基于最小错误率和快速水平集的图像分割

提出一种基于最小错误率和快速水平集的图像分割方法,通过对速度项和停止条件的重新设计,实现了快速而有效的图像分割。算法采用模式分类思想,以统计直方图来近似目标和背景区域的概率密度,对基于最小错误率的判别函数进行平滑滤波以获得外部速度,从而实现曲线的进化;同时,分割过程在分类错误率达到最小时停止。实验结果表明,本文算法对弱边缘、低对比度灰度图像具有较好的分割效果,且具有较强的抗噪性能;在分割速度上,本文算法也明显优于几种已有算法。     

图像分割中局部能量驱动的快速主动轮廓模型

为了解决图像对象灰度分布不一致性的分割难题,提高图像分割速度,提出了一个全新的快速主动轮廓模型。它由曲线周围局部的统计信息驱动曲线发生形变演化,并使用图像中的边缘信息来引导曲线的演化方向。模型中,根据区域模板与演化曲线共同定义的局部统计信息创建数据拟合项,并应用水平集方法求解曲线的演化。对合成图像和医学图像的实验结果表明,本文提出的分割模型可以同时分割多个灰度不一致的对象,分割速度快,结果稳定,对噪声具有很好的鲁棒性。     

RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

曲柄滑块机构综合的三周期牛顿混沌法研究

为了提高牛顿混沌迭代Julia点的求解效率,构造了基于三周期混沌求解Julia点的逆像迭代方法,提出了一种新的牛顿混沌迭代法,该方法可以求出解非线性方程组全部解.对平面曲柄-滑块机构综合进行了研究,计算实例表明该方法的正确性与有效性.     

粗支持向量机分类建模方法

为了克服样本模式的复杂性、噪声的影响以及信息的不完整性问题,利用粗糙集和支持向量机(SVM)的优点,把粗糙集理论用于二分类球形SVM,提出一种称为粗支持向量机分类建模方法.粗糙集具有刻画不确定、不完整数据和复杂模式的能力,分类结果能够体现出数据的不确定性,但是它不仅不具备良好的学习能力,而且也不能保证分类模型具有良好的推广能力;SVM具有良好的推广性能,但是对不确定数据的建模能力较差.本文把分类结果分为正域、边界域和负域,由此来判断不确定数据样本的分类结果的不确定性程度.通过调整参数来调节边界的宽度和允许建模的在野点样本的比例,提高分类模型的灵活性.仿真结果说明了算法的有效性.     

一种基于变精度粗糙集的图像分类方法

基于变精度粗糙集,引入近似区分矩阵的概念,提出一种基于颜色特征的图像分类模型及其分类算法.变精度粗糙集理论在数据分类应用中主要是将集合间精确的包含关系改为多数包含关系,既允许一定程度的错误分辨率存在.用该方法进行图像资源的分类,克服了经典粗糙集不宜处理带有噪声的数据和决策表不协调的分类问题的缺陷,同时又大大简化分类规则,且形成的规则集便于用户理解.完善近似空间的概念.实验结果表明：在处理决策表不协调的图像分类问题,变精度粗糙集方法性能良好,分类准确、高效.     

围长为2的奇数阶本原极小强连通有向图的1-指数集

研究了围长为2的n阶本原极小强连通有向图的1-指数集,证明了当n(≥5)为奇数时,En(1)={4,5,6,7,…,2n-5},无缺数段。     

一个新双参数矩形板元的构造及收敛性分析

利用"双参数法"构造了一个新的十二参矩形元,并对其收敛性进行了分析;同时计算了节点参数扰动量。与著名的ACM元比较,节点参数有8个是相同的。     

基于未知度的Vague集相似度量新方法

分析了现有的相似度量方法,指出影响Vague集相似度量的因素和衡量Vague集相似程度的必要参数,为研究Vague集相似度量提供了参考,提出了一种新的Vague集相似度量的方法,通过实验结果表明,新的方法区分能力高,而且有更好的度量效果.     

异构CAD系统协同中基于特征的操作命令转换研究

基于特征的操作转换是同步异构CAD协同系统中的核心问题.分析了异构CAD系统协同中基于特征的建模命令转换,提出了特征建模命令映射集合的构建方法.给出了3种CAD系统间拉伸特征操作转换的实例,分析了构建方法,为实现和优化异构CAD系统协同平台打下良好的基础.