简单快速的平面散乱点集凸包算法

凸包问题是计算几何的基本问题之一,在许多领域均有应用,传统点集凸包算法和简单多边形凸起算法平行发展,互不相干,文中将简单多边形凸包算法应用用于散乱点集凸包问题中,提出了新的点集凸包算法,新算法不仅达到了Ｏ（ｎｌｏｇｎ）的理论时间复杂度下限,而且极其简单,易于实现,该算法已应用于工厂设计软件ＰＤＳＯＦＴ中,实践证明效果很好。     

广义多边形凸包弹性线递支模拟算法

针对诸多领域涉及的平面弯曲图形的凸包计算,提出弹性线递支模拟算法用于计算简单闭广义多边形的弹性包络线。所提算法基于物理模型,通过判断各支点是否受力平衡来判别其是否为弹性包络线上的平衡支点,并据此分别进行前进、回弹和跳跃等操作,直至计算出所有平衡支点进而求出其弹性包络线。3种典型的简单闭广义多边形的对比测算表明：所提算法可实时稳健地求解平面任意简单闭广义多边形的弹性包络线,具有高效性和普遍适用性。     

R~n中有限点集的Chebyshev超平面拟合

本文研究对于空间R(?)中给定的有限点集,其Chebyshev意义下最佳拟合超平面的求法。该法与通常的方法不同,它依赖于凸包的寻求。利用特征定理证明了这种方法的正确性,并对n=2的特殊情形给出了具体计算过程和算法框图。     

一种快速有效的多边形逼近算法

提出一种新的多边形逼近算法。它结合了角度探测找优势点和分段最佳线性逼性找优势点两类算法特点，与其它同类算法比较具有输出优势点少，优势点位置准确，速度快等优点。     

多个裁剪参数曲面的有限元混合网格剖分法

根据冲压模具形状特点,对由CAD/CAM系统建立的冲压模具的多裁剪参数曲面数学模型,提出了一种符合冲压成形有限元分析需要的三角形和四边形混合网格剖分算法.按几何离散控制参数即最长边、最短边、距离误差和角度误差,将多裁剪参数曲面离散为多边形集.利用曲面曲线查找裁剪参数曲面相邻关系,建立B-Rep表示的曲面几何模型,并更新多边形集.然后由多边形集得到三角形和四边形混合网格,结果网格单元是相容的,在相邻裁剪参数曲面边界处无裂缝和覆盖.      

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

基于几何不变性和BP网络的二维目标识别算法

提出了一种基于几何不变性和BP网络的二维目标识别算法.该算法不仅能适应目标物体在旋转、缩放和平移变换(RST变换)下的不变性识别,而且能适应仿射及射影变换下的不变性识别.算法通过对目标物体边缘点进行规格化和对规格化后的边缘点进行5点不变量穷举计算解决了模型图像与目标图像的对应点选取问题;通过将不同观测方位和不同旋转角度的样本图像边缘点的5点不变量集合作为输入向量对BP网络进行训练解决了由于仿射和射影变换造成规格化边缘点间距变化对正确分类的影响.算法不仅能识别多边形而且能识别曲线轮廓的目标物体.      

顾及星像点分布的恒星相机在轨检校

由于卫星发射前后以及在轨运行过程中,环境因素的变化都可能引起恒星相机参数发生改变,从而导致星敏感器姿态测量精度下降.将多片空间后方交会方法应用于恒星相机的在轨检校.在利用该方法检校时,实验发现检校结果的精度受到参与检校的恒星影像上星像点分布的影响,由此进一步提出了凸包面积百分比准则,该方法自动选取分布较好的影像用于检校,有助于提高检校精度.实验结果证明:基于后方交会进行恒星相机在轨检校时,利用凸包法选取的影像片进行检校的精度明显优于未选片时检校的结果.      

