多面体的剖分算法及应用

提出了一种将任意多面体剖分为系列四面体的算法，该算法首先根据多面体类型，查找出符合剖分要求的一个面与一个顶点，构成一个简单多面体，将原多面体剖分为一个简单多面体和一个新的多面体，再对新的多面体重复剖分，直到全部剖分为简单多面体，每个简单多面体再进一步剖分为四面体。文章中给出了算法理论基础的证明、算法具体实现步骤及所用数据结构。最后讨论了该算法在机器人碰撞检测中的应用。     

基于正三角形剖分的传感器网络覆盖判定算法

覆盖问题是传感器网络研究中的一个基础课题,如何判定某个感兴趣的区域是否被一组给定的传感器节点覆盖,在传感器网络的许多监控应用领域中具有重要意义。提出了一种传感器网络中基于正三角形剖分的快速κ-覆盖判定算法和最大κ-覆盖问题的求解算法,新算法首先把感兴趣区域剖分为正三角形区域,从而将复杂的区域覆盖问题转化为简单的正三角形区域覆盖问题。理论分析与仿真实验表明,针对具有n个节点的传感器网络,新算法的计算时间复杂度为O（n）,低于已有算法O（nlogn）的计算时间复杂度。     

基于模糊决策的快速星图识别

空间碎片问题日益严重, 需要对其进行常态化监测。光学观测作为重要的监测手段, 需要依靠快速的光学图像处理技术, 采用天文定位方法得到空间碎片的赤经-赤纬测量信息。星图识别是天文定位的关键步骤, 直接影响着图像处理的速度和结果精度。本文提出了一种改进的基于模糊决策的快速星图识别方法, 在保持快速处理的情况下提高了星表匹配的准确性。利用新疆南山站25 cm望远镜的图像对该方法进行了测试, 取得了良好的效果, 证明了算法的有效性和稳定性。     

一种改进的快速Delaunay三角剖分算法

Delaunay三角剖分算法是构建数字高程模型(DEM)的主要算法。分析了几种已有Delaunay三角剖分算法后,对前沿边推进算法进行了两点改进。一是直接以边为基础向一侧推进,而不是以凸包为基础向内推进;二是利用分块技术来改进搜索方法,使搜索范围限制在搜索边的周围区域,从而极大地提高了Delaunay三角网的推进速度。仿真实验表明,改进后算法效率有了显著提高。     

基于四叉树剖分的LOD地形绘制算法

针对三维游戏中室外场景渲染消耗内存大、效率低的问题,提出了一种基于四又树剖分的LOD(层次细节)地形绘制算法,实现了地形多分辨率网格绘制.采用将共事顶点唯一存储的四又树网格表示方法,并利用过程纹理合成技术实现地形的多纹理映射,模拟地表多种地貌混合的真实效果.实验结果验证了本文算法在内存占用、绘制速率和真实感上都优于Lindstrom算法.     

全天时多视场星图仿真的设计与实现

为了对大气层内全天时短波红外三视场天文导航系统的软件开发及功能和性能测试,提出了一种全天时三视场星图仿真算法.该算法为本天文导航系统提供任一时刻、任一指向下的仿真星图.短波红外2MASS星表数据量巨大,为此,采取了分区检索视场恒星的方法.为了使仿真星图更接近真实情况,研究并分析三视场天空背景辐射及三视场恒星——背景对比度;建立了星点成像模型和系统噪声模型.充分考虑了同一时刻、不同视场间背景辐射的变化情况,采用蒙特卡罗方法随机产生平台姿态,以便更好的测试恒星检测与识别算法的鲁棒性.     

基于三维剖分的机载雷达实时探测仿真方法

无人机的出现及迅猛发展,使得作战仿真中无人机机载雷达的目标探测问题具备较大的研究价值。国内外已有的作战仿真平台中,雷达与目标间探测关系的计算是两两交互式的,计算开销随实体数量呈线性或超线性增长,难以应对大规模实时作战仿真场景。基于三维剖分网格的理念,提出一种机载雷达目标探测仿真方法,通过在仿真前制作探测模板,仿真中查询模板及简要计算,可迅速判断探测成败。该方法有效降低了探测的计算量,为大规模实时作战仿真提供了有力支撑。     

基于边界特征点提取的约束Delaunay三角剖分算法

在地形表达上不规则三角网应用广泛,实际中用到最多的也是Delaunay三角网剖分算法。针对约束数据域下的Delaunay三角剖分通常不满足DT特性的问题进行了阐述,分析了已有的三种引入附加点的算法,算法主要从几何的角度考虑如何减少附加点的数量,而加入附加点的最终目的在于获得更加真实的地形,因而提出了基于边界特征点提取的约束Delaunay三角剖分算法,算法实质就是在加入特征约束之前提取能够满足可以真实再现地形的所有特征点作为新的特征约束,省去附加点的概念,应用现有的Delaunay三角剖分算法进行构网,保证构建后的地形仍具真实感。     

