医学图像光线投影体绘制中重采样快速算法研究

光线投影算法是体绘制算法中图像效果比较好的方法,但存在运算量大,绘制速度慢的问题,如何提高重采样速度是加速光线投影算法的关键。本利用重采样点在两坐标系中的矩阵变换特性,减少矩阵运算量,同时结合三维数据场在像平面的投影减少光线投影数目;利用包围盒技术避免对空体元的采样,并且通过将Bresenham算法扩展至三维确定每个重采样点所在体元的编号。实验结果表明,本提出的重采样优化算法成像速度比标准光线投射算法快2—3倍,而成像的质量与标准算法基本没有区别。本提出的算法,既能保证绘制质量,又能显减少计算量,提高体绘制的速度。     

一种基于多维空间超球体的快速聚类算法

提出了一种基于多维空间超球体的快速聚类算法。这种算法结合密度聚类和层次聚类两种思想。首先利用密度聚类方法将小范围内的数据对象聚合成超球体,然后再按照层次聚类中的凝聚思想,根据超球体之间的位置关系产生最终聚类。实验表明,该算法对于数值型数据集不仅在效率、噪声敏感性等方面均有较好的表现,同时还可以通过诸如“双环测试”等带有刁难性的特殊测试集。以往,常常简单的以距离来刻画的数据间“相似性”,而所提出的快速聚类算法则改由超球体之间连接的紧密程度来描述这种性质。实验表明,这种修改使得算法的性能得到了很好的改善。     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

香烟条包拉线图像检测的研究

研究香烟条包外包装所出现的无拉线或拉线错牙等异常现象的图像特征,设计检测算法,并开发相关软件系统。经过实例检验,系统可以有效地对香烟条包外包装出现的上述现象进行检测,能满足香烟生产企业在线检测的需要。具有自动化程度高、判决速度快、算法简单等优点。     

激光捷联惯导系统角增量输入姿态算法

在对经典理想角增量输入的圆锥算法分析总结基础上,提出并推导了更为合适的经典角增量输入圆锥算法通式.在对经典理想角增量与实际工程滤波角增量的圆锥响应对比分析基础上,推导了滤波角增量输入圆锥补偿算法的补偿系数和误差主项通式.最后,利用文中讨论的理想角增量输入和滤波角增量输入圆锥补偿算法,结合激光陀螺惯性导航系统的频谱特性进行了大量的仿真验证.仿真结果表明,文中讨论的角增量圆锥算法有效,能显著提高激光陀螺捷联惯性导航系统的姿态精度.     

参数曲线的自适应插补算法

参数曲线插补是高性能ＣＮＣ系统实现复杂轨迹控制功能的重要技术基础。文中提出了一种ＣＮＣ系统参数曲线的实时插补算法,基于参数预估、误差控制及参数校正的策略,实现了参数曲线的高精度快速插补。理论分析与仿真表明,该算法与现有的插补算法相比,不仅速度误差小、实时性好,而且插补速度能随曲线曲率的变化自适应调整,确保加工精度达到给定要求。此外,本算法具有良好的实现通用性,可以适用于样条等各种参数曲线。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

体表电位标测中的关键技术——心电信号的数字滤波

小波分析在数字滤波领域中具有广大的应用前景，尤其是对具有时变特性的人体心电信号。该文介绍了如何利用coiflet小波对心电信号进行多分辨率分解和重建，并解决了小波分析在心电信号滤波中会遇到一些实际问题，比如小波基函数的选取，确定心电信号及噪声的频域表现和小波在不同尺度下的通带。实验结果表明，用coiflet小波对心电信号进行数字滤波，能很好地消除心电信号中的三大干扰；基线漂移、工频干扰和肌电干扰。     

求解大型非对称线性方程组的拟最小残量IOM（q）算法

不完全正交化算法（IOM（q））由于存储量和计算量小，常用来求解大非对称线性方程组。而此方法收敛过程常出现不规划振荡现象，从而影响了收敛速度。本文将拟残量最小的化性质加到IMO（q）算法中，提出拟最小残量不完全正交化算法（QMRIOM（q），这样收敛曲线光滑无振荡，从而大大加快其收敛速度，而且保留其存储量和计算量小的性质。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。