武装直升机红外辐射计算中多重遮挡处理

针对武装直升机红外辐射计算中任意方向上可视净面积求取问题,提出了一种基于随机模拟的遮挡处理方法.该方法利用曲面造型方法建立直升机的三维模型,并将其离散为四边形面元,采用翼边拓扑结构描述直升机外形的数学模型.在此基础上,基于可见性测试、深度测试和遮挡测试原理对空间多边形面元进行遮挡判断,求出其遮挡面元集,再利用随机变量的统计方法对该多边形进行遮挡计算,求得净面积.对某型武装直升机和简单形体的计算表明,通过合理划分面元数和选取随机点数, 简单目标计算误差可以控制在5%以内,复杂目标可以控制在工程精度要求内.该方法已应用于武装直升机红外辐射特性计算软件中,应用表明该方法稳定、可靠,适于工程分析.      

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.      

带权优化约束Delaunay三角化算法

Delaunay细化算法是目前大多数约束Delaunay三角化算法的主要思想,针对其要求输入的约束条件中不能包含夹角较小的尖角的问题,给出了Delaunay细化算法收敛的充分条件,并通过在尖角点和尖角边处引入带权点和带权Delaunay空圆/球准则的方法提出了一种带权优化约束Delaunay三角化算法,解决了经典的细化算法在尖角处算法不收敛时需引入辅助控制区域以及过多辅助点的问题,对算法的收敛性进行了分析,给出了相应的算法应用实例,可以应用于复杂几何对象的科学计算和工程分析.     

基于脊线校准的指纹细节点匹配算法

对自动指纹识别系统(AFIS, Automated Fingerprint Identification Systems)中居于重要地位的细节点匹配算法进行研究,对基于校准的细节匹配算法进行了修正.在细节点相关脊线信息的提取阶段,提取分叉点相关脊线的拓扑信息,并将其引入后续的校准和匹配算法.采用一种半可变的限界盒以适应指纹图像的非线性形变.引入一个新的参考量计算并比较脊线相似度,以更低的计算代价解决匹配中参考细节点对的选择问题,加快匹配算法的收敛速度.将脊线校准和细节点匹配两个阶段结合起来,采用一种新的更简单有效的方法进行细节匹配.测试结果表明,改进的匹配算法能够在使用较少资源的前提下,提高指纹匹配速度,改善系统的匹配性能.      

基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题，基于经典AdaBoost.M2算法，提出改进样本权重的AdaBoost.M2算法，用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变，并使算法更迅速地关注到难分类样本，提高了弱分类器综合性能，降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题，提出随机特征裁剪方法，使算法避免过度关注异常特征，降低了极难分类样本对AdaBoost.M2算法性能的负面影响，提升了算法的泛化能力，并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题，选取同族调制类型的通信信号开展模型训练和测试。实验结果表明：相比于单一卷积长短时记忆全连接深度网络（CLDNN）算法，改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%，相比于直接集成CLDNN的经典AdaBoost.M2算法，测试集准确率分别提高了8.25%和6.5%。     

基于参数矩阵计算全体极小碰集的方法

极小碰集计算是基于模型诊断的关键步骤之一.针对参数化求解方法的局限性,以及大型系统诊断中由于状态空间规模增加导致诊断能力下降甚至无法诊断等问题,研究了一种非参数化极小碰集求解算法M-MHS(Matrix-based Minimal Hitting Set)算法.该算法利用参数矩阵描述元素与集合的关系,通过矩阵分解将原始问题逐步分解为多个子问题,并采用有效的剪枝规则避免对无解子问题的计算.仿真结果表明:该算法能够计算全体极小碰集,且在进行较大规模碰集计算时性能优于HSSE(Hitting Set-Set Enumeration)算法和去参数化后的BNB-HSSE(Branch and Bound-HSSE)算法,并对不同规律数据能够维持性能稳定,从而为大型系统基于模型诊断提供了可行方法.     

