基于二叉排序树的约束Delaunay三角网局部调整算法

在两步法构建约束Delaunay三角网过程中,向现有三角网中嵌入约束边时需要进行三角网的局部调整,对这一过程进行了研究,给出了一种对影响域进行重新剖分的二叉排序树算法。使用该算法在向三角网内嵌入约束边时,只需以影响域边界点在边界数组中的序号来构造一棵二叉排序树即可完成对影响域的剖分,并且可以利用生成的二叉树中各节点之间的关系迅速重构三角形之间的拓扑关系从而完成一次调整,该算法使用递归思想,简洁而高效。     

Delaunay三角网剖分中嵌入约束边的局部调整算法

提出了一种建立约束Delaunay三角网（CDT）的算法，该算法对约束数据集先建立非约束Delaunay三角网，然后嵌入约束边对其影响域按角度最大原则进行局部调整，同时使其满足CDT的性质。详细地说明了在CDT中嵌入约束边的过程，同时给出了三角网拓扑关系更新的方法，最后对算法的时间效率进行了分析。该算法执行效率高，并且运行稳定。     

带内外边界约束的平面点集Delaunay三角剖分

算法首先将离散点与约束边界点一起进行Delaunay三角剖分,形成初始Delaunay三角网,然后将约束边界上的各条约束线段通过局部更新依次嵌入已有的三角网,最后再删除多余的三角形,从而得到带内外边界约束的平面点集Delaunay三角剖分.     

带约束的动态Delaunay三角剖分算法研究

根据传统的三角网格生长算法和数据点渐次插入算法,改进了带约束的动态Delaunay三角剖分算法,进一步得到了优化三角网格的动态三角剖分算法,改进了以往三角剖分算法必须知道所有顶点后才能进行剖分的缺点,并引入合理的约束边插入算法,使得最终三角网格达到最优.     

汉诺塔问题的非递归算法设计及可视化实现

讨论了汉诺塔问题的经典递归算法,并基于二叉递归树对算法进行研究,得出了一种不使用堆栈技术的非递归解法,最后在.NET可视化开发环境下设计程序,分别用递归与非递归算法求解指定规模的汉诺塔问题,动态模拟了求解过程中盘片的移动效果。     

双向分块快速Delaunay三角剖分算法

介绍一种双向分块快速Delaunay平面剖分算法,该算法有别于其他的分治算法,其特点是运算速度快,时间度为O（Nlog2N）,算法易于理解和实现．该算法在二维平面中首先把被三角剖分的点集均匀分为多个只有3点（最多有一个块不是3个点）的点块．首先对每一个点块进行Delaunay三角剖分,再对相邻的点块中三角剖分进行合并．并介绍了该算法的数据结构．充分说明了该算法的可操作性．     

空间有限元网格自动生成算法的初步研究

提出了一种空间有限元网格的自动生成算法。首先利用体元-等分线的相关关系找出空间任一实体的中面,然后利用中面将实体划分成可再剖分的点、边、面子区域,再利用中点剖分法将这些子区域剖分成六面体,最后利用超穷映射的方法将这些六面体划分成最终的有限元网格。从而实现了整个部分过程的自动化。     

群决策中基于SVDD的专家权重的评价方法

针对群决策中专家权重的评价问题,提出一种基于支持向量域描述(SVDD)的确定方法.利用生成树的方法把判断矩阵进行一致性剖分,利用支持向量域描述的方法排除干扰信息,找出群体公共信息,并引入群体相容性、群体信息贡献率等概念及其判断方法;给出不同专家的群体信息贡献率的计算方法,确定出每位专家的评价权重,并通过示例验证了该方法的可行性和有效性.该方法能消除片面的影响,抓住关键信息,对专家的权重能比较客观地评价.     

