     

Cross Scan Buffer and its Applications

We propose the Cross Scanline Buffer which preserves the result of hidden surface removal as performed by the Cross Scanline Algorithm. The Cross Scan Buffer reduces image re-generation time and eliminates aliasing artifacts even if the image is arbitrarily scaled. Perfect anti-aliasing is achieved because the Cross Scanline Algorithm analytically determines visible polygonal surfaces and divides them into sets of triangles and trapezia. The Cross Scan Buffer supports the various applications that currently use the conventional buffering methods for anti-aliasing. This paper introduces and tests three applications: image scaling, shadow creation, and texture mapping. Experimental results verify that the Cross Scan Buffer is very powerful yet efficient.     

F5隐写算法及其隐写分析研究

图像隐写分析是检测、提取和破坏隐写图像中秘密信息的技术,是信息安全领域的研究热点之一.由Westfeld提出的F5隐写算法是一种重要的图像隐写算法.分析了F5隐写算法及其隐写系统,讨论了一种针对F5隐写算法的隐藏检测方法,并给出了具体实现的算法.实验结果表明,F5算法采用矩阵编码,提高了嵌入效率.     

Faults diagnosis of a centrifugal pump using multilayer perceptron genetic algorithm back propagation and support vector machine with discrete wavelet transform‐based feature extraction

This paper presents a comparative study of two artificial intelligent systems, namely; Multilayer Perceptron (MLP) and support vector machine (SVM), to classify six fault conditions and the normal (nonfaulty) condition of a centrifugal pump. A hybrid training method for MLP is proposed for this work based on the combination of Back Propagation (BP) and Genetic Algorithm (GA). The two training algorithms are tested and compared separately as well. Features are extracted using Discrete Wavelet Transform (DWT), both approximations, details, and two mother wavelets were used to investigate their effectiveness on feature extraction. GA is also used to optimize the number of hidden layers and neurons of MLP. In this study, the feature extraction, GA‐based hidden layers, neurons selection, training algorithm, and classification performance, based on the strengths and weaknesses of each method, are discussed. From the results obtained, it is observed that the DWT with both MLP‐BP and SVM produces better classification rates and performances.     

A parallel Bees Algorithm implementation on GPU

Bees Algorithm is a population-based method that is a computational bound algorithm whose inspired by the natural behavior of honey bees to finds a near-optimal solution for the search problem. Recently, many parallel swarm based algorithms have been developed for running on GPU (Graphic Processing Unit). Since nowadays developing a parallel Bee Algorithm running on the GPU becomes very important. In this paper, we extend the Bees Algorithm (CUBA (i.e. CUDA based Bees Algorithm)) in order to be run on the CUDA (Compute Unified Device Architecture). CUBA (CUDA based Bees Algorithm). We evaluate the performance of CUBA by conducting some experiments based on numerous famous optimization problems. Results show that CUBA significantly outperforms standard Bees Algorithm in numerous different optimization problems.     

数据窗口转存为其他文件时列标题显示问题的解决方法

PowerBuilder的数据窗口是一个功能强大的数据检索工具，但在用SaveAS()函数将数据窗口中的数据转存为其他形式的数据文件时，产生的新文件的数据列标题往往不能准确表达该列的含义，本文在分析数据窗口对象源代码语法的基础上，使用PB的Library Painter中的Export和Import工具，对数据窗口源代码进行修改，完美地解决了数据窗口输出时的列标题问题。     

基于自适应小生境递阶遗传算法的RBF均衡器

递阶遗传算法(HGA)一次只能确定一个最优个体。采用小生境递阶遗传算法,依据进化信息自适应调整小生境区域,在均衡数据误比特率最低,隐层中心聚类有效性最佳的基础上,可以从多个进化优解中确定出最佳结构的径向基(RBF)神经网络均衡器。仿真结果验证了算法的有效性和稳定性。     

基于改进GA-Elman的无线智能传播损耗预测方法

在5G移动通信系统商用落地的背景下,设计准确、高效的信道估计方法对无线网络性能优化具有重要意义。基于改进GA-Elman算法,提出一种新的无线智能传播损耗预测方法。对Elman神经网络中的连接权值、阈值和隐藏神经元进行实数编码,在隐藏神经元编码中加入二进制控制基因,同时利用自适应遗传算法对权值、阈值和隐藏神经元数量进行优化,解决网络易陷入局部极小值和神经元数目难以确定的问题,从而提高预测性能。仿真结果表明,与仅优化连接权值及阈值的GA-Elman神经网络和标准Elman神经网络相比,该方法具有较高的预测精度。     

Fraction images derived from NOAA AVHRR data for studying the deforestation in the Brazilian Amazon

Considerable variation in the performance of passive microwave global rainfall algorithms, both spatially and temporally,was revealed by the first WetNet Precipitation Intercomparison Project, PIP-1, with no one algorithm achieving the best results, in all locations, and all the time. In this paper a Composite Algorithm Procedure is described for the Special Sensor Microwave/Imager (SSM/I) algorithms submitted to PIP-1, that attempts through combining the best algorithm results from different regions of the globe to achieve better overall global rainfall estimates than are possible from any individual algorithm alone. The Composite Algorithm Procedure (CAP) involves the segmentation of the globe into homogeneous regions, the production of validation statistics for the various algorithm results in the different regions, and the identification of combinations of algorithms which perform best globally. The segmentations were based on aspects of the spatial and temporal variability of rainfall, or the microwave properties of the surfaces of the Earth. Initial results for the Composite Algorithm Procedure are presented for a sample month (October 1987): these confirm that improved global rainfall products can be produced in this way. Code detailing a selected Composite Algorithm based on the segmentation method of the microwave properties of the Earth has been supplied to the WetNet Support Group at the Marshall Space Flight Center, Huntsville, Alabama, for experimental, regular production of global rainfall data sets on a near real-time basis.