材料的重要性

《材料的重要性》是《景观设计理论》的一段节选。《景观设计理论》旨在不使用专业术语或其他领域假说的前提下,结合景观设计过程向学生介绍内在理论思想。《材料的重要性》是本书的五章之一。每一章针对特定理论,解释了其基础和来源,探讨了它对设计的重要性,列举了20—21世纪与其相关的设计案例,整理了该理论的辩论(尤其是有关现代和后现代思想),最后还有相关阅读材料清单和需要学生们思考的问题。本文分为如下3个部分：第一部分,物质性,介绍“辩证唯物主义”“媒介即信息”“物质实践”和“编码”等理论及其在设计中的运用;第二部分,通过“建构表达”“地貌代理人策略”“石材的面层”“材料的暗示”“人造,但不是伪造”等理论,介绍材料的真实性及其在设计中的运用;第三部分,复写理论及应用,包括“剩余物”“复写的展示性”“未来的复写”和“虚构的复写”等内容。     

线型电刀在泌尿外科的应用（附120例报告）

目的探讨一种治疗泌尿外科梗阻或狭窄性疾病腔内微创治疗的新方法。方法对120例泌尿外科梗阻或狭窄性疾病患者在连硬外麻下实施线型电刀电切手术。结果 24例尿道狭窄患者中22例均一次手术成功,2例行再次手术成功。61例输尿管结石合并息肉患者在碎石取石同时将息肉切除成功。35例输尿管狭窄[其中2例为肾盂输尿管连接部狭窄（UPJO）]中32例一次手术成功,2例行再次手术成功,1例UPJO患者术后3个月改行开放手术治愈。结论线型电刀在泌尿外科应用是一种新的安全、有效的腔内微创治疗方法。     

财务管理在建设“世界一流”企业进程中的作用

全球经济一体化进程的加快,要求企业不断增强国际竞争力和综合实力,更加积极地融入世界经济环境,快速适应和参与全球市场竞争。建设＂世界一流＂成为企业实现转型、加快发展的共同选择。企业的财务管理作为现代企业管理中的重要职能,承担了组织会计核算、实施财务管理、加强科学决策、推进内部控制、引导价值管理、服务企业发展等任务并起着至关重要的作用。建设世界一流企业,必须有符合该目标要求的财务发展战略、财务管理体系和财务管理措施。     

基于小波包变换和蚁群算法的纹理分类

提出了一种小波包变换和蚁群算法相结合的纹理分类新方法。首先采用小波包变换提取纹理图像的纹理特征向量,然后用蚁群算法进行训练和分类。实验表明小波包变换和蚁群算法应用到纹理分类领域,是一次有效的尝试。     

基于二维EMD分解的图像压缩研究

综合Anna的极值点压缩算法和多抽样重叠块压缩算法,提出了一种新的基于二维EMD分解的数字图像压缩方法。先对自然图像进行二维EMD分解,对分解后的IMF抽样点进行熵编码。与两种压缩方法所得的结果比较分析,在确保图像质量的前提下,找到了一种更好的方法,对图像进行压缩。     

二维EMD分解的数字图像压缩

二维EMD为图像处理提供了一个强有力的工具。图像进行EMD分解后,将会得到一系列的IMF和图像残差。由于分解出来的第一层IMF包含了图像的细节部分,笼统地对其进行压缩会造成图像高频部分损失,压缩图像质量不高。针对这种情况,将第一层IMF与其他层分开处理。通过与块离散余弦变换压缩方法进行比较,得出结论。     

基于函数截获的、面向图形应用的远程交互分布式设备框架

随着对交互和高效利用资源的需求的增加,用户渴望与远程多通道图形应用程序进行实时可视化和交互.由于大多数此类应用程序通过除鼠标和键盘外的其他设备进行交互,因此必须支持这些设备的远程交互.目前,这种远程交互可以通过修改应用程序的源代码实现.当源代码不可访问时,该方法不可行.提出一个基于函数调用截获的、轻量级的分布式框架,在不修改应用程序的源代码的情况下实现这些设备的远程交互.基于该框架,实现了分布式DirectInput系统.实验结果表明通过集成该系统与远程交互系统,在局域网上,用户能对远程的、由手柄驱动的多通道图形应用程序进行实时可视化和交互.     

基于BEMD和灰度共生矩阵的图像特征提取

提出了一种新的图像特征提取方法,用二维经验模式分解将图像分解到固有模态函数（Intrinsic Mode Functions,IMF）域,即将图像分解成一系列的IMF和一个残差。并结合灰度共生矩阵对所提取到的各IMF图像和残差图像进行特征提取。为了验证算法的有效性,将其推广到像素级,对合成纹理和遥感图像进行了特征提取,并结合核模糊聚类（KFCM）算法对提取的特征向量做聚类分析,实现了图像的有效分割。     

基于BEMD和小波阈值的MRI医学图像去噪

针对核磁共振医学图像含有的混合噪声的特点,提出了一种基于2维经验模式分解(BEMD)和小波阈值去噪的新算法,即将图像分解到固有模态函数(IMF)域.然后采用小波阈值法对各固有模态函数成分进行去噪处理.在分析了小波硬阈值和软阈值去噪的特点之后,对小波阈值进行了改进,克服了传统小波阈值去噪的不足.实验结果表明该方法在有效去除噪声的同时,较好地保留了MRI图像的细节,有利于医学的诊断.     

基于小波包和改进的FCM的医学图像分割

提出应用最优小波包变换对磁共振颅脑图像做分解,以各子带小波包系数的能量形成纹理特征集;并运用基于核函数的模糊C均值聚类算法（Kernel-Based Fuzzy C-means Algorithm,KFCM）对所提取到的特征集进行聚类分析,从而实现了对磁共振颅脑图像的有效分割。实验证明应用KFCM算法做分割的收敛速度和抗噪性明显优于FCM算法。