面部软组织三维有限元建模和变换

为了实现在临床上快速地为病人建立个体化有限元模型用于正畸治疗的术前预测，研宄首先在正常领型志愿者A的CT数据的基础上建立一含包含度朕、肌肉和脂肪的通用唇面部软纽织三维有限元模型。然后通过选取的面部标志点，使用径向基函数（Radial Base Function,RBF）插值法把通用模型变换成志愿者B的唇面部模型而实现通用模型的含体化。结果显示志愿者B的个体化模型和其CT数据在唇面部区域的平均误差在0．47mm左右，而且具有较好的相似度。     

基于孕灾环境的突发事件连锁反应模型

突发事件不仅自身可以造成严重的灾害后果,还能引发次生事件。虽然突发事件的发生具有突发性,不可避免,但如果事先知道可能存在的连锁反应,则其引发的次生事件就可以预防。基于灾害系统论,本文在单一突发事件发生机理的基础上,研究了突发事件连锁反应与孕灾环境的关系,归纳出了四类突发事件的孕灾环境,提出了突发事件之间的连锁反应机理,构建了突发事件连锁反应模型,并将该模型应用于突发事件连锁反应实例的仿真模拟。利用该模型,可以找出当前区域可能存在的突发事件连锁反应,为事先做好断链减灾工作提供决策支持。     

利用Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

关于Eiffel中复合继承的分析

分析了Eiffel中复合继承的两种方式——多重继承和重复继承,并对多重继承和重复继承中的重命名、未定义、选择等面向对象技术作了总结。     

浅析电影中的植入式广告--从"环境即媒介"说起

“植入式广告”是随着电影、电视等现代媒体发展起来的一种新的广告形式，它是指在影视剧情中刻意插入商家的产品或标识，以达到潜移默化的宣传效果。由于受众对广告有天生的抵触心理，把商品融入剧情的做法往往比硬销售的效果好得多。电影巨大的魅力令这种方式得以更好的发挥。文章将对电影中植入式广告产生的传播学、心理学基础作出分析，梳理出植入的方式，进一步分析我国如何利用和发展电影植入式广告。     

天线精密测量支撑台架结构分析与优化

在紧缩场中进行天线测量,天线定位结构型式及整体刚度性能非常重要.根据天线测量中心运动范围及精度要求,为减小部件之间的错位公差,采用分段整体结构封闭设计,设计了一种新的天线支撑台架结构方案,详细进行了结构变形刚度分析,提出以比刚度高和系统重量低为双指标的优化函数.最后,以结构尺寸为基本变量,采用模拟退火算法,得出了天线支撑台架的具体结构尺寸.     

三维视景下战车炮控系统仿真技术研究

在简要介绍了战车炮控系统工作过程及其特点的基础上,阐述了该系统在三维视景下稳定工作过程和瞄准工作过程仿真的基本方法,并以某型坦克装备的炮控系统为例,给出了瞄准过程的数学模型,推导了相关模型的差分方程形式,并讨论了参数选择和计算步长的选取问题。仿真实验结果证明,该基本技术与方法不仅工程实践上可行,同时可以极大地增强三维视景下的真实感。     

太赫兹技术在通信方面的研究进展

随着超快激光技术的发展以及人们对THz波段及脉冲光源认识的进一步深入,太赫兹技术作为一种新的,快速发展的技术在许多领域备受关注.尤其在安全检测及反恐、医疗诊断及生物技术、物体成像、电子对抗及信息领域等的应用方面,太赫兹技术已经得到了广泛的应用.并显示出了它的广阔的应用前景.着重介绍了与微波技术和红外技术相比,太赫兹技术应用于通信方面的一些独特的优势,以及与通信相关的太赫兹技术的进展情况,还初步地探讨了太赫兹通信技术亟待解决的问题.     

论英语教学与科研的行为优化

教师的教育教学行为领带于教育科研，这既是教育教学现代化建设的重要标志，又是实现教育教学现代化的客观前提，外事是在理论联系实际的过程中掌握和培养的一门技巧，英语教师的科研行为从来就是提高英语教学效率的唯一途径，教学与科研辩证统一的关系每时每刻都显示出无比的重要性。     

基于乳突纹方向特性的掌纹自动分类方法

针对在利用掌纹进行身份自动鉴别的过程中如何对掌纹进行自动分类 ,提出了一种利用乳突纹方向特性的掌纹自动分类方法。此方法首先生成具有 4个方向的掌纹方向图 ,然后利用改进的庞加莱指数算法对掌纹方向图进行处理来确定三角点和中心点 ,最后根据掌纹指根区和掌纹外侧区中三角点和中心点的数量对掌纹进行分类。利用此方法对340个指根区和 35 4个外侧区的油墨捺印掌纹图像进行了测试 ,在指根区的正确率为 95 .6 % ,在外侧区则为 96 .9%。实验结果说明上述方法能够有效地进行掌纹自动分类。