时空相关性在多物体碰撞检测中的应用

尽管利用虚拟环境中物体运动的时空相关性来加速物体间的碰撞检测，可以取得不错的效果，但目前的时空相关性算法只应用在两个物体的碰撞检测中，而不能处理多个物体同时发生碰撞的情况；另外，利用时空相关性尚无法解决快速运动物体的碰撞检测问题。针对传统算法的这两个缺陷，在综合利用空间区域划分和时空相关性算法的基础上，通过修改虚拟对象的内部数据结构提出了一种改进算法，实验结果表明，该算法不仅可实现多个物体同时发生碰撞的检测，而且能保证算法在物体高速运动时的有效性。     

基于彩色图像分割的飞机机头定位方法

为了防止停在机库内的飞机被其他移动的飞机相撞，提出丁一种基于彩色图像分割技术的飞机机头定位方法，将该方法用于智能化飞机机库安全监控系统中，以实现飞机防撞报警功能。首先将摄像机拍摄的RGB图像转换为HSI图像，根据饱和度和色度的双阈值分割方法，初始分割出红色机头部分；对于初始分割结果，再通过形态学腐蚀、膨胀处理以及面积阚值分割手段来自动确定机头顶点位置，设置出安全防护区。经过现场实验表明，该方法可较好地确定飞机的机头位置，因而在一定程度上提高了传统监控系统的智能性。     

基于概念匹配的中文问答处理模型核心问题探讨

为了解决问答处理系统中的语义模糊问题,提高问答处理的性能,研究人员尝试采用概念作为系统处理的对象,而不再是语言表层符号,然而,在引入概念进行处理的同时引来了一些新的问题,如概念的抽取、概念关联计算以及特定于问答系统的问题理解、问题求解、答案生成等问题。在概念抽取、概念关联计算方面,已有一些比较成功的算法。本文将在此基础上,针对实现这样一个问答处理系统所存在的一些未涉及的核心问题进行一个探讨,同时提出解决以上问题的方法。实验及实际应用表明基于所提出算法的概念问答系统具有较强的性能,系统总体自动处理准确率将近达到40%。在实际应用中也表现出较高的应用价值。     

基于规则和统计的中文自动文摘系统

自动文摘是自然语言处理领域里一个重要课题,本文在传统方法基础上提出了一种中文自动文摘的方法。在篇章结构分析里,我们提出了基于连续段落相似度的主题划分算法,使生成的文摘更具内容全面性与结构平衡性。同时结合了若干规则对生成的文摘初稿进行可读性加工处理,使最终生成的文摘更具可读性。最后提出了一种新的文摘评价方法(F-new-measure)对系统进行测试。系统测试表明该方法在不同文摘压缩率时,评价值均较为稳定。     

基于控制点的分层双向动态规划立体匹配算法

提出一种基于控制点的分层双向动态规划立体匹配算法．首先，利用改进Volumetric迭代算法获取具有高可靠度的控制点，将其作为具有正确视差的匹配点．其次，在高可靠度控制点的指导下，利用分层双向动态规划算法在DSI（disparity-space image）视差空间图中进行初匹配，进而在Delta DSI（delta disparity-space image）视差变化空间图中进行精匹配，从而获取高密度视差图．实验结果表明，该算法不仅可以改善传统直接动态规划立体匹配算法产生的带状条纹瑕疵，而且计算速度较快，匹配结果也优于传统动态规划的匹配结果．     

基于免疫原理的T-S模糊系统在线建模方法

基于人工免疫原理，提出一种在线构造T-S模糊系统的建模方法．该方法结合网格空间划分方法，以建模数据为抗原，模糊规则为抗体，采用人工免疫原理确定系统结构，并应用最小二乘方法估计线性规则后件参数．该方法具有简单、学习速度快、实时性强等特点，适合多输入模糊系统的在线学习和结构调整．     

基于人工智能的情感模型建立

以OCC情感模型和心理学家Ekman的情感分类两大理论为基础，建立了一个机器人情感模型．本模型通过设计一系列通用型参数，来达到模型适用于多种环境的目的，例如虚拟游戏人物、智能玩具．此外，还引入了情感空间设计，并在情感空间中设计了一系列情感点，可以通过移动情感点或者修改情感点区域的大小，来达到改变情感模型性格特征的目的．     

基于均值漂移法进行多光谱遥感聚类研究

传统的聚类方法大都是基于空间划分的方法,一般都假设数据符合混合高斯模型。这在实际应用中往往是不成立的。在大部分模式分类的问题中,常见的参数形式不适合实际遇到的概率密度,特别是所有经典的参数密度都是单峰的,而一般遥感图像都是包含多峰的密度,因此分类结果往往不够精确。用于模式分类的非参数方法正是解决这类问题的一个重要途径,可以从本质上克服这一缺陷,而且可以发现任意形状的聚类。均值漂移方法是基于密度估计的非参数聚类方法,遥感图像的聚类分析可以通过均值漂移方法来实现,而且均值漂移过程不需要预先给出地物的类别数目,在聚类过程中自动确定类别数,这对于图像中类别数目不易确定的情况,给非监督遥感图像聚类带来方便。     

基于图模型的中文文档分类研究

信息处理领域中，现有的各种文本分类算法大都基于向量空间模型，而向量空间模型却不能够有效地表达文档的结构信息，从而使得它还不能充分地表达文档的语义信息．为了更有效地表达文档的语义信息，本文首先提出了一种新的文档表示模型一图模型，即通过带权标号图表达文档的特征词条及其位置关联信息，在此基础上本文继而提出了一种新的文档相似性度量标准，并用于中文文本的分类．实验结果表明，基于图模型的这种文档表示方式是有效的和可行的．     

一种基于神经网络和Neugebaure方程的输入图像色彩校正模型

在分析扫描物呈色原理和误差产生原因的基础上,提出了一种扫描输入图像的色空间转换的修正模型.首先重新解释Neugebauer方程的参数含意,使原本只适用于印刷网点图像的Neugebauer方程也适用于非印刷网点图像.随后结合Neugebauer方程和RBF神经网络,分单色、双色和三色逐步导出输入图像的色彩修正方程.最后给出的实验结果表明,与目前具有较高转换精度的主流模型比较,本文模型能够明显提高转换精度.