转向约束网络中的对偶最短路径树原理及其原型算法

为比较有无转向约束条件下最短路径特征及其搜索算法的异同点,基于对偶图理论证明了转向约束网络中从单个源点到所有弧的最短路径集构成其对偶网络的生成树,提出了对偶最短路径树(DSPT)概念,并利用其分析算法之间的关系。研究结果表明:转向约束下的现有求解方法包括弧标号算法、节点标号算法和对偶网络法都可以统一到DSPT算法框架内,而且与无转向约束的最短路径树(SPT)算法在路径搜索策略上是相同的;对于转向约束网络中的最短路径问题可建立一个DSPT原型算法,结合各种SPT标号技术能设计出更多的有效算法。     

利用Arnold对称性变换的图像信息隐藏算法

提出了一种利用Arnold对称性变换的图像信息隐藏算法。待隐藏的秘密信息以及公开的承载信息均为灰度级静止图像。首先使用图像置乱技术将秘图变换成无意义的图像，同时用一个数值控制置乱的次数，并在嵌入和提取时作为密钥。在此基础上，将密图嵌入到承载图像的DCT域系数中。该算法实现的隐藏图像透明性好，并具有较高的保密性和一定的稳健性。     

Fast triangulation and local optimization for scan data of laser radar

In order to study the triangulation for the point cloud data collected by three-dimensional laser radar, in accordance with the line-by-line characteristics of laser radar scanning, an improved Delaunay triangulation method is proposed to mesh the point cloud data as a triangulation irregular network. Based on the geometric topology location information among radar point cloud data, focusing on the position relationship between adjacent scanning line of the point data, a preliminary match network is obtained according to their geometric relationship. A reasonable triangulation network for the object surface is acquired after the use of local optimization on initial mesh by Delaunay rule. Meanwhile, a new judging rule is proposed to contrast the triangulation before and after the optimization on the network. The result shows that triangulation for point cloud with full use of its own characteristics can improve the speed of the algorithm obviously, and the rule for judging the triangulation can evaluate the quality of network.     

基于图像变形的全景平滑漫游算法研究

针对目前全景漫游系统在切换视点时产生跳跃感的问题,提出了一种基于图像变形的平滑漫游算法.首先采用SIFT特征提取方法对过渡图像进行特征提取,同时采用图像区域划分的方法对特征点进行筛选,建立特征点集的映射关系;然后,构造特征点集的Delaunay三角剖分,在三角剖分的基础上,计算对应三角形区域的仿射变换参数;最后,对图像进行插值和生成中间过渡图像.实验表明该方法实现了特征点集的自动对应,提高了全景漫游系统的交互性和沉浸感,算法实用、高效,对于有诸多不确定性因素的过渡图像有较好的自适应性.     

FasFast Triangulation and Local Optimization for Scan Data of Laser Radar

In order to study the triangulation for the point cloud data collected by three-dimensional laser radar,in accordance with the line-by-line characteristics of laser radar scanning,an improved Delaunay triangulation method is proposed to mesh the point cloud data as a triangulation irregular network.Based on the geometric topology location information among radar point cloud data,focusing on the position relationship between adjacent scanning line of the point data,a preliminary match network is obtained acc...     

GPS坐标成果的游动九参数转换法

介绍Delaunay三角形的基本概念,提出大区域GPS坐标成果转换采用基于Delaunay三角形的游动九参数转换法,利用该法对实际GPS控制网坐标成果进行转换,取得了较理想的结果,为大区域的GPS坐标成果转换提供了一种可行的方法。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

一种Delaunay三角网数模快速定位算法

逐点插入法是构建Delaunay三角网的主流算法之一，在众多三角形中快速定位目标三角形是影响逐点插入法构网速度的一个重要因素，同时也是影响高程内插速度的关键。在分析多种已有定位法特点的基础上提出区域定位法，给出了详细的判断条件，并加以证明。通过对几种定位方法进行分析比较，在两种投点方式下用逐点插入法对四种算法进行了TIN的构网实验，结果表明均匀投点的构网速度都要快于任意投点的构网速度，区域定位法搜索方向唯一，算法稳健，具有较快的定位速度。