高分辨率图形卡TVGA及交互配色的实现

本文介绍ＴＶＧＡ卡的ＶＲＡＭ结构及映射方法，研究Ｔｕｒｂｏ Ｃ语言与ＴＶＧＡ卡的彩色数模转换器ＤＡＣ硬件接口技术，用上述方法实现了ＴＶＧＡ卡５ＦＨ模式下图形变互配色的设计，文中给出了演示应用源程序。     

利用Vista和WCF开发P2P软件

利用Windows Vista 的增强功能并结合PNRP(对等名称解析协议)、PNM(People Near Me)和WCF(Windows Communication Foundation)引进的PeerChannel功能,解决了传统的P2P应用程序开发中的常见问题.     

一种结合层次结构和KNN的Web文本分类方法

在Web文本分类中当类别数量庞大或者类别复杂情况下,层次分类是一种有效的分类方法,但其不足之一是在大类正确划分的前提下,由于子类之间存在较多共性,导致分类精度下降.而层次结构本质决定了同一大类下的子类存在特征交叉现象,针对这一局限性,结合KNN的优越性能,提出了一种结合层次结构和KNN的Web文本分类方法.该方法通过建立层次结构模型(树形结构),分类时先从层次结构模型获得相似度最大的k0个类别,然后在k0个类别训练文档中抽取部分代表样本采用KNN算法,最后由一种改进的相似度计算方法决定最终的所属类别.实验表明,结合层次结构和KNN的方法在Web文本分类中能够获得较好的分类效果.     

模S下的AND/OR图的启发式搜索算法NAO

本文首先定义了一类新的AND/OR图:图中的结点或为AND结点或为OR结点,而不能是混合型结点,并定义其路径耗散值用三角模S来度量和计算,使其更具有普遍意义,作为通常的AND/OR图AO~*算法的推广,本文依照普通图A~*算法中的启发式估价函数f=g+h,将新AND/OR图中的启发式估价函数F分成G、H两部分,并据此提出了NAO~*算法。本文的结论表明:NAO~*算法与AO~*算法有本质的不同;当H≤H~*时NAO~*可采纳,而且其结果极易推广到一般的AND/OR图中去。     

一种基于加权复杂网络特征的K-means聚类算法

在分析了传统的基于划分的K—means聚类算法的优越性和存在不足的基础上，根据近两年复杂网络研究中部分新的理论成果，提出了复杂网络加权度、加权聚集度与加权聚集系数的定义，并将数据聚类转换为复杂网络上的节点聚类，提出基于加权复杂网络特征的K—means聚类算法（简称WCNFC算法）。实验结果表明，该算法根据节点加权复杂网络特征值，能够较好地找到聚类中心，有效地避免了对初始化选值敏感性的问题，从而使得聚类质量大大提高。     

基于Modular网络和EM-SFM算法的模糊Sugeno模型

基于Modular网络重新解释了广为使用的模糊Sugeno模型。随后,EM算法,提出了该模型的新算法EM－SFM。证明了该算法的线性收敛法,分析了它的收敛速度。     

基于ACIS的特征造型系统的开发与研究

论述了特征技术的基本原理，提出了一种新的特征造型系统模型和特征建模方法。结合作者正在开发的基于ＡＣＩＳ的三维特征造型系统－Ｉｎｔｅ－Ｓｏｌｉｄ系统的开发，详细阐述了这种建模思想。     

当代网络热点技术—高速交换网和ATM

本文从讨论传统共享网络的局限性开始，着重介绍了当代计算机网络技术的热门话题－高速交换网和ＡＴＭ技术。文章深入浅出阐明了这些新技术的基本原理，特点和发展前景。     

一种基于双精英种群的协同进化算法研究

针对传统带精英策略的多目标进化算法种群收敛分布不够均匀,全局搜索能力不足的缺点,提出一种基于双精英种群的协同进化算法DEPEA(Double Elite Populations Co-evolutionary Algorithm)。该算法借鉴了子区间划分和非支配排序思想,将整个种群划分成两个不同级别的精英种群和一个普通种群;两个精英种群结合协同进化思想分别采用不同的进化策略实现对算法的探究和探查能力的平衡,高级别的精英种群与低级别的精英种群采用协作操作,促进更优秀的个体产生;高级别的精英种群与普通种群采用引导操作,加快普通个体向精英个体逼近。通过对五个标准的测试函数进行实验,并与传统的NSGA-II算法和最新的hybird_MOEA算法结果进行比较与分析,表明该算法不仅具有更好的全局收敛性,且能够更好地保证种群的多样性。     

基于重心Delaunay三角剖分的蓝噪声点采样算法

为了生成带有高质量蓝噪声性质的采样分布,提出一种基于重心Delaunay三角剖分的点采样算法.该算法将Delaunay三角剖分与1-邻域三角片重心相结合,迭代地将每个采样点移至其1-邻域三角片的重心处并更新采样点之间的拓扑连接关系;重心通过给定的密度函数计算得出.实验结果表明,本文算法在运行效率与鲁棒性方面均有一定优势.