低秩张量填充的随机算法

以高精度低秩张量填充算法为基础,引入随机的思想,提出了一种新的低秩张量填充算法.该算法在每次迭代过程中,只对张量随机产生的某个模进行展开,奇异值分解及折叠,减少了计算花费.最后,通过数值实验以及MRI图像填充证明新算法比HaLRTC及DR-TR算法更有效.     

基于LPP和l_(2,1)的KNN填充算法

传统的KNN缺失值填充算法存在没有利用样本间属性的相关性,也没有考虑到保持样本数据本身的结构和去除噪声样本的问题。本文提出利用训练样本重构测试样本从而进行最近邻缺失值填充的方法,该方法重构过程充分利用样本间的相关性,也用到LPP(保局投影)保持数据结构在重构过程中不变,同时引入l2,1范式用于去除噪声样本。在UCI数据集上的仿真实验结果表明,该方法比传统的KNN填充算法以及基于属性信息熵的Entropy-KNN算法有更高的预测准确度。     

激光标刻的复杂区域填充算法

为减少填充线段和提高激光加工效率,对复杂区域的填充算法进行了研究．采用延长某些岛屿边界将包含岛屿的区域变为单连通域;然后用最长边延长法和最长边平行截取法将单连通域分解为简单凸多边形,简单凸多边形填充方法是先找到凸多边形所有边对应的高最小的那条边,平行该边进行填充,最后对填充线段的连接顺序进行优化处理．与传统的固定方向扫描填充相比,采用本算法可使复杂区域和实心文字的激光标刻效率提高20％～40％．     

用有理Bezier曲面光滑填充N边域

描述了用常规的有理Ｂｅｚｉｅｒ曲面光滑填充任意Ｎ边域的数学推导和算法细节，并给出该算法的实验结果。所产生的Ｎ边域过渡曲面形式符合ＳＴＥＰ标准。     

基于信息论和遗传算法的Bayesian网络弧定向方法研究

Bayesian网弧定向问题是Bayesian网学习的一个重要方面．提出了一种基于信息论和遗传算法的Bayesian网弧定向算法．将信息论中鉴别信息这一概念引入Bayesian网学习中来,以鉴别信息定向后的网络为基础网,并设计相应的适应度函数和遗传算子,使该算法能够收敛到全局最优的Bayesian网结构．从而极大地减弱了单纯利用遗传算法学习对初始群体的依赖性,提高了算法的收敛速度．实验结果表明：该算法能够有效地解决Bayesian网弧定向问题．     

一种基于B-3次样条曲线的改进的填充算法

面向服装款式CAD系统应用，提出以扫描线填充算法中的有序边表算法为核心，款式智能拼接技术中款式部件存储技术为辅助的基于B-3次样条曲线的改进的有序边表填充算法。     

基于区域划分的一种新的图像变形算法

针对图像变形过程中,经典像素填充算法复杂度高,矩形填充算法不能直接对非规则区域进行填充等缺点,提出了一种基于区域划分思想的填充算法．通过区域划分,填充区域变成规则的矩形区域和小块的非规则区域．对于矩形区域利用标准的矩形填充算法进行填充,对于非规则区域提出一种新的基于预测的像素填充算法．该算法思想可适用于任意形状区域的填充,在填充效率上非常接近仅适用于矩形区域填充的标准矩形填充算法．     

实现复杂填充图案定制的多边形拟合模型

提出了实现复杂填充图案定制的多边形拟合模型 ,即将圆看作多边形 (至少 12边形 ) ,依所处相位及拓扑关系对诸边连接 ,即可构成圆形填充图案 ,再以此填充图案为基础 ,去掉某些边则为弧段 ,半径的不同则可产生曲率不同的弧 ;将不同的弧段相连可构成任意的曲线 ;最后 ,不同曲率半径的圆、弧和CAD软件系统提供的点、线元素一起作为基本填充元 ,便可组合成众多复杂填充图案     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,讨论了基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

弧相容算法性能比较

为了化简约束满足问题的规模、有效地处理大规模难解问题,从求解算法的角度研究弧相容技术。分析讨论了8种弧相容算法各自的优势和特点。在“明月”约束求解平台上针对随机约束满足问题,对该系列弧相容算法的性能进行了测试。实验结果表明,无论是在搜索之前还是搜索过程中,AC-2001(AC-3.1)都比其他算法表现出更优异的性能。     

采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.     