一种基于区域划分的改进ORB算法

针对传统ORB算法所提取的特征点分布不均匀、存在冗杂，且不具有尺度不变性的问题，提出了一种基于区域划分的改进ORB算法。算法根据需要提取的特征点总数和所划分的区域个数计算每个小区域需要提取的特征点个数，解决了在特征点提取过程中特征点重叠和特征点冗余的问题；通过构建图像金字塔，在每一层图像金字塔上提取特征点，解决了ORB算法提取的特征点不具有尺度不变性的问题。实验结果表明:在不损失图像匹配精度的同时，所提算法提取的特征点更加均匀合理，在提取速度上也较传统ORB算法提升了16%左右。      

基于二进制标签的改进HSSE—tree算法

随着对航天器自主生存能力要求的提高,基于模型的故障诊断成为国内外的研究热点.计算全体极小碰集是基于模型的故障诊断中的关键步骤,以HSSE-tree算法为基础,结合二进制位标记,提出一种HSSE-tree的高效改进算法——Binary-label HSSE.改进算法采用二进制位标记来代替实际节点元素,并采用了有效的剪枝策略及节点扩展方式,避免了HSSE-tree算法中存在的节点个数及超集个数随着问题规模增大而产生的爆炸式增长的问题;此外,改进算法采用二进制位运算,避免了判断碰集及判断是否超集时的元素遍历,使算法的运行时间进一步减少.仿真结果表明,与HSSE-tree算法相比,改进算法的消耗时间及占用内存均有了大规模减少.这为航天器系统的故障诊断及实时诊断提供了理论依据和应用基础.     

基于切换多胞模型的变体飞行器增益调参控制

针对一类可变后掠翼的变体飞行器,研究了全包线控制器的设计与综合方法.建立了基于切换多胞系统的变体飞行器模型,所提出的框架利用Lyapunov函数方法分析系统的稳定性,能够从理论上保证变体飞行器在全包线下的飞行稳定.给出了利用小凸包算法从三维飞行包线中选取设计点的方法,并对各设计点处的线性化模型设计了最优控制律.为继承传统增益调参方法的优势,提出了一种特殊的控制器插值方法,保证变体飞行器三维包线下的控制综合过程简便实用.仿真结果表明所提出的控制方法在飞行器快速变形和参数大范围快速变化的情况下仍具有良好的控制性能.      

显著性引导的低光照人脸检测

针对卷积神经网络难以对低光照环境拍摄的图像进行人脸检测的问题。提出了一种将图像显著性检测算法和深度学习相结合的算法,并应用于低光照人脸检测。所提算法将图像的显著性信息与图像原始RGB通道融合,用于神经网络训练。在低光照人脸数据集DARK FACE上进行了充分的实验,结果表明:所提方法在DARK FACE数据集上获得了比当前主流人脸检测算法更好的检测精度,进而验证了所提算法的有效性。      

三次保凸样条曲线的一种构造法(续)

熊振翔教授在论文[1]中构造了一类具有实用价值的样条函数,本文是这一工作的继续。我们使曲线经过点的选择比较灵活,也去掉了对控制多边形的限制条件。 我们用不同的比例参数,在控制多边形各边上选一点,构造了一条过这些点,且在选出点上与控制多边形各边相切的三次参数样条曲线,这曲线兼有二次与三次B样条的优点。     

复杂背景下单个运动物体的实时视觉追踪算法

介绍了一种完全基于图像信息的运动检测视觉追踪算法.该算法综合了已有的一些算法,并在他们的基础上进行改进,可以实现在摄像机运动不剧烈的情况下,对单个运动物体的追踪.由人工选取目标,计算机开始在第1帧和第2帧图像中提取特征点,并在两帧图像中对特征点进行匹配.利用匹配的特征点建立仿射运动模型,以估计背景的运动和预测目标位置.假设运动目标所占的像素面积很小,在预测点附近的一块小邻域内进行光流分割得到运动目标.该算法在640×480大小的两帧连续图片上验证,取得了较好的效果.在PC上的实验证明,设置适当的参数,本算法可以应用于12.5Hz或25Hz的图像采集频率.