基于互联网的3D复杂场景渲染算法研究

讨论了基于互联网的3D复杂场景渲染的一个主要问题即纹理的传输，现有的方法是在渲染之前就将整个纹理都传输到了客户端，我们提出了一个可供选择的方法，将每个纹理细分为若干个切片，然后在客户端进行动态控制哪些切片应该是用户可见的，客户端对纹理切片请求是按照各个纹理切片所影响的屏幕像素点数目顺序依次进行的，因此首先传输的就是那些影响屏幕像素点数目最多的纹理切片，纹理切片的计算充分考虑了闭合性和多重文理图像分辨率水平，并且每个新的帧被渲染时都要动态地重新计算，我们指出了在不改变基本结构的前提下，如何提升渲 染效果。     

用L-systems和遗传算法实现的叶子形状建模

阐述了组合两类技术的一种方法，用L-systems和遗传算法（GA）获取一种改写表达式描述叶子形状。一个L-systems用于构造给定改写表达式，而GA是有于改写表达式的适应参数。介绍了用目标函数实现实值参数替换方法，研究结果表明提出的方法产生可以接受的输出效果。     

开放式CAPP系统及其体系结构

本文介绍了一种基于Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ工作方式的ＣＡＰＰ系统，给出了针对现在流行网络环境的开放体系结构的ＣＡＰＰ模型，其中对系统客户端的实现作了深入的描述，包括客户端决策／优化管理器的内部体系结构以及实现多目标决策的优化算法。另外本文还对异种网、异种数据库环境下的互联通信进行了有益的讨论。     

容忍噪音的最大复合问题启发式算法

1.引言从给定的数据集中发现有用的知识一直是示例学习和数据库知识发现等领域研究的重要内容。一般地说:规则越简单,归纳概括能力就越强,分类精度越高。因此,近几年来,从给定示例中归纳简单而概括的规则,即最大复合问题的算法研究逐渐成为上述诸领域的一个热点。然而,现有的规则归纳算法多为建立在不含噪音的理想数据基础上的,而在实际的应用领域中不可避免地存在噪音数据,这样致使现有的算法一直得不到令人满意的结果,甚至很难应用于实际领域,从而给实际领域规则的获取带来了一定难度。噪音数据一般可以分为如下三种形式,即个别属性值错误型噪音、未知属性值型噪音和冗余属性值型噪音。规则归纳算法能否有效地解决上述三种情况的噪音、是其能否成功应用于实际领域的关键。     

广域网数据库查询系统及其实现

文章提出了架构于各个数据库查询系统之上的全局数据库查询系统———广域网数据库查询系统,分析了广域网数据库查询系统的基本框架,并给出了一个应用实例。     

异构数据转化与信息发布系统的实现

提出了一种异构数据转化为同一DBMS管理下的数据的方法，并在此基础上阐述了Web发布异构数据信息的框架和方法，并给出了一个实例。     

密集特征加权跟踪算法

目的 当前大多数基于Mean-shift的跟踪算法都忽视了目标中密集的特征信息,本文有效利用密集特征信息,来提高跟踪的准确性.方法 在目标模型中,常存在一些颜色特征相对聚集,形成一定大小的特征密集区,这些区域的面积或大或小,对人眼视觉跟踪异常重要.这些区域形成的空间结构信息,可以被利用到目标跟踪.提出一种高效的目标模型,通过计算密集特征区域面积,以及密集区质心到目标中心的距离,构建加权系数,通过该系数,来增加目标中分布相对集中的特征的权值,同时削弱离散特征的权值.同时使用零阶矩和目标模型与候选模型之间的相似度系数,估算目标的面积;再使用预测目标面积补偿法,对目标中因使用背景加权法而权重被削弱的特征区域,进行面积补偿;最后使用估算的目标区域面积以及二阶中心距,估算目标尺度和方向的改变.在跟踪过程中,背景如发生较大变化,则对目标模型进行更新.结果 本文算法具有很好的尺度适应性,跟踪平均准确率在94.6%以上,得到较当前一些先进方法更好的准确度和效率.结论 提出的算法能增加目标模型中不同特征权值间的差异,使得构建的目标模型具有较强区分目标和背景的能力,提高了定位目标的准确性;面积补偿法解决了目标因特征权重被削弱,而导致估算的目标面积小于实际面积的问题.     

融合多姿势估计特征的动作识别

目的 为了提高静态图像在遮挡等复杂情况下的动作识别效果和鲁棒性,提出融合多种姿势估计得到的特征信息进行动作识别的方法。方法 利用已得到的多个动作模型对任意一幅图像进行姿势估计,得到图像的多组姿势特征信息,每组特征信息包括关键点信息和姿势评分。将训练集中各个动作下所有图像的区分性关键点提取出来,并计算每一幅图像中区分性关键点之间的相对距离,一个动作所有图像的特征信息共同构成该动作的模板信息。测试图像在多个动作模型下进行姿势估计,得到多组姿势特征,从每组姿势特征中提取与对应模板一致的特征信息,将提取的多组姿势特征信息分别与对应的模板进行匹配,并通过姿势评分对匹配值优化,根据最终匹配值进行动作分类。结果 在两个数据集上,本文方法与5种比较流行的动作识别方法进行比较,获得了较好的平均准确率,在数据集PASCAL VOC 2011-val上较其他一些最新的经典方法平均准确率至少提高近2%。在数据集Stanford 40 actions上,较其他一些最新的经典方法平均准确率至少提高近6%。结论 本文方法融合了多个姿势特征,并且能够获取关键部位的遮挡信息,所以能较好应对遮挡等复杂环境情况,具有较高的平均识别准确率。     

切换回归模型的抗噪音聚类算法

对切换回归模型的聚类方法一般都没有考虑到噪音的影响,因此在含有噪音数据的情况下,用这些方法聚类的结果就会出现一定的偏差.为了减弱聚类过程中噪音数据的影响,提出了一种新的具有抵抗噪音能力的聚类算法,称为抗噪音聚类算法.该算法通过将已知数据集划分为非噪音数据集和噪音数据集2个子集,然后对非噪音数据集进行聚类分析,估计出模型的各个参数.通过对噪音数据集和非噪音数据集进行不断地调整,同时不断地修正得到的参数估计值,从而得到对聚类结果的优化.实验表明,抗噪音聚类算法能够有效地克服噪音数据对聚类结果的影响,并估计出优质的参数.     

基于Web Service野外试验站信息发布平台研究*

阐述了Web Service技术,提出了基于XML和Web Service实现野外试验站信息发布平台以及实现平台关键技术的研究。