基于HTML5平台的铅笔画风格渲染

通过改进基于运动模糊滤镜的铅笔纹理仿真算法,提出了一种新的非真实感铅笔画风格渲染方法。对输入图像进行基于高斯模糊的虚光蒙版（Unsharp Mask,USM）锐化得到铅笔画基图,采取自主实现的运动模糊算法根据基图生成铅笔纹理,进行锐化滤波处理并与边缘提取处理图融合,得到铅笔画风格绘制效果,同时在HTML5平台实现了铅笔画风格渲染的方法。实验结果表明,该方法生成速度快,渲染效果逼真而且有层次感,适合于Web应用领域。     

中央民族大学信息工程学院，北京100081

分析网络化感知系统节点定位问题的特殊性,针对深空探测环境未知的问题,提出利用全景图像重合度来修正信号衰减模型,提高测距精度;提出一种修正的高精度节点自主定位算法来解决多移动节点协同定位问题,该算法是把切圆法引入到基于全景图片重合度的RSSI修正定位方法中。当多个感知节点定位时,根据视距近似原则选择定位锚节点来进行H-CM算法,仿真结果表明该定位方案可以有效提高感知节点的定位精度。     

一种简单而精确的径向畸变标定方法

为了用普通低成本的广角镜头摄像机实现较大视场的精确定量的图像测量，必须对畸变图像进行校正。提出了一种简单而精确的径向畸变标定方法，该方法使用栅格阵列标定模板。首先根据畸变图像中特征点之间的相互位置关系构造出理想图像中的特征点位置；然后以不同的畸变中心假设，计算畸变和理想特征点的矢径坐标，并通过解线性方程组或多项式拟合求出它们之间的函数关系；最后取矢径均方误差最小的参数组作为标定结果。该法可同时获得畸变变换和矫正变换的参数。文中还推导了畸变变换多项式系数与校正图像分辨率之间的反幂比例关系，讨论了畸变函数的阶对校正结果的影响，实验结果表明，取4阶或5阶多项式拟合的结果较好。     

MBE的分析与优化技术的研究

多带激励语音压缩（MBE）算法广泛应用于保密通信中,近来,随着语音压缩编解码技术的进步,信息隐藏载体的多样化发展,出现了以MBE为载体的密写文件。为了保障保密通信安全,提出了一种MBE算法的分析与优化技术。通过对算法的清浊音判决模块优化,浮点转定点,牛顿迭代法实现开平方,对超越函数查表实现等方法,并采用基于SOC/Leon3微处理器架构的现场可编程门阵列（FPGA）实现,减少了近45%硬件资源的消耗,并且运算实时性能提升了约29%,为针对MBE的隐写分析提供了一个很好的平台。     

ArcView3.0a与DelphiDLL的接口

本文主要介绍了ＡｒｃＶｉｅｗ３．０ａ与ＤｅｌｐｈｉＤＬＬ的接口方法，笔者设计出了ＡｒｃＶｉｅｗ中调用ＤＬＬ和用Ｄｅｌｐｈｉ生成ＤＬＬ的程序清单，并在实际系统中运行使用。     

基于IOWC-GOWA算子的区间组合预测模型

在连续区间数广义有序加权平均（C-GOWA）算子基础上,将IOWA算子和C-GOWA算子相结合,提出诱导有序加权连续区间广义有序加权平均（IOWC-GOWA）算子的概念。以指数支撑度作为相关性指标,构建新的组合预测模型。通过实例分析说明该模型能有效提高预测精度。     

用于不均衡数据集分类的KNN算法

针对KNN在处理不均衡数据集时,少数类分类精度不高的问题,提出了一种改进的算法G-KNN。该算法对少数类样本使用交叉算子和变异算子生成部分新的少数类样本,若新生成的少数类样本到父代样本的欧几里德距离小于父代少数类之间的最大距离,则认为是有效样本,并把这类样本加入到下轮产生少数类的过程中。在UCI数据集上进行测试,实验结果表明,该方法与KNN算法中应用随机抽样相比,在提高少数类的分类精度方面取得了较好的效果。     

基于PAC-Bayes边界理论的SVM模型选择方法

PAC-Bayes边界理论融合了贝叶斯定理和随机分类器的结构风险最小化原理,它作为一个理论框架,能有效评价机器学习算法的泛化性能。针对支持向量机（SVM）模型选择问题,通过分析PAC-Bayes边界理论框架及其在SVM上的应用,将PAC-Bayes边界理论与基于交叉验证的网格搜索法相结合,提出一种基于PAC-Bayes边界的SVM模型选择方法（PBB-GS）,实现快速优选SVM的惩罚系数和核函数参数。UCI数据集的实验结果表明该方法优选出的参数能使SVM具有较高的泛化性能,并具有简便快速、参数选择准确的优点,能有效改善SVM模型选择问题。     

工单工作流管理系统的设计

介绍了电信业工单工作流管理系统，从模型的角度描述了组成工作流的基本要素，阐述了基于COM组件的系统组成部分和结构。该系统以工作流为核心，实现工单的业务申请、流转派发、审批处理、查询跟踪、系统用户角色管理等过程的规范化和自动化，完成资源的统一管理调度，实现工单驱动资源与业务，提高了工作效率，是一理论与实践相结合的有价值的工作流管理系统。     

基于属性变化的增量关联规则挖掘

关联规则的挖掘是数据挖掘研究中的一个重要课题,目前已经提出了许多用于发现海量事务库中关联规则的算法以及更新已经发现的关联规则的算法。但是在关联规则的更新算法中,都是基于支持度变化和事务库变化的研究,目前没有人研究当事务库中的属性发生变化时,如何高效地更新关联规则的问题。针对这种情况,提出了三种基于属性变化的增量关联规则挖掘算法ACA+（Attribute Change Algorithm）和ACA-（ACA1-）,从而解决了该问题。