多幅图像显示时色彩压缩的聚类统计算法

在计算机上，同屏显示多幅彩色图像会出现明显的失真（即色彩损失）．特别是两幅图像色调差别较大时（如一幅暖色调，一幅冷色调），失真现象更为严重．为了克服这一缺陷．本文在参考Ｋ均值聚类算法的基础上，优化了初始聚类中心，提出了色彩压缩的聚类统计算法．本算法简单实现较为方便，克服了Ｋ均值算法对色彩压缩不均衡及彩色失真度大的缺点．且不需经过多次迭代即可得到令人满意的效果，压缩时间短．     

受顶点数限制的最短路问题及其算法

本文提出了若干受顶点数限制的最短路问题。引入非支配路的概念，用双标号和取字典序最小方法，给出求解问题的多项式算法。     

计算机图形处理新算法研究与实践

本文提出了新颖而又实用的圆形窗口“裁剪”算法。该算法以图形乘坐变换及采用正、负区域法原理为判别手段,使直线与窗口快速求交,程序设计简单易行。     

线性分式规划的多项式算法

Charnes—Cooper提出了一种线性分式规划的算法。本文在此基础上证明了线性分式规划与一种特定的线性规划等价。将Karmarkar算法用于该线性规划,我们得到了线性分式规划的多项式算法。     

Security Analysis of Discrete Logarithm Based Cryptosystems

0 IntroductionNowthere are many well known cryptosystems based ondiscrete logarithms , such as the ElGamal cryptosys-tem[1]and the digital signature algorithm(DSA)[2]. Discretelogarithms have many advantages . Breaking the discrete log-arithm modulo pri mepappears to be somewhat harder thanfactoringintegern,and elliptic curve cryptosystems may usemuchsmaller keysizesthan RSA-basedcryptosystems of com-parable security.The discrete logarithmproblemover a group can be bro-ken down into a numb…     

改进QDPSO算法在BP网络训练中的应用

QDPSO（Quantum Delta-Potential-Well-based Particle Swarm Optimization）算法是基于量子空间的粒子群算法，对QDPSO算法进行了改进，结合Iris分类问题，应用到BP网络的权值优化中，并和基于标准PSO算法的方法进行了比较。实验结果表明：该算法性能优于所比较的两种算法，并且具有良好的收敛性和稳定性。     

也谈复合命题

我国逻辑界对复合命题的定义、选言命题的定义以及不相容选言命题的身份这三个理论问题，有不同的观点。应从“真假决说”角度来定义复合命题；复合命题是其中还包含命题，而且其真假由所包含的命题决定的命题；应采取给联言命题、假言命题下定义同样的“反映说”方式来定义两种选言命题；相容选言命题是反映若干事物情况可以同存并且至少有一个存在的选言命题、不相容选言命题是反映若干事物情况不能同存，至少有一个而且至多有一个存在的选言命题；应持“两立说”来对待不相容选言命题，不能对V进行结合运算，这是f10这一真值函项本身的性质使然，不影响不相容选言命题的存在。     

量子计算机与经典计算机

<正> 量子信息学是最近几年迅速发展起来的新兴学科,由于它潜在的应用价值和重大的科学意义,正引起各方面越来越多的关注。利用量子态相干、叠加及纠缠的性质,量子计算机可以实现大规模的并行计算,产生经典计算机无法比拟的信息处理功能。20世纪下半叶电子计算机蓬勃发展的主要基础是基于硅材料的微电子器件,这里将以微处理器为基础的电子计算机称为传统计算机。由于现有计算机以二进制数字0和1为基础,信息的存储、读写和复制等操作都是用经典物理过程来实现的,故称为经典计算机。而设想中的量子计算机以量子物理的过程来运行,利用量子态的叠加、量子态的纠缠及干涉等性质进行信息处理。量子计算最重要的优点体     

自动选垫机在主减速器装配中的应用

在主减速器装配中,调整齿轮啮合区域及轴承预紧力时需多次拆装;劳动强度大,效率较低,自动选垫机通过检测壳体及相关零件后,自动选出装配所需的调整垫片,一次装配即可,满足了大批量生产的需求。     

蚁群算法的应用研究与发展

蚁群算法是一种新兴的模拟进化算法,由于其具有鲁棒性、正反馈、并行分布式计算等特点,迅速得到广泛的应用和发展。本文首先介绍了蚁群算法的原理和实现方法,进而又对其研究进展和实际应用做了较详细的综述,并对其前景和发展方向进行了展望。