纹理映射技术算法综述

纹理映射技术随计算机技术的发展,经历了二维纹理映射到三维纹理映射,再到过程纹理映射的一个过程。在这个过程中,纹理映射算法层出不穷,各有优劣。通过系统地总结纹理映射技术的发展历史和纹理映射发展历史中的几种经典算法,从应用的角度给出了纹理映射技术的各种常用算法,并比较其中几种算法的优劣。     

蒙特卡罗方法研究层状含集团权重伊辛模型相变

三维Ising模型是统计力学中的一个非常重要的模型，在描述三维Ising模型的配分函数中引入集团权重因子n可以得到新的临界指数和普适类，但人们尚不清楚集团权重因子对其他晶格结构中的Ising模型的影响。本文尝试研究另外一种几何结构，层状含集团权重Ising模型，通过将着色算法和Swendsen-Wang算法相结合给出高效的集团演化方法，计算出的磁化强度m、磁化率χ、比热C_v和宾德累积量Q，并拟合出临界指数y_t和y_m以及其它指数α,β,γ,δη，υ。由于拓扑结构不同，尽管双层模型在n=1.5时也是一级相变，但临界指数与三维模型有所差别，表明两者属于不同的普适类。n=3时，能量直方图的双峰结构和磁滞回线表明双层模型发生一级相变，和三维晶格的结论一致。此外，本文发现了之前工作尚未注意到的现象，n≥3时，系统发生的是铁磁到反铁磁之间的几何相变。本文的结果对于理解统计力学自旋模型有一定的促进作用。     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

一种任意起始位姿的连续曲率泊车路径在线规划方法

针对目前泊车路径规划算法对起始位姿要求严格，且难以兼顾最终位姿精度、路径质量及计算效率等问题，提出了一种任意起始位姿的连续曲率路径在线规划方法。该方法将整个泊车路径规划分为库位内调整与入库过程两部分。库位内调整采用以最终位姿高精度与调整次数最少为目标函数的最优化方法进行逐段规划；入库过程采用连续曲率曲线组用于混合A*算法的状态节点扩展以直接生成无需后处理的可执行路径。设计考虑路径的曲率变化与方向改变次数的估价函数；采用由路径几何形状特征点构建特征多边形的碰撞检测方法以提高计算效率。离线仿真与实车试验结果验证了该方法的有效性。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

基于Lightgbm和XGBoost的优化深度森林算法

教育规模不断扩大，高校在校生人数持续上升，导致学生的能力参差不齐.为了提升教育水平，教师需掌握学生在校期间的学习状态，预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预测，如随机森林、贝叶斯、深度森林等，但精度不高；也有利用深度学习算法进行预测，但模型缺少可解释性. Lightgbm(Light Gradient Boosting Machine)算法内存消耗低，时间复杂度低，而XGBoost(eXtreme Gradient Boosting)算法精度高.因此，基于提高精度与降低模型内存消耗的策略，将深度森林中的随机森林与极限随机森林模块分别替换为Lightgbm和XGbBoost，提出一种基于Lightgbm和XGBoost算法的优化深度森林算法LIGHT-XDF.在八个数据集上与其他模型进行对比实验，结果表明，LIGHT-XDF算法的综合性能最好.     

人工规范场中冷原子气体的薛定谔方程的格点规范差分算法

对于空间不均匀的人工规范场,由于位置和动量耦合在一起,冷原子物理中常用的时间分裂谱方法将不再适用。为了计算空间不均匀的人工规范场中的冷原子动力学行为,这里给出人工规范场中冷原子气体的薛定谔方程的差分算法,在我们的算法中人工规范场使得动能项的差分出现和人工规范场的联结函数,在文中分别就阿贝场和非阿贝场用待定系数法和格点规范理论给出了处在人工规范场中的冷原子气体的薛定谔方程的格点规范差分格式。我们先以最简单的U(1)的虚拟阿贝规范场为例,用两种方法分别给出相同的差分形式。对于更为复杂的SU(N),我们以SU(2)为例用两种方法给出了差分形式。然后用所得到的差分格式计算了冷原子物理中一个很典型的现象自旋霍尔效应。     

基于Simulink的电力测功机算法模型研究

根据交流电力测功机工作原理,搭建基于直接转矩控制技术的交流电力测功机数学模型;根据转矩和磁链需求,设计最优电压矢量开关控制表,输出电压矢量来控制IGBT模块的开关频率,从而控制三相交流电机的电磁转矩。在电动状态下,通过对三相交流电机调速来拖动负载到一定转速;在发电状态下,通过设置不同的工作模式进行各个工况点的测试。最终基于Simulink平台对算法模型在交流电力测功机动态加载特性的实现进行论证。     

采用预测模式的智能安全气囊控制算法

现有的汽车安全气囊易产生误触发和不触发的现象,为此,采用遗传神经网络预测模型开发了一款智能安全气囊控制器.首先在已开发的安全气囊控制器硬件系统基础上,建立并验证了目标车型的整车有限元模型以及乘员约束系统多刚体模型,通过仿真分析确定安全气囊的起爆方式以及最佳点火时刻,然后根据改进的遗传神经网络模型设计了安全气囊的智能控制算法,最后进行了台车试验验证.试验结果表明,该智能控制器可正确预测碰撞动态,并能够准确地预测起爆时刻.     

基于改进粒子群优化的K-means算法在学生状态分析系统中的应用

研究学生状态分析系统,旨在收集学生的综合数据,并对这些数据进行分析给出学生的状态,为老师和学生提供一个交流平台.使用基于改进粒子群优化的K-means算法来分析学生的数据,可以提高K-means聚类算法的全局搜索能力,缓解粒子群优化算法的早熟收敛现象.与基于标准粒子群优化的k-means算法和基于遗传算法的k-means算法的收敛结果相比,本文研究的算法有更好的搜索能力.将系统得到的学生评估结果与人工评价得到的相比,从系统获得的评价更全面、更客观.系统还可以提供视觉信息.最重要的是系统还能帮助老师更好地了解学生,及时引导学生,提高管理学生的效率.