运用AutoCAD高效绘制建筑平面图的几点技巧

AutoCAD软件以友好的用户界面、丰富的绘图命令、强大的编辑功能深受广大工程技术人员的欢迎。本文根据笔者的使用经验，介绍运用AutoCAD准确、快速地绘制建筑平面图的几点实用技巧。实践证明，灵活运用这些技巧可以显著提高绘图效率和图幅质量。     

建筑结构平面图辅助设计系统VHAutoFraming的设计与实现

VHAutoFraming使用面向对象的参数化褓造型方法，结合建筑图的自动理解，设计了从三维到二维的正向工作流程；充分利用三维实体数据的完整性，实现各层次二维图形的自动生成和结构力学分析所需的数据模型的自动建立；并提供简明的交互方式，辅助结构设计师方便、快速、准确地设计和绘制结构平面图。     

基于特征匹配的建筑平面图自动识别的研究与实现

建筑工程图的计算机识别和理解技术是计算机应用于工程方面的研究热点之一。本文基于建筑工程矢量图形文件(DXF文件),研究了建筑平面图中建筑符号的特征,实现了通过特征匹配的方法自动识别图中的建筑符号及其相互关系。     

倾斜摄影的单体精细化三维建模技术

针对单体建筑物真三维精细化建模问题,提出以单镜头多旋翼无人机为载体,研究其应用于单体建筑物影像数据采集的三维环绕式航线规划技术。根据单体建筑物的自身条件、影像采集需求和单镜头多旋翼无人机的特点,规划设计了倾斜加正射的立体环绕式航线;利用C#编程语言实现了一套自动化的三维环绕航线计算系统;最后通过该方案快速高效完整地对某单体建筑物进行高分辨率影像数据采集,并采用Smart3DCapture进行数据处理生成实景三维模型。实验结果表明,利用该三维环绕式航线技术所建单体精细化实景三维建模具有完整性好、纹理真实、几何精度可靠的特性。该方法有效提升了单镜头多旋翼无人机倾斜摄影对单体建筑物精细化建模高分辨率影像数据采集的完整性、质量和效率。     

改进的语音特征提取方法及其应用

噪音是降低语音识别系统精度的关键因素,因此,如何从带噪语音信号中提取出有效的语音特征是提高语音识别系统识别率的重要途径.该文在分析语音特征提取方法的基础上提出改进算法.实验表明,采用LDA MLLT CMs算法组合提取出的语音特征具有较好的鲁棒性,在噪音环境下的平均音节识别率为43.79%.该组合在中文大词汇量连续语音识别系统中也有较好的性能,音节识别率达到83.56%.     

面向真实构建的徽州建筑快速建模方法

快速建筑建模研究领域追求的目标包括模型的高精度、构建的高效率,以及对用户领域知识要求低、交互简单,而这往往互相矛盾.为解决这些问题,提出了一种基于组件的多层参数建模方法,使用概率网络描述建筑和组件的高层参数,作为友好的用户交互接口;使用规则库描述组件低层参数,指导高层参数生成低层参数;最后使用构建模板描述建筑构建过程.基于此,实现了徽派建筑自动营造系统,能较好的完成具有真实构建流程、高精度徽派建筑快速建模.实验结果证明了所提方法的实用性和有效性,且系统具有友好简单的交互方式,扩展性好,用户无论是否具备领域知识都能获得良好的用户体验.     

近邻类鉴别分析方法

提出一种近邻类鉴别分析方法,线性鉴别分析是该方法的一个特例。线性鉴别分析通过最大化类间散度同时最小化类内散度寻找最佳投影,其中类间散度是所有类之间散度的总体平均;而近邻类鉴别分析中类间散度定义为各个类与其k个近邻类之间的平均散度。该方法通过选取适当的近邻类数,能够缓解线性鉴别降维后造成的部分类的重叠。实验结果表明近邻类鉴别分析方法性能稳定且优于传统的线性鉴别分析。     

冲击式压实机三维图形建模与工作过程的仿真

介绍了一般多体系统的低序体阵列的描述方法并具体应用到冲击式压实机。通过三维造型软件Mechanical Desktop和虚拟样机仿真分析软件Working Model 3D的结合使用，对冲击式压实机进行仿真计算，得到各部件的运动规律曲线，验证了压实机各部件参数值的合理性；为压实机的制造和改进设计提供了一定的依据。     

基于LDA降维和BP神经网络的手写数字识别

手写数字数据集是机器学习分类领域的优质数据集,文章以反向传播（Back Propagation,BP）神经网络为基础,对手写数字进行分类识别。为减少BP神经网络的计算开支,实验前,对比了过滤卡方检验法、主成分分析（Principal Component Analysis,PCA）降维、线性判别式分析（Linear Discriminant Analysis,LDA）降维以及多维尺度变换（Multidimensional Scaling,MDS）降维对特征选取的训练测试效果,从而确定了神经网络拟合之前的最优特征提取方法。实验中,利用Bagging对BP神经网络进行集成处理,分类识别了手写数字。实验后,将文中方法与朴素贝叶斯、决策树、随机森林、LDA多分类进行对比。结果表明,采取LDA降维方法时,降到9维的特征提取方式最优,单个BP神经网络对手写数字数据识别的准确率为92%左右,而基于Bagging集成的BP神经网络在识别准确率方面高达95%。     

