排序方式: 共有75条查询结果,搜索用时 15 毫秒
1.
注射充模过程的压力求解方法及其比较 总被引:1,自引:3,他引:1
提出了一个LU局部分解方法来求解注射充模过程的压力方程,并与其他迭代方法进行了比较。LU局部分解法是当矩阵在逐渐变大时,保留已经分解的部分,只对新增加的部分进行分解,因此相当于只对最后的稀疏矩阵进行了分解。计算表明,LU局部分解法比预条件共轭梯度法快大约1个量级,而预条件共轭梯度方法又比超松弛迭代法快大约1个量级。 相似文献
2.
注塑流动与传热分析的自适应隐式控制体积法 总被引:1,自引:1,他引:1
在注塑流动与传热分析中采用自适应隐式控制体积法,利用自动控制的参数识别方法来自动调节时间步长,在每个时间步长流动将向前推进大约半个单元大小的距离,厚度方向的温度采用契比雪夫配点法进行计算,压力方程的求解方法是预条件共轭梯度法。计算结果表明,自适应隐式控制体积法的时间复杂度是结点数目的平方,而且1h之内可以求解10000结点规模的问题。 相似文献
3.
4.
采用移动最小二乘(movingleastsquares,MLS)修正的光滑粒子流体动力学(smoothedparticlehydrodynamics,SPH)算法模拟了一个强制旋转动边界问题模型。提出了一种施加强制旋转粒子动边界方案。阐述了修正方法的原理并给出了具体的修正操作方法。同时,还构建了静边界模型,并分别使用修正的SPH以及商业软件FLUENT计算。对计算结果的比较分析表明:该修正SPH方法,能够消除压力振荡;该方法及动边界处理方案可以有效计算该强制动边界问题,为进一步计算更加复杂模型奠定了理论基础。同时,该方法对于不同领域中的动边界问题也具有一定参考价值。 相似文献
5.
在HSV颜色空间下,通过非均匀量化方法,构建了图像区间模糊模型.在此模型下,图像可以看作是一个区间模糊集合(IVFS,interval-valued fuzzy set).IVFS之间相似性度量可以用来衡量图像之间的相似程度.给出一种基于LP范数距离的IVFS集合度量(简称IVFSLp)并将它应用于图像检索中.实验数据表明:IVF-SLP与直方图距离(histogram distance)和普通模糊集的相似性度量(general fuzzy similarity measure)相比具有更好的性能. 相似文献
6.
目的 现有方法存在特征提取时间过长、非对称失真图像预测准确性不高的问题,同时少有工作对非对称失真与对称失真立体图像的分类进行研究,为此提出了基于双目竞争的非对称失真立体图像质量评价方法。方法 依据双目竞争的视觉现象,利用非对称失真立体图像两个视点的图像质量衰减程度的不同,生成单目图像特征的融合系数,融合从左右视点图像中提取的灰度空间特征与HSV (hue-saturation-value)彩色空间特征。同时,量化两个视点图像在结构、信息量和质量衰减程度等多方面的差异,获得双目差异特征。并且将双目融合特征与双目差异特征级联为一个描述能力更强的立体图像质量感知特征向量,训练基于支持向量回归的特征—质量映射模型。此外,还利用双目差异特征训练基于支持向量分类模型的对称失真与非对称失真立体图像分类模型。结果 本文提出的质量预测模型在4个数据库上的SROCC (Spearman rank order correlation coefficient)和PLCC (Pearson linear correlation coefficient)均达到0.95以上,在3个非对称失真数据库上的均方根误差(root of mean square error,RMSE)取值均优于对比算法。在LIVE-II(LIVE 3D image quality database phase II)、IVC-I(Waterloo-IVC 3D image qualityassessment database phase I)和IVC-II (Waterloo-IVC 3D image quality assessment database phase II)这3个非对称失真立体图像测试数据库上的失真类型分类测试中,对称失真立体图像的分类准确率分别为89.91%、94.76%和98.97%,非对称失真立体图像的分类准确率分别为95.46%,92.64%和96.22%。结论 本文方法依据双目竞争的视觉现象融合左右视点图像的质量感知特征用于立体图像质量预测,能够提升非对称失真立体图像的评价准确性和鲁棒性。所提取双目差异性特征还能够用于将对称失真与非对称失真立体图像进行有效分类,分类准确性高。 相似文献
7.