基于局部填充函数的混合优化算法的改进

填充函数算法是求解全局优化问题的常用算法,其应用效果依赖于如何合理地选择算法参数。为了方便地选择参数,该文提出了局部填充函数的概念,并讨论基于局部填充函数的混合优化算法的改进策略。对于给定的参数,混合优化算法寻找一个包含极小点的区域,使得所构造的函数在该区域上满足局部填充函数的定义,从而利用局部填充函数的性质简化寻优过程,减少优化过程中参数调整的次数和难度,提高算法的效率和稳定性。此外,针对填充函数算法研究中简单盆存在性问题,该文给出了一个实例,说明二次连续可微的函数在一定条件下其孤立极小点附近可以不存在简单盆。     

基于小波变换的分布式视频编码改进方案研究

针对以小波变换为基础的分布式视频编码架构,提出若干改进思路.首先引入整数小波简化算法,提升编码端效率.其次,为了节省信道带宽,首次提出高频边信息直接填充方法.最后,采用传统编码领域的分级传输思想适应不同的传输带宽.仿真结果表明,该方案在降低传输码率的同时,保证了良好的视频传输质量.     

一种改进的局部多边形填充方法

本文提出了一种实现等值带彩色填充的改进算法。该算法不需要进行等值线的追踪,只需要进行离散数据网格化即可进行填充。同时在对多边形填充过程中使用了凸包算法,解决确定多边形顶点顺序问题。编程实现容易,计算速度跟网格密度相关而与绘图区域无关。文中给出了具体算法,同时展示了相关示例。     

一个非线性全局优化的单参数填充函数

根据填充函数算法的思想和基本理论,文章给出了一个求解无约束优化问题的单参数填充函数,讨论该填充函数的性质并设计了相应的算法。该填充函数只含有1个参数,在实际计算中易于调节。实验结果表明该填充函数是可行的。     

一种曲面网格优化的通用算法

提出了一种曲面网格优化的通用算法,该算法基于一些预先定义的优化准则,将给定的网格曲面优化成为单位网格曲面,定义了两种指导优化过程的优化标准。在优化过程中采用了三种优化算子（边分裂、边消除、边替换）,是一个简单的曲面网格优化的通用算法。     

边标志算法实现过程中的常见问题及解决方法

0 引言 区域填充问题是计算机图形学当中的一个基本问题,在图形学的各个应用领域都经常会遇到,主要是研究如何对指定区域内的像素赋予特定的颜色代码.目前常见的区域填充算法可分为基于多边形的填充,基于边的填充及种子填充算法等3种.     

采用填充字符的频繁序列模式挖掘算法

具有固定通配符间隔的频繁序列模式挖掘算法应具有删属性,从而保证在实际应用中能挖掘出有意义的长模式．而原有的问题定义集合存在一定的不足阻碍了该属性的实现．通过引入填充字符改变部分问题定义,解决原定义引起的一些极端性问题,并在模式挖掘过程中保证了完整性和有效性．将基于新定义集合提出的硒孙l算法与基于原定义集合的MMP算法分别在DNA序列上进行实验,结果表明算法实现了Apfiofi属性．     

采用节点流守恒求取多状态网络d-最小路集的改进算法

针对多状态网络可靠度的计算问题,给出一种求解多状态网络d-最小路集的改进算法.引入可行流向量,并将网络中的双向边等效为单向边,使算法对网络中边的容量取值无特殊要求,且可用于含双向边的网络,适用性更强.通过引入边的容量下确界,并将网络中的反向边等效为单向边,减少求取d-最小路集可行解时需枚举的解数目,降低算法复杂度.以多状态网络为例,进行分析验证.结果表明:该算法可以准确得到多状态网络所有d-最小路集.     

儿童孤独症的高秩矩阵填充模型与方法

针对儿童孤独症的临床数据填补,提出了一种基于交替方向乘子(ADMM)算法的高秩矩阵填充(HRMC)算法.该算法考虑到数据中的不同参数具有不同的重要性,在算法设计时将重要参数与非重要参数赋予不同权重.在案例分析中,利用生成的测试数据寻找最优的参数配置,并且将该算法应用到实际孤独症数据的填充中,填充结果与参数化填充方法和低秩矩阵填充方法的结果进行对比.结果显示:所提出的算法在矩阵填充精度方面显著优于其他算法,并可应用于实际的数据清洗与处理过程中.