基于曲率匹配和递归排序的自适应排样算法

为提高盘状毛坯的使用率,提出一种口腔修复加工中模型边界在盘状毛坯中的排样算法,主要包括边界匹配、多边形定位及递归排序.首先基于协方差矩阵及矩阵SVD分解算法对模型多边形进行分段,并采用等弧长曲线采样曲率匹配确定待匹配模型边界;然后依毛坯边界角度分布及沿圆周排样的思想确定模型轮廓的旋转和平移定位;最后提出一种基于包络率的递归排序算法,对在排样过程中发现的大孔洞可动态地调整排样顺序.实验结果表明,该算法可以处理不规则模型边界在任意形状毛坯中的排样,能有效地降低加工成本.     

基于进化采样的粒子滤波算法

在粒子滤波算法中, 重采样的引入有效地改善粒子退化现象, 但同时也导致了粒子多样性减弱问题的产生. 本文给出了一种基于进化采样的改进粒子滤波算法. 该算法在重采样过程后, 首先根据马尔可夫链蒙特卡罗(Markov-Chain-Monte-Carlo, MCMC) 技术和遗传算法中的模拟二进制交叉原理生成候选粒子, 并利用适应度函数完成对于其权重的度量. 然后结合当前时刻的重采样粒子构建候选粒子集, 进而提升了重采样后粒子的多样性, 最终依据粒子自身的权重实现粒子的优选. 仿真结果表明: 该算法可有效地提高     

贝叶斯网参数学习中连续变量离散化方法研究

连续变量离散化是贝叶斯网络参数学习中面临的一个重要问题,它的好坏将直接影响到贝叶斯网络的推理效果。目前缺少一种有效的手段用于评价连续变量离散化的好坏,通过研究,提出了推理信息量的概念,并采用作为衡量连续变量离散化好坏的标准。在连续变量离散化的过程中,采用遗传算法通过迭代的方式寻求最优解,其中,推理信息量作为衡量个体适应度的标准。实例分析证明,推理信息量大的推理效果好要优于推理信息量小的推理效果。     

基于推理信息量的BN参数学习变量离散化方法

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准。在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准。实例分析证明,通过该方法对变量进行离散化后学习得到的贝叶斯网络在推理时能得到更大的推理信息量。     

地下水资源评价方法—水量均衡法的探讨

地下水资源评价旨在摸清地下水文地质条件、查清地下水资源时空分布特征,计算和评价地下水补给资源量和可开采资源量。常用方法有水量均衡法、开采试验法和数值模拟法等。重点讨论了水量均衡法评价过程及其优缺点。若能结合开采试验法或数值模拟法进行评价,可提高评价精度,评价结果将为水资源的合理开发利用提供科学依据。     

用MindManager辅助教学的设想

鉴于Powerpoint翻页式内容呈现方式缺乏对人的思维过程的有效模拟,需要必要的教学内容呈现补充手段,提出一种基于全脑图的教学内容呈现思路——基于MindManager的辅助教学模式,并给出了具体的教学课件设计实例.利用MindManager软件开发工具,设计全脑图模拟人的思维过程,突破了传统教学手段模式的限制,有效提高了教学内容的表现力,对教学实践具有一定的指导意义.     

中心差分卡尔曼平滑器

针对一类非线性离散系统的状态平滑问题, 本文设计了一种中心差分卡尔曼平滑器(CDKS). 文中基于最小方差估计准则, 详细推导了非线性系统的状态最优平滑递推公式, 并采用中心差分变换来近似计算状态的后验均值和协方差. 相比于传统中心差分卡尔曼滤波器(CDKF), 所设计的CDKS算法有效提高了非线性状态的估计精度, 拓展了中心差分变换的应用范围. 仿真实例验证了所提出平滑器的可行性和有效性.     

一种高效粒子滤波检测前跟踪算法的仿真分析*

分析了一种高效粒子滤波检测前跟踪算法的独特结构。其算法中存在两类粒子互相竞争与协作的复杂关系。针对其两类粒子数量选择的困难,通过大量仿真对比分析了两类粒子五种数量比例在不同总粒子数和不同过程噪声水平下的算法性能。仿真结果表明在两类粒子数量相等附近时,算法综合性能较好。     

一个支持自动协作式测量的大规模网络测量系统

设计并实现了一个大规模网络测量系统FOX，该系统除具备较好的通用性、可扩展性特点之外，以一种安全高效的方式实现了对自动协作式测量的支持。目前该系统已经在实际网络测量中得到了应用。     

基于CORBA实现电网联合反事故演习

联合反事故演习是保证电网安全稳定运行的关键。随着电力系统仿真技术的发展,文中提出利用分布式仿真技术来实现电网联合反事故演习。在此方案中基于CORBA的分布式面向对象的体系结构,提出一种多层的C/S的数据服务模型,从而提高了分布式仿真系统中数据的可用性和实时性,并且大大地减少了网络传输中的冗余信息。