一种三维模型特征提取与压缩算法

特征提取是三维模型检索最主要的问题,提取的特征决定检索系统的性能和效率,如何对提取的特征进行有效压缩成为保证性能的关键.首先采用透视投影的方法把预处理后的模型从三维空间转换成二维图像,然后对图像进行两次一维傅立叶变换转换到频域,并对频域采样得到的高维向量进行有效压缩.算法解决了特征信息量大导致速度低下和特征信息量小导致性能低下的矛盾.实验结果表明,该算法能在速度和性能上同时取得较好的效果.     

基于时间序列的模糊聚类与规则提取信用评价模型

提出基于多维时间序列模糊聚类与模糊规则提取技术相结合的模糊分类系统,将其应用于信用评价研究.该方法利用投影寻踪技术对多维时间序列数据进行降维处理并进行模糊分类;根据分类结果和最佳投影值提取模糊规则,采用梯形分布法生成三个模糊隶属函数;最后根据计算模糊贴近度确定样本的信用级别.实例证明该方法具有良好的评价效果和实用价值.     

基于回归分析的基因芯片图像倾斜校正方法

基因芯片图像的倾斜校正对图像分析有着重要意义。利用投影信号对图像进行行列分割,对仅包括单行（列）样点的子图像运用回归分析完成初步倾斜校正,利用样点的质心进行直线拟合,完成精确校正。实验表明,对基因芯片图像的倾斜校正有很高的准确性,且算法简单易行。     

基于神经网络的三维模型检索

三维模型检索的实质就是对模型进行分类和排序,据此提出一种基于神经网络的三维模型检索算法.对三维模型进行预处理后,选择六个投影视点把模型透视投影成六幅二维图像,通过两次一维傅里叶变换在频域提取模型的高维向量特征,并在压缩成六维后输入到神经网络实现模型的检索.神经网络方法的优势是能提供一个系统和用户的动态交互接口,用户对检索结果不满意可以多次检索.经测试数据库的实验结果表明,该算法具有很好的检索性能和较高的检索效率.     

采用不变矩图像匹配与直方图的仪表识别算法

为了解决当前仪表识别算法在机床仪表状态信号多变、实时性强的环境下状态识别错误的不足,设计一种基于不变矩图像匹配与直方图的在线仪表识别算法.首先,基于不变矩特征,通过图像的重心坐标获取其中心不变矩,设计图像匹配算子,并根据仪表灯的匹配度量值定位当前状态信号位置.然后,根据定位到的信号中心点坐标,提取出状态信号外接最小矩形.最后,依据信号灯颜色的直方图特性,计算出反投影直方图,实现对状态信号颜色的判断.实验结果表明:与当前机床仪表识别技术相比,面对机床仪表状态信号多变的环境时,文中算法具有更高的识别精度.     

基于投影中心距离的支持向量预选取

支持向量机是一种能在训练样本数很少的情况下达到很好分类推广能力的学习算法.支持向量机在选择支撑矢量时却进行了大量不必要的运算,成为其应用的瓶颈问题.因此在基于支持向量的分类器学习算法中,预先选择支撑向量是非常重要的.投影中心距离算法是一种能够预选取支撑矢量的方法,该方法可以有效地预选取出包含支持向量的边界集,在不影响支持向量机的分类能力情况下,大大地减少了训练样本,提高了支持向量机的训练速度.本文采用投影中心距离算法进行支撑矢量的预选取,通过对人工线性、非线性数据及MINST字符库的实验证明了该方法的有效性和可行性.     

基于改进局部保持映射的图像特征提取算法

针对目前局部保持映射算法(LPP)因忽略类标识信息而造成的计算效率问题,提出了基于类标识信息的监督局部保持映射算法,并将其用于图像特征提取中,该算法通过用类标识信息指导最邻近图构造过程来提高算法的效率,仿真实验的结果表明,该方法可以有效提高传统局部保持映射算法的运算效率,提高图像特征提取性能.     

病毒学实验技术的教学探索与实践

病毒学实验技术课程主要面向生物化学与分子生物学专业领域的硕士研究生。文章在教学理论的指导下,从教学目标的确定、实验教学的内容设置和教学方式的设计等,探讨了如何进行教学设计,以实现培养学生的综合科研能力。     

三维步态运动分析技术在经典式越野滑雪项目中的应用

回顾了近年来三维步态运动分析技术在经典式越野滑雪项目中的应用,通过对运动过程中不断变化的参数指标进行分析,表明制订出符合滑雪运动员的个性化训练方案,可以有效地提高比赛成绩.     

非合目标的激光反射层析投影配准方法

投影配准技术能够从投影回波中提取目标的旋转中心点,旋转中心点的获取直接决定着目标廓像的精确重建,故而投影配准技术是研究激光反射层析必不可少的最重要问题之一。现有的投影配准技术都是基于对合作目标特征点的跟踪提取,极大限制了反射层析技术的应用范围。提出了一种经过改进的特征点跟踪算法,通过跟踪投影回波峰值点变化,并对求得的多个旋转中心点位置信息加权平均以消除估计误差,以取得准确的特征点位置信息。实验证明该算法能够直接获取非合目标的特征点,拓展了激光反射层析技术的应用领域。