无锡哥伦布商业广场建筑设计

无锡哥伦布商业广场是集百货、餐饮、娱乐休闲为一体的区域购物中心。从总体布局、建筑平、立面等角度分析了项目的设计特点,并从消防疏散、影院防火分区以及计容面积三方面详细介绍了采用的设计方法,以求实现此类商业建筑商业利益的最大化。     

立式加工中心整机热特性有限元分析

以高速CX系列立式车铣复合加工中心CX110100为研究对象,在SolidWorks中建立其三维实体模型,虚拟装配并进行简化处理,然后导入ANSYS Workbench中建立其接近于实际工况的三维有限元模型并设置接触面。分析计算整机各热源,确定热边界条件,而后加载至有限元模型进行整机热特性分析,并在求出的稳态温度场基础上进行热—结构耦合分析,计算出加工中心各部件在正常工作条件下的热变形,找出热变形规律,为进一步进行实验数据采集和热变形补偿提供理论依据。     

粒子群优化算法在关联规则挖掘中的研究综述

关联规则挖掘是数据挖掘中的重要领域,考虑到当前数据的大规模、高维度、模态多样及类型复杂等特性,传统关联规则挖掘算法已无法适应大数据的需求,粒子群优化算法作为一种高效的智能优化算法,为其提供了一种全新的解决方案,近年来被广泛应用于该领域。首先对粒子群优化算法的基本原理及关联规则的基本概念进行了详细介绍,回顾了粒子群优化算法的研究进展,分析了粒子群优化算法在关联规则挖掘中的研究,包括常用的数据转换方法、编码方式及评估指标,并与其他在关联规则挖掘中被广泛应用的算法进行了对比,总结了各自的优缺点及适用场景。然后对已有改进方法进行了较为系统的分类,即分为基于参数、基于变异机制和混合其他算法的改进。接着梳理归纳了粒子群优化算法在关联规则挖掘中的应用领域,阐述了该算法在购物篮、金融、医疗、工业生产及风险评估领域中的应用优势。最后在介绍这一领域的最新研究进展的基础上,通过对现存问题进行分析,讨论了进一步的研究方向。     

遗传算法解柔性作业车间调度问题应用综述

柔性作业车间调度问题是典型的NP难问题,对实际生产应用具有指导作用。近年来,随着遗传算法的发展,利用遗传算法来解决柔性作业车间调度问题的思想和方法层出不穷。为了促进遗传算法求解柔性作业车间调度问题的进一步发展,阐述了柔性作业车间调度问题的研究理论,对已有改进方法进行了分类,通过对现存问题的分析,探讨了未来的发展方向。     

改进的自适应遗传算法在函数优化中的应用*

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值,搜索效率低,不稳定等特点,提出一种改进的自适应遗传算法,该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度、和稳定性等方面都有了较大的改进和提高。     

浅析中国传统榫卯建筑结构对现代设计的启示

榫卯结构的出现是中国人在造物过程中的体现的大智慧,在它令人惊叹的技术背后,蕴藏着更丰富的结构与和谐之美,是一种超乎寻常的技术与艺术的完美结合,这正是现代设计思想的演绎,通过对榫卯结构的更进一步认识,我们可以得到很多引人思考的启示。     

DirectShow在三维视频纹理中的应用

首先介绍了DirectShow流媒体播放技术,在此基础上建立了一个自定义的渲染过滤器实现视频流数据的获取,并将此功能封装在动态链接库中,然后在实例程序中使用OpenGL将获取的视频流数据转换为实时的视频纹理,并显示在三维空间中呈二次曲面的物体的表面,实现了立体的、实时的和可控制的三维视频播放效果.该实例主要使用了DirectShow流媒体播放和智能连接技术、矩阵变换技术、三维纹理、二次曲面生成等技术.文章对于多媒体技术和三维仿真技术的综合应用具有一定的借鉴意义.     

融合吸引排斥和双向学习的改进粒子群算法

针对粒子群算法在计算时存在收敛速度慢、易陷入局部收敛等缺陷,提出了一种融合吸引排斥和双向学习的改进粒子群算法来提高算法的寻优能力。双向学习策略扩大了粒子的搜索范围、丰富了种群多样性;在吸引-排斥策略中,粒子能够分别被全局最优粒子和全局最差粒子所引导进而朝着更优的方向进化,提高了算法的局部寻优性能和收敛能力。同时,在双向学习策略中,为了克服单一性的学习因子和惯性权重在优化复杂函数时无法很好地调节寻优进程的问题,提出了双重自适应策略,更好地平衡群体中粒子的搜索行为。最后利用标准测试函数对该算法进行仿真验证,并与其他两种改进的算法对比。实验结果表明,在相同的实验条件下,改进后的粒子群算法在寻优能力和收敛速度方面具有明显优势。     

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪.实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪.     

基于多模板的鲁棒运动目标跟踪方法

针对目前模型更新方法仅依赖于上一帧或最近帧定位到的目标信息,跟踪的历史信息未充分利用的问题,运用历史跟踪结果设计了多模板模型更新策略,并基于该更新模型结合卷积网络提出了一种新的运动目标跟踪方法.在运动目标跟踪测试视频集VOT2015下与目前热点运动目标跟踪方法对比实验表明:方法对于遮挡现象和目标自身形变具有较强的鲁棒性和较高的准确性.