一种基于图像的植物器官重建

该文提出了一种基于植物器官图像的器官重建方法,系统实现步骤包括:图像预处理、轮廓的提取、二值化、细线化、矢量化、三角剖分,从而实现器官的重建。文章以叶为例,实现了叶可视化重建。系统考虑叶图像的特点,设计了优化的轮廓提取算法;并对Hilditch细线算法进行改进,提出了一种快速细线化算法。文章提出的器官重建方法可用于多种植物模型(如L系统)的器官外观建模;由于采用基于图像的技术,系统具有逼真的外观效果,实现了植物器官快速可视化重建。     

引入软件设计模式的面向对象程序设计教学方法

针对本科面向对象程序设计语言教学中存在的主要问题,在分析软件设计模式的面向对象特性灵活体现和应用的基础上,提出把软件设计模式引入面向对象程序设计教学的观点,并分析引入软件设计模式的教学方法。结合Java程序设计语言的教学实际,在理论和实践教学中取得了提高学生面向对象程序设计能力的教学效果。     

Delaunay三角剖分在离群点检测中的应用

在传统的基于[K]近邻的算法中,需要为算法设置邻居参数[k]的值,只有具备相关的先验知识才能确定合适的参数值。为了减少参数对于离群点检测的影响,提出了一种无需参数的基于Delaunay三角剖分的离群点检测算法。Delaunay三角剖分是数值分析以及图形学中的重要基础理论,它的构建无需任何参数,在三角剖分图中的每个数据对象与它空间上相邻的点都存在边直接相连,因此可以形成一种有效的邻居关系。算法首先通过Delaunay三角剖分形成每个点的空间邻居集合,然后根据每个点与它们空间邻居之间的分布特征,计算它们的离群程度,根据离群程度的大小判断该点是否为离群点。通过实验与相关的算法比较,算法具有更好的效果。     

基于IIS与ASP技术的网络辅助教学系统

应用网络辅助教学系统成为许多高校教学方法改革的一个重要方向,它可以有效补充传统教学手段的不足。本文采用IIS和ASP技术,对构建网络辅助教学系统的开发环境、系统结构、辅助教学功能的实现和系统安全处理进行了分析和讨论。     

快速混合Web文档聚类

提出了一种使用后缀树聚类算法优化K-means文档聚类初始值的快速混合聚类方法STK-means。该方法首先构建文档集的后缀树模型,使用后缀树聚类算法识别初始聚类、提取K-means聚类算法初始值中心值。然后,把后缀树模型的节点映射到M维向量空间模型中的特征项,利用TF-IDF方案计算基于短语的文档向量特征值。最后,使用K-means算法产生聚类结果。实验结果表明该方法优于传统K-means聚类算法和后缀树聚类算法,并具备了这些算法聚类速度快的优点。     

果树单果生长建模方法研究

研究了果树单果生长过程的建模算法。首先针对Bézier曲面改进微分L-system,以加强其封装性;设计了一种单果生长过程建模的通用算法;以柑橘和苹果果实为例,采用该算法进行建模实验,结果表明该算法对果树单果生长过程的模拟能达到较好的效果。     

基于混沌映射的Hash函数及其在身份标识认证中的应用

对用户身份标识进行加密、隐秘存储与认证是软件等版权保护所必须首先经历的步骤。论文首先给出了一个分段线性混沌映射,并构造了其复合函数,进而分析了它们的统计特性;为实现身份标识加密,构建了基于混沌映射的Hash函数,并在此基础上进一步构造了生成隐含身份标识的认证证书的Hash函数。试验结果表明,该算法准确、安全、高效、实用。     

面向移动自组网的Web服务元数据描述*

从建立面向移动自组网的Web服务应用的平台出发,针对移动自组网的特点和该环境内Web服务应用的特征,提出了一种基于语义的元数据描述模型,并结合该元数据描述模型设计了高效可行的服务匹配策略。实验表明该元数据描述模型可以充分体现移动终端的变化性和时间性,与之结合使用的匹配策略算法在实用性明显优于Jini等方式实现。     

基于自然最近邻居的社团检测算法

针对传统社团检测算法无法判断网络中特殊节点和SCAN算法对于参数依赖性太大的缺点,提出了一种基于自然最近邻居概念的社团检测算法CD3N.算法利用自然最近邻居无参的特性,首先以结构相似度为基准,计算出网络节点的自然最近邻居,并依此构造小值最近邻域图;然后取邻域图中邻居数最多的节点为核心节点,根据可达关系,构造关于核心节点的社团;重复选取核心节点并构造社团的过程,直到没有可归入社团的节点.将算法应用到空手道俱乐部网络和海豚网络中,并与SCAN算法进行对比.实验结果表明,CD3N算法有效解决了参数敏感性问题,能够很好地进行社团检测.     

一种基于图像的快速虚拟植物可视化重建

提出了一种视觉意义上快速植物三维重建方法，近似重构一株视觉上“相似植物”。该方法利用已有的植物结构信息，基于图像分割和三维重构技术，获取植物轮廓从而重构植物的骨架；结合植物真实图像修正生成的植物模型，最终生成视觉“真实”植物。该方法基于图像的三维重构技术，避开了植物复杂的形态结构规则提取，实现“快速意义”的重建，并采用真实图像验证技术，确保视觉上的近似，提高了对最终生成图像的控制度。