基于多尺度分析与图割的快速图像分割算法*

以GrabCut算法为基础,引入多尺度分析方法,以塔式分解的多尺度图像序列代替固定尺度的原始图像序列估计GMM参数,将粗糙尺度的易分割性与精细尺度的精确性互补,使得算法以较少样本快速确定GMM参数,分割精度不减而效率显著提高。实验表明了算法的有效可行性。     

立体几何教学软件中的一个线消隐算法

立体几何教学软件要求场景中的几何体具有真实感,几何体被遮挡的边要随着视点的改变动态地以虚线形式输出,这与传统黑板教学中教师将几何体被遮挡的边画成虚线是一致的,符合学生的学习习惯,易于理解和接受。对三维立体场景中有名的线消隐算法——Roberts算法进行了研究并作了改进,在提高效率的同时将它与一定的数据结构相结合,实现了一种满足立体几何教学软件中把隐藏线以虚线形式输出的特殊要求的线消隐算法。经测试证明此算法是完全可行的。     

基于多梯度的区域自适应去马赛克算法*

针对Bayer格式的彩色滤波阵列,鉴于传统去马赛克算法存在图像纹理和边缘模糊的现象,提出了一种基于多梯度的区域自适应去马赛克算法.该算法利用区域水平和垂直方向的梯度组算子来判断区域平滑程度和插值方向,从而有效地恢复绿色分量,同时根据色度差恒定原理来还原另外两个丢失的颜色信息.实验结果显示,相对于传统插值算法提高了图像的峰值信噪比,锐化了图像的纹理和边缘,改善了图像的视觉质量.     

基于PCA的坐姿行为识别*

为了对坐姿下的几种行为进行识别,在分析常有坐姿的基础上,提出了通过PCA对八种不同姿势进行分类识别的方法。结合背景帧信息通过背景轮廓消减法提取运动目标区域,利用肤色在YCbCr空间聚集在一片固定区域且在CbCr平面上投影为一个近似椭圆的特性,在运动目标区域提取肤色区域,并对检测出的肤色灰度图进行PCA运算,实现了姿势识别。实验结果表明,所提出的利用PCA进行姿势识别的方法正确率达到84.92%,能够准确地识别坐姿行为,并且对运动阴影、光线变化具有良好的鲁棒性。     

基于规则的哈萨克语基本名词短语识别研究*

以哈萨克语基本名词短语识别为目标,采用基于规则的方法,从基本名词短语结构语法模型出发,利用哈萨克语基本名词短语的词性标记信息及构形附加成分信息,建立了基本名词短语规则集,设计了哈萨克语基本名词短语自动识别系统,实现了对30万词级哈萨克语语料库的基本名词短语标注。实验结果表明,该方法可行,识别精确率达到80.8%。     

基因表达式编程的理论研究综述*

对新兴的基因表达式编程算法在国内外的理论研究现状进行了系统的研究,剖析了GEP的基本原理和特点,并对国内外关于GEP理论和算法的研究现状进行系统的讨论,最后根据笔者的见解探讨了未来研究的重点方向。     

基于粒子对和极值优化的基因聚类混合算法研究

针对粒子对算法存在过早陷入局部最优导致精度不是很高的问题,建议了一种新的基于粒子对(PPO)与极值优化(EO)混合算法。该算法利用PPO和EO的优点,借助K-means快速聚类的结果初始化其中一个粒子,并根据一定迭代次数在精英粒子对的迭代过程中引入EO算法,在保证算法收敛的同时避免后期过早陷入局部最优,从而提高聚类结果的精度。将混合算法应用于真实的基因表达数据。实验结果表明,混合算法比K-means和粒子对算法具有更好的聚类精度和稳定性。     

人类p53肿瘤蛋白的偏好性分析及其应用*

为了深入研究人类p53肿瘤蛋白,对七条最新的人类p53肿瘤蛋白的mRNA序列的偏好性及其同源性进行了分析。利用MEGA4.0（molecular evolutionary genetics analysis）软件的Distance功能得到七条基因的mRNA序列及其相应的蛋白质序列的同源性,并通过比较它们的RSCU和QRSCU值,对p53基因发生突变时偏好使用同义密码子的情况进行了分析。研究结果表明,基于拟氨基酸编码方法能更明显地展示出它们对同义密码子的一致偏好性,并且p53基因发生突变时偏好使用以c/g结     

基于图像分析的植物叶片识别技术综述*

对近年来基于图像分析的叶片识别技术进行了广泛研究.首先阐述了基于图像分析的植物叶片识别技术的意义及研究现状;然后介绍了主要的叶片图像识别步骤,重点从基于关系结构匹配的识别、基于统计学的识别和基于机器学习的识别三类方法进行阐述,详细论述了各种识别技术的基本思想和主要公式;最后指出了叶片识别技术的不足和研究方向.     

基于侏儒立方体的保持语义的数据立方体结构*

在侏儒立方体研究的基础上,提出了一种新的能够保持语义的立方体结构。这种结构改变了侏儒立方体对聚集数据的存储方式,在保持基本立方体上卷、下钻语义的前提下,尽量地去除前缀冗余、后缀冗余,节约存储空间,保证立方体清晰的结构,并且拥有比侏儒立方体更高的存储效率和查询响应速度,对点查询和范围查询能够快速地返回结果,对大数据量情况下的稀疏立方体具有良好的支持。