通过对目前网络拓扑发现算法的研究,该文提出了改进的以太网设备连接判定定理。并在此基础上提出了改进算法。改进后的算法能够发现原来网络中无法发现的设备,算法的应用范围更广,适应性更强,更贴近实际环境。能够简单,完整、高效地进行物理拓扑发现。 相似文献
8.
数独有唯一解,回溯法可以保证获得正确结果。为了提高回溯法求解效率,向前搜索用最基础的人工策略进行求解,这样只需要两三个正确的候选数就可求解成功。基础人工策略求解的结果分为求解成功、求解失败和求解不确定三种情况,只有在求解不确定时才继续向前搜索,从而达到高效剪枝的目的;同时在算法实施方面采用大量位运算,大量9×9数独的实验结果表明对于绝大部分数独,平均计算时间不超过0.15 ms,对于那些极端困难的数独平均求解时间为2 ms;求解一个16×16数独的平均时间为224 ms。通过实验还发现17个提示数的9×9数独数据集在各方面具有较好的分散性,建议作为标准测试用数据集。 相似文献
9.
目的 图像在获取和传输的过程中很容易受到噪声的干扰,图像降噪作为众多图像处理系统的预处理模块在过去数十年中得到了广泛的研究。在已提出的降噪算法中,往往采用加性高斯白噪声模型AWGN(additive white Gaussian noise)为噪声建模,噪声水平(严重程度)由方差参数控制。经典的BM3D 3维滤波算法属于非盲降噪(non-blind denoising algorithm)算法,在实际使用中需要由人工评估图像噪声水平并设置参数,存在着噪声评估值随机性大而导致无法获得最佳降噪效果的问题。为此,提出了一种新的局部均值噪声估计(LME)算法并作为BM3D算法的前置预处理模块。方法 本文专注于利用基于自然统计规律(NSS)的图像质量感知特征和局部均值估计技术构建图像噪声水平预测器,并通过它高效地获得噪声图像中准确的噪声水平值。关于自然场景统计方面的研究表明,无失真的自然场景图像在空域或者频率域上具有显著的统计规律,一旦受到噪声干扰会产生规律性的偏移,可以提取这些特征值作为反映图像质量好坏的图像质量感知特征。另外,局部均值估计因其简单而高效率的预测特性被采用。具体实现上,在具有广泛代表性且未受噪声干扰图像集合上添加不同噪声水平的高斯噪声构建失真图像集合,然后利用小波变换对这些失真图像进行不同尺度和不同方向的分解,再用广义高斯分布模型(GGD)提取子带滤波系数的统计信息构成描述图像失真程度的特征矢量,最后用每幅失真图像上所提取的特征矢量及对其所施加的高斯噪声水平值构成了失真特征矢量库。在降噪阶段,用相同的特征提取方法提取待降噪的图像的特征矢量并在失真特征矢量库中检索出与之类似的若干特征矢量及它们所对应的噪声水平值,然后用局部均值法估计出待降噪图像中高斯噪声大小作为经典BM3D算法的输入参数。结果 改进后的BM3D算法转换为盲降噪算法,称为BM3D-LME(block-matching and 3D filtering based on local means estimation)算法。准确的噪声估计对于诸如图像降噪,图像超分辨率和图像分割等图像处理任务非常重要。已经验证了所提出噪声水平估计算法的准确性、鲁棒性和有效性。结论 相对人工进行噪声估计,LME算法能够准确、快速地估算出任意待降噪图像中的噪声大小。配合BM3D算法使用后,有效提高了它的实际降噪效果并扩大它的应用范围。 相似文献
10.