LBS中基于SVG的空间数据表达与压缩

针对位置服务系统中移动端矢量空间数据的有效组织问题,对现有方案进行比较和拓展,提出一套新的基于可伸缩矢量图形（SVG）的数据表达和压缩的系统解决方案,重点研究并解决了利用表达的精简和GZIP压缩相结合的改进方法实现数据压缩的关键技术。实验结果表明,SVG格式适用于位置服务中对空间数据的表达,且改进的压缩方式优于传统压缩算法,验证了技术方案的可行性。     

基于高斯过程动态模型的人体节奏运动合成

提出一种新的基于高斯过程动态模型的节奏转移方法。该方法能够准确、有效地将现有运动中的节奏信息转移到新的运动中去,适用于各种不同类型的运动。首先,使用短时（short term）PCA计算源运动的节奏点,组合3种重要的运动特征求解目标运动的特征点;然后,使用动态规划算法来找到两者之间的最佳匹配,最大化减少计算时间及对目标运动的修改;最后,使用高斯过程动态模型对目标运动进行学习,并在隐空间进行节奏化插值,最终合成新的节奏化运动。     

码书距离排序对索引压缩算法的性能改进

图像经过矢量量化后得到的索引图具有很强的统计相关性,从而使得邻近块的索引以较大的概率相等或偏移量较小。按照某种准则对码书进行排序,可以有效增强索引之间的相关性。基于平方欧几里得距离提出一种新的码书按距离排序方法。与传统的按均值、方差和能量等排序方法相比,距离排序能大大提高索引图的相关性,使索引之间的偏移量向值小的方向明显集中。将距离排序后的码书用于AICS(adaptive index coding scheme)算法,实现了更好的压缩性能。     

关联规则挖掘最小支持度阀值设定的优化算法研究

为了解决在关联规则挖掘Apriori算法中最小支持度阀值设定较难或设定不适当的问题,基于事务普遍具有统计规律性的前提,设计了平均值调整优化的算法.为支持度和预选率划分不同区间,利用平均值进行最小支持度阀值的微调.对于不同分布特征的事务数据库,该方法比原先设定阀值都能取得更适中和更好的频繁项集结果,同时不会产生过大的性能...     

利用SVM与灰度共生矩阵从QuickBird影像中提取枇杷信息

以福建省莆田市东圳水库库区为例,采用QuickBird卫星影像,利用主成分分析方法对灰度共生矩阵方法提取的地物纹理特征进行筛选,选择最佳的影像纹理特征,组成新的波段组合,并应用支持向量机方法(Support Vector Machine,SVM)进行枇杷树的提取分类,最后与只依靠光谱信息来分类的SVM法分类结果进行比较,其分类总精度由原来的71.33%提高到了86.67%,Kappa系数也由原来的0.6410提高到了0.8293,分类精度明显提高,表明光谱信息加入纹理特征信息能辅助并提升高分辨率遥感枇杷树信息提取的精度。     

压差矢量水听器阵波束形成的优化

以各向同性噪声作为背景噪声场,对矢量水听器阵波束形成的优化方法进行了系统的研究.在分析各向同性噪声场中声压、振速相关性的基础上,利用最大信噪比准则推导了基阵的最佳增益与噪声场特性和阵列流形之间的关系,提出利用最佳增益权对阵列接收信号进行波束形成处理.通过对矢量水听器阵进行分解,将最佳增益波束形成引入矢量阵信号处理中.以二维压差矢量水听器阵作为接收基阵进行了仿真计算和湖上试验,结果表明,矢量阵的最佳增益波束形成可以获得性能更优的波束和更大的空间处理增益.     

基于Petri网的售货机物流配送建模研究

利用Petri网技术构建了无线自动售货机和传统自动售货机的物流配送模型,分别对这两种情况下的配送利用HPSIM仿真软件建模进行时效分析与比较。结果表明,利用无线网络的自动售货机的配送时效小于传统方式,提升了物流配送效率。     

基于平面矢量场的可视化方法的研究

平面矢量场可视化是科学计算可视化的重要研究内容。矢量场以直观的图形图像显示场的运动,透过抽象数据有效洞察其内涵本质和变化规律,广泛应用于计算流体力学、航空动力学、大气物理和气象分析等领域。对平面矢量场进行可视化的方法有很多种,常见的有点图标法、流线法、线积分卷积法和拓扑分析法等。论文主要研究常见的可视化方法,分析它们的性能,并通过实际的例子,对具体的可视化结果图像进行比较。通过该研究,能够给人们在选择可视化方法时提供依据。     

电子白板和配套软件的功能改进

介绍黑板这种传统授课工具不断演变的过程,重点介绍高科技＂黑板＂——电子白板的基本原理和主要功能,结合电子白板的定位技术,讨论目前市场上白板配套软件存在的不足,并给出参考解决方案。     

基于粗糙集边界的v-支持向量机混合分类算法

针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法根据粗糙集理论边界区域的优点,生成分类数据的边界集,使其包括全部的支持向量,用此边界向量集替代原始样本作为训练集,减少训练集的数量,则可以在不影响分类精度和泛化性能的前提下显著缩短v-支持向量机的训练时间。仿真结果表明该算法的有效性。