蚁群优化的简化

为了降低使用蚁群优化求解困难的组合优化问题的复杂性,将问题的启发式信息融合进信息素的初始化中,在解的构造过程中不再考虑问题的启发式信息.这样就消除了解的构造规则中平衡信息素信息和启发式信息的两个控制参数.三种蚁群优化模型在小规模的旅行商问题上的期望迭代质量表明,简化后的比经典的需要更多的迭代步到达最优解,但比不考虑启发式信息的需要少得多的迭代步;另一方面,在每个迭代步,简化后的比经典的需要更少的CPU时间.在中等规模的TSP算例上的试验结果也证实了这个结论.因此简化后的蚁群优化保持了原有的性能且降低了使用复杂性.     

流体动画方法综述

介绍了二维流体和三维流体动画方法。流体动画制作分为两步：流体表面建模和流体绘制。二维流体建模主要采用参数建模方法,基于傅立叶变换原理,合成波动的二维流体表面。三维流体建模一般基于Navier-Stokes流体方程,利用流体内部的速度建立流体表面的方程。流体绘制主要采用光线跟踪方法。流体动画的挑战和发展方向在于：流体动画控制、实时绘制、细节表现。     

增强现实系统的设计与实现

研究了一种基于平面特征的视频动态跟踪方法,通过计算出初始帧图像的虚实坐标之间的单应矩阵,可以计算出任意一帧的虚实坐标之间的单应矩阵,可以实现动态跟踪的目的。在此基础之上设计并实现了基于平面特征的增强现实动态跟踪系统,实现了视频的动态跟踪功能。该增强现实跟踪系统具有实时性好、简单、方便的特点。     

Clustering based segmentation of text in complex color images

We propose a novel scheme based on clustering analysis in color space to solve text segmentation in complex color images. Text segmentation includes automatic clustering of color space and foreground image generation. Two methods are also proposed for automatic clustering: The first one is to determine the optimal number of clusters and the second one is the fuzzy competitively clustering method based on competitively learning techniques. Essential foreground images obtained from any of the color clusters are combined into foreground images. Further performance analysis reveals the advantages of the proposed methods.     

特征基因挖掘的决策森林方法

基于决策树的基因芯片数据分析方法以追求样本最大分类正确率为目标,造成大量的部分相关基因被排除,不适用于挖掘复杂疾病的相关基因．为此,提出了特征基因挖掘的决策森林方法：从多组特征子集中识别重要疾病相关基因,每个子集根据自身对目标的分类能力被识别;通过抽样技术产生大量不同结构的训练样本,可以挖掘出高相关或部分相关基因．数值分析结果表明,该方法是生物类型分类和疾病相关基因挖掘的有效工具．     

基于视觉的增强现实技术研究综述鲻

增强现实技术是当前计算机视觉领域中的热点问题之一,本文系统综述了基于视觉的增强现实技术的研究现状.首先,对基于视觉的增强现实技术的研究现状进行了概述:其次,详细地阐述了该领域目前出现的新技术,包括三维注册技术、摄像机标定技术、跟踪技术、虚实光照的一致性以及AR实空间建模技术,继而论述了该领域在研究中存在的问题,并对该领域中需要进一步解决的问题进行了讨论;最后,对增强现实技术的进一步研究进行了展望.     

一个蚁群优化模型的期望性能分析

用蚁群优化求解组合优化问题时, 信息素模型及其规则可能使问题的各组件之间的竞争失衡, 从而有可能使蚁群搜索停滞在最差解。 研究了蚁群优化求解k-最小生成树问题时的信息素模型及其更新规则对性能的影响,对原有的信息素模型作出了新的解释:直接表示k-最小生成树问题的边被选择的概率。基于新的信息素模型设计了一种新的解的构造过程,这种过程不仅产生可行解, 也产生不可行解;同时研究了使用可行解和全部解更新信息素模型时算法的迭代期望质量随时间的增减情况,其结果表明, 只使用可行解时迭代期望质量随时间连续降低, 而使用全     

基于多阶段轨迹融合的交叉多目标检测与跟踪算法

构建了一种多阶段轨迹融合算法,预处理阶段利用局部对比度自适应门限抑制杂波,同时结合高阶相关滤波器剔除噪声和杂波边缘.在轨迹互联阶段,多阶段的双向搜索算法辅佐以目标航迹的能量累积,能够尽早锁定目标.实验分析表明,该方法能够准确的检测和跟踪作任意轨迹运动的多个点目标,在搜索空间和时间复杂度上明显优于传统的相关性算法.     

主动轮廓线模型(蛇模型)综述

在传统的计算机视觉领域,严格的各自独立的分层理论有广泛的影响.这种理论认为,底层的视觉任务的完成只能依赖于从图像本身获得的信息.Kass等人对这种模型提出了挑战,于1987年提出了称为Snake的主动轮廓线模型(active contour model).近10多年来,Snake模型在计算机视觉领域得到了广泛应用,取得了许多重要的进展.该文回顾了近10多年来Snake模型的研究、发展及应用情况,并对未来的发展方向进行了展望.     

一种分布式计算环境下并行应用的调度算法

在网络上运行并行程序不像在并行机上那样可靠,因此对于关键应用需要在应用级保证消息传输的可靠性.人们对以异步方式进行通信的并行程序的调度问题提出了大量的启发式算法,但是它们所产生的调度结果不能用于以同步方式通信的并行程序.提出的PRGSC算法可以防止由同步通信所引起的死锁问题,而且可以降低同步通信所带来的时延的影响.形式化地证明了死锁检测算法的正确性,并通过仿真实验说明了PRGSC算法有很好的调度质量.