MRPI系统面向对象的分析

通过建立ＭＲＰＩＩ系统对象模型、动态模型和功能模型,分析了ＭＲＰＩＩ管理软件包的组织结构,为软件包开发的程序设计与实现提供基础研究了ＭＲＰＩ系统各主要构成模块及彼此之间的相互作用,抽象出系统的基本对象类、对象的合法变化序列,以及系统中数值之间的函数关系通过分析ＭＲＰＩ系统事件追踪图和数据流图,建立系统的三种模型从而从一个全新的角度来分析研究ＭＲＰＩＩ系统     

基于MRPⅡ软件开发的研究

根据ＭＲＰⅡ软件应用与开发的实际,采用面向对象技术,提出一种ＭＲＰⅡ软件应用开发模型．从功能模型对典型ＭＲＰⅡ共性的内容进行分析,形成对象模型与对象协作模型,进一步抽象出应用类库的步骤．给出ＭＲＰⅡ软件的应用开发体系结构模型．     

多变量不确定性模型的摄动分析

根据对象模型的３种结构,提出控制系统不确定性模型的规范化描述方法。利用鲁棒稳定性原理及奈魁斯特ＭＩＭＯ稳定性准则,给出对象模型满足系统稳定条件的最大模型摄动范围,这种分析方法可用ＭＩＭＯ系统的分析设计。     

MRPⅡ系统面向对象的分析

通过建立ＭＲＰⅡ系统对象模型、动态模型和功能模型，分析了ＭＲＰⅡ管理软件包的组织结构，为软件包开发的程序设计与实现提供基础，研究了ＭＲＰⅡ系统各主要构成模块及彼此之间的相互作用抽象出基本对象类、对象的合法变化序列，以及系统中数值之间的函数关系，通过分析ＭＲＰⅡ系统事件追踪图和数据流图，建立的三种模型，从而从一个全新的角度来分析研究ＭＲＰⅡ系统。     

MIS中的对象模型转换技术及其应用

介绍管理信息系统（ＭＩＳ）的对象模型转换技术及对象参数的计算机存储技术,其特点是：将工程用网络图表示,把网络图分解成对象模型,把对象模型数据存储在关系数据库中以及利用数据的链值去启动事务处理,从而实现网络工程的管理,解决了在传统ＭＩＳ中使用面向对象的编程技术问题,促进了企业管理信息系统的发展。     

面向对象系统分析方法在开发MIS系统中的应用研究

本文研究了面向对象系统分析（ＯＳＡ）的三种模型：对象关系模型、对象行为模型和对象接口模型，并结合实例讨论ＯＳＡ模型对ＭＩＳ系统的描述和分析过程，提供了一种新的ＭＩＳ系统分析方法。     

一个多线程面向对象的程序设计模型

基于并发对象提出了一种新的多线程面向对象处理模型ＭＣＯＯＭ。该模型改进了传统面向对象的进程思想和多线程模型中对象体所导致的瓶颈现象,提出了将控制分散于各方法体中的机制,从而提高系统性能,另外还对并发控制作了详细讨论。     

TMN中分布式环境下被管对象的定义

信息模型的建立是ＴＭＮ中核心内容之一，ＩＴＵＴ建议用ＧＤＭＯ的模板进行对象类的定义，用ＡＳＮ．１ 描述被管对象（ＭＯ） 的数据形式．作者分析了ＧＤＭＯ在分布环境定义中的缺点，提出了４ 个ＧＤＭＯ辅件以扩展ＧＤＭＯ的功能，并在此基础上给出了对ＭＯ定义的技术要求以及实现方法．     

CIMS 的一种面向对象的 IDEF0 建模方法

把结构化的ＩＤＥＦ０功能建模方法和面向对象的分析设计方法结合起来,提出一种面向对象的ＩＤＥＦ０建模方法（ＯＯＩＤＥＦ０）．ＯＯＩＤＥＦ０通过功能对象和ＩＣＯＭ对象的定义以及功能模型和信息模型的集成解决了ＣＩＭＳ功能模型和信息模型的联系问题,并为改善模型的易于修改性和重用性奠定了基础．     

对象式软件需求定义及其自动转换的研究

在面向对象构架之下研究了软件需求定义及其自动转换问题,提出了层次化对象式软件需求模型ＮＤＨＯＲＭ;定义了图形化对象式需求定义语言ＮＤＯＲＬ;探讨了从半形式需求定义到形式功能规约的转换技术;介绍了对象式软件需求分析支撑系统ＮＤＯＲＡＳＳ的设计与实现,该系统支持用户借助ＭＮＤＨＯＲＭ模型及ＮＤＯＲＬ语言来构件软件需求定义,并实现到形式功能规约ＯＯＺＥ的自动转换。     

一种集成时空数据模型及语义扩展

采用面向对象的方法提出了一种具有集成特点的时空数据模型．模型分别扩展了空间数据对象和时态数据对象,时空对象是空间对象和时态对象的聚集,空间对象的变化由对象的行为进行描述并以不同的版本表现出来．此外,通过量词符号在时域上的扩充对对象的基本关系进行了语义扩展,在形式上将时态和空间谓词语义统一起来．这种模型能够更好地适应时空信息系统的应用需求．     