基于PCA和LDA统一化原理的增强型线性鉴别分析准则

主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域的使用最为广泛的两种特征抽取方法,而在图像识别中经常采用的是PCA LDA方法来代替单纯的LDA。本文提出一种增强型线性鉴别准则(ELDA),将PCA的优点和LDA的优点充分地融合在一起,不仅解决了PCA过程中使用最小距离方法时识别精度相对低的缺点,而且解决了LDA过程中当类内散布矩阵奇异时投影向量的求解问题,也就是说可以使用该方法来替代PCA LDA的两步骤方法。另外,该方法在识别精度上比PCA和LDA或PCA LDA方法都有较大的提高,通过在ORL、Yale和NUST603人脸库上的实验验证了该算法的有效性。     

基于矢量化的山脉线提取方法

为从整体把握山脉态势,提出一种利用矢量化技术提取山脉陑的方法。将山脉看作是由山脊陑中某雛符合山脉特征的山脊分段构成,设计山脊陑的矢量化和提取规则,提取权值较大的分段组合成主山脉,根据拓扑结构确定支脉,以完成山脉分级。实验结果表明,该方法提取的山脉陑走势清晰,结构合理,符合地貌认知。     

基于分块PCA的人脸识别方法

本文提出了一种称为M2PCA＋FDA的新的人脸识别方法．新方法从模式的原始数字图像出发，先对样本图像进行分块，对分块得到的子图像矩阵采用PCA进行特征抽取，从而得到能代替原始模式的低维的新模式，然后，对新模式施行“Fisherfaces”方法，实现模式的分类．其特点是能有效地抽取图像的局部特征，正是这些特征使此类模式区别于彼类．在ORL和NUST603两个人脸数据库上对M2PCAA-FDA方法进行了测试，实验的结果表明，本文提出的方法在识别性能上优于“Fisherfaces”方法和PCA方法．     

结合零空间法和F-LDA的人脸识别算法

线性判别分析（LDA）是一种常用的线性特征提取方法。传统LDA应用于人脸识别时主要存在两个问题：1）小样本问题,即由于训练样本不足引起矩阵奇异; 2)优化准则函数并不直接与识别率相关。提出了一种新的能同时解决以上两个问题的基于LDA的人脸识别算法。首先,通过重新定义样本的类内散布矩阵和类间散布矩阵,提出了一种新的零空间法。然后把这种新的零空间法与F LDA（Fractional LDA）算法相结合,得到一种对人脸识别更有效的特征提取方法。实验结果表明,这种新算法具有较高的识别率。     

基于龙芯3B的循环规约算法向量化研究

研究国产CPU龙芯3B的体系结构,分析三对角线性方程组求解中的循环规约算法,并结合算法特性,提出循环规约算法的优化方案。采用向量化级数,利用龙芯3B处理器提供的向量扩展指令对该算法在龙芯3B上进行实现和优化。实验结果表明,与非向量化算法相比,向量化算法的性能提升较大。     

基于 GPU 和 Kinect 的快速物体重建

便宜的物体快速三维建模技术是当前计算机视觉领域重要的研究课题.给出了一种基于Kinect传感器的快速物体重建方法,以及基于该方法的一种图形处理器 (Graphic processing unit, GPU)原型系统实现.本文方法主要分为两步: 1)系统的初始标定; 2)全自动的物体重建.对于系统初始标定,提出了一种简单易用的粗标定方法;对于物体重建,提出一种全自动的快速物体重建方法.本文方法鲁棒性高,在出现点云配准错误时仍然能够稳定地得到较理想的重建模型.针对环闭合(Loop-closure)问题,提出了一种全局的点云配准方法.对几类物体的重建实验结果表明,本文方法方便实用,且能得到较好的重建效果.此外,本文还探索了有遮挡物体的重建问题.将本文方法应用于有遮挡物体的重建,也取得了较好的重建效果.     

基于VRML技术的水利工程三维地形景观生成

以水利工程行业常用的专业地形图为基础,讨论了水利工程格网DEM的构建和地形景观的生成方法,并结合VRML技术,实现了水利工程三维地形景观可视化方法。     

基于类矩阵和特征融合的加权自适应人脸识别

为了准确快速地进行人脸识别,提出了一种基于类矩阵和特征融合的加权自适应人脸识别算法,该算法首先,提取人脸的全局特征和6个关键部分的局部特征,同时给出了局部特征权值的动态选择方法,由于该法可以根据不同的训练集得出不同的权值,因而增强了算法的自适应能力;然后通过将全局和局部特征加权融合来得出样本的特征矩阵;接着设计出了一种加权PCA方法用于对样本矩阵进行降维;再进一步提出类矩阵的概念,同时给出并证明了类矩阵的推导公式,并据此得出一种新的投影准则;最后,将类矩阵和试验样本分别进行投影,并根据其欧氏距离的大小得出试验人脸的最终类别。试验表明,该算法不仅计算速度快、识别率高,而且能有效解决LDA小样本空间问题,应用前景良好。     

基于编译指示的向量化方法

编译器由于程序分析能力不足,无法自动实现循环向量化或者会造成盲目自动向量化。为此,提出一种基于编译指示的向量化方法。通过在代码中插入向量化编译指示语句,指导自动向量化编译工具的处理过程,自动生成高效的向量化代码。测试结果表明,该方法能够有效提高目标代码的运行性能。     

Kernel clustering-based discriminant analysis

In this paper, a kernelized version of clustering-based discriminant analysis is proposed that we name KCDA. The main idea is to first map the original data into another high-dimensional space, and then to perform clustering-based discriminant analysis in the feature space. Kernel fuzzy c-means algorithm is used to do clustering for each class. A group of tests on two UCI standard benchmarks have been carried out that prove our proposed method is very promising.