基于连续球面剖分的全球地形数据组织模型

基于正八面体球面剖分的思路,提出了一种对全球地形数据进行组织管理的方法。该方法扩展了QTM的定义,采用了一种新颖的经纬度相关的编码方式,可用于对数据进行快速地检索与调度。同时采用了批量处理的策略,将模型的基本单元从单一三角形变为批量三角形的集合—区块,大大减少了调度过程中CPU负担。并针对区块的数据结构,设计了一种紧密集成的存储方式,减少了系统I/O的代价,便于数据的调度与管理。整体模型结构明确,存储高效,调度方便,能够很好地支持全球范围下地形数据处理与可视化的应用要求。     

一种目标兴趣区的快速识别算法

本文给出了一种基于角特征的目标兴趣区的识别算法。通过对二值图象边缘点的向前和向后K步跟踪,可以得到该点两个方向的方向链码,而一个角则由该两个方向链码确定。然后根据已知目标上角分布的先验信息,将目标的主体提取出来。本文给出的算法可并行实现。计算机模拟结果表明,该算法是有效的。     

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。     

传感器网中基于矢量地图数据的传感器放置模型与算法

基于矢量地图数据,建立了用于传感器放置的地形模型和传感器模型,提出了两种传感器放置算法,算法的目标是优化传感器数目及确定传感器的放置位置。算法通过计算放置一个传感器后目标节点处目标漏检概率的有效变化,将传感器放置在能带来全局或局部最大有效变化的网格节点上。仿真实际表明,与已有放置算法相比,两种算法减少了传感器的数目。     

具有多值映射的两级优化问题的广义算法研究

两级优化问题是一种非凸非光滑问题，绝大多数问题的求解都是建立在下层有唯一解的基础之上的。而本文针对多值映射，即下层非唯一解的情形，利用隐函数理论，将两级优化问题转化为带有隐函数的非光滑问题，提出求解这类问题的广义算法框架，并证明其收敛性，最后通过实例验证该方法的实用性．     

基于智能化分配算法的计算机负荷并行处理技术

针对计算机负荷并行处理的高效稳定和最优化问题,提出了一种智能化任务分配算法.该算法智能化地选择各节点状态和启动策略,将总负荷分配到合适的节点,以使得通信和处理开销最小、负荷均衡,从而使并行处理系统的整体性能达到曩佳,成本最低.仿真结查表明,该算法对那些包含少量或适度数量的子处理器网络来说,更为有效和稳定.     

基于自适应差分演化的特征选择算法在石油储层识别中的应用

近年来我国石油产量跟不上需求,供需矛盾进一步凸显,导致石油的对外依存度已经连续几年超过警戒线,为了缓解供需矛盾,石油的增储上产是一种有效措施,但精确地识别石油储层成为增储上产的一大难题,而特征选择是精确识别石油储层的有效保障.本文提出了一种增强型自适应差分演化算法,即ESADE算法,在算法中使用了双种群的概念,构造了一个简单的双层差分演化,并且在算法的选择操作中加入模拟退火的思想;接着将ESADE算法作为特征选择的搜索策略,将ReliefF算法、BIF算法、FCBF算法及随机抽选特征算法作为评价准则库,SOM神经网络算法、模糊C均值算法、K均值算法和K近邻算法作为分类器库,得到了一种基于ESADE的特征选择算法.然后将此算法应用于某油田oil81、oil82、oil83、oil84和oil85五口井的测井数据集上进行石油储层的油层、差油层、水层和干层的分类识别,并与未进行特征选择直接进行分类的结果进行比较及相同分类正确率下不同分类算法组合及不同属性选择的比较.实验结果表明与SOM神经网络算法、模糊C均值算法、K均值算法及K近邻算法这四种分类算法相比,基于ESADE的特征选择算法能在利用较少属性的同时提高分类准确率,并能够提供不同的属性和分类算法的最优组合方案.     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

一种基于查询密度聚类的异常检测算法

现有入侵检测研究多集中在网络和操作系统,而数据库系统具有自己的结构和语义,针对数据库特点的入侵检测是现有数据库安全机制的重要补充。提出一种数据库异常检测算法,该算法对数据库查询进行密度聚类,并通过聚类的核心对象来建立正常轮廓。说明了该算法的训练、检测、增量更新方法和查询执行前检测算法,并通过实验和实例对算法的性能和应用做了分析。