时空网格(ST-GRID)移动对象数据库模型

有效的存储和查询数据库管理系统中的移动对象受到了大量的关注，有一些是针对管理移动对象动态改变信息的应用。在本文中，把时间和空间变换成时空网格模型(ST-GRID)，把移动对象的运动轨迹转换成时空网格上的折线，用这种存储结构来管理移动对象，并给出产生折线轨迹的RippleInsert算法及移动对象突然改变目的地的解决方案。     

地理信息系统中时空拓扑关系计算表达

针对TGIS时空对象,建立了基于时段时空数据模型,根据9交模型以及基于时段的时间表示方法,定义了TGIS时空对象时空拓扑关系模型,利用代数方法给出了时空拓扑关系计算的规则.能有效地重建时空数据的历史状态,跟踪时空数据的变化,处理一切基于时间的查询,实现对TGIS时空对象时空拓扑关系的计算.     

基于模型动态切换的运动目标实时跟踪

针对视频监控系统中运动目标的跟踪问题,提出了一种基于模型动态切换的实时跟踪方法.在运动目标分割之后,跟踪系统有效判定运动目标的遮挡状态,对未遮挡的运动对象采用基于区域的跟踪模型,对于相互重叠的运动对象采用基于SIFT特征的窄基线图像匹配模型.基于区域的跟踪模型采用简单的目标区域特征以及运动预测属性,实现快速地跟踪.基于SIFT特征的图像匹配模型利用被跟踪目标在相邻图像帧之间很小的尺度和外形变化以及基于目标区域位置预测出的有限运动范围,实现快速的窄基线小范围SIFT特征匹配和跟踪.实验结果表明,该方法具有较强的鲁棒性,能有效实现复杂遮挡场景下的多目标实时跟踪.     

Foreground Detection Based on Nonlinear Independent Component Analysis

Motionless foreground objects are key targets in applications of home care monitoring and abandoned object detection,and pose a great challenge to foreground detection.Most algorithms incorporate the motionless foreground objects into their background models because they have to adapt to environmental changes.To overcome this challenge,a foreground detection method based on nonlinear independent component analysis(ICA) was proposed.Considering that each video frame was actually a nonlinear mixture of the background image and the foreground image,the nonlinear ICA was employed to accurately separate the independent components from each frame.Then,the entropy of grayscale image was calculated to classify which resulting independent component was the foreground image.The proposed nonlinear ICA model was trained offline and this model was not updated online,so the method can cope with the motionless foreground objects.Experimental results demonstrate that,the method achieves remarkable results and outperforms several advanced methods in dealing with the motionless foreground objects.     

基于改进K均值的运动目标检测算法研究

背景建模是运动目标检测的关键环节,提出了基于改进K均值背景建模的方法,并进行前景提取．该算法在HSV颜色空间对视频流的前N帧中的每个像素样本进行K均值聚类学习,K均值聚类的结果用来表示该像素螅背景模型;接着输入的视频流像素与背景模型比较,进行背景、可能前景和阴影的分离,并提出了一种像素相关的选择性背景更新机制;然后利用TOM（Time Out Map）方法来消除鬼影现象．实验结果表明该算法能够很好地对背景进行建模,较精确地提取出运动目标信息,对光照变化具有较强的鲁棒性．     

基于背景差分的运动目标检测方法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.通过对一组连续视频进行处理,从中得到不含运动目标的背景图像.再利用背景差分的方法提取出运动目标.在确定比较阈值的过程中,一改以往通过实验不断调整的做法,提出了动态阈值的概念,从而增强了检测效果,提高了算法的可实施性.融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测.实验结果表明,通过背景差分与高斯模型相结合的方法,在有诸多不确定性因素的序列视频中构建背景有较好的自适应性,能迅速响应实际场景的变化,为准确地检测出运动目标提供了必要的基础.     

背景差法中的阴影消除方法

依据视频图像序列中运动目标分割的一种重要方法背景差法的,提出一种新的计算颜色模型,使用该模型能够有效地计算色度差,解决了背景中光照亮度渐变和背景物体移动等问题,从而解决了运动物体的阴影消除问题。利用该方案实现了人体检测系统,并对该检测系统在室内和室外进行了多组实验。实验结果验证了所提出的方案——新的阴影消除方法的有效性。     

基于语义的逻辑模型优化研究

在不改变模型结构的基础上,从语义描述的角度,根据模型扩展原则和优化指标确定扩展内容,采用扩展参照实体的标准值方式,通过语义约束来更好的响应企业的业务变化需求。从而有效的保证逻辑模型的实用性,稳定性,和可持续性。     

机器人视觉中的线条解释技术研究

机器人视觉中，对多面体物体图像的线条解释技术一直沿用Huffman的线条解释方法。通过对Huffman方法的研究，指出了其中的缺陷。例如，它无法识别某些类型的简单物体；在给线条作标记时亦不具备逻辑上的统一性，使得有时出现信息冗余，有时又出现信息不足。该文提出克服缺陷弥补不足的改进办法，在标记面临几种选择时引入了优先级的概念，并对Huffman线条模型进行了调整。