货物合理配装的实用启发式算法

提出了货物配装中的一种实用启发式算法，详细地描述了该算法的相关术语、定义和步骤，进行了实例验算，并时算法提出了改进。结论表明实用启发式算法具有较为满意的效用性，改进的实用启发式算法具有很好的效用性。该算法有助于提高装载单元的载重能力和货物配装水平。     

三种路面破损分类算法的仿真比较

路面破损分类是制约路面破损自动检测的发展和普及的重要因素之一。本文在前文提出的破损密度方法的基础上，提炼出两种基于密度因子方法的算法——基本密度因子算法和方向密度因子算法，并通过仿真，验证了其对常见的5种路面破损类型进行分类的可行性。文中作为对照的方法是由美国Lee，Byoung Jik博士提供的PROXIMITY算法。仿真结果表明：1)三种路面破损分类算法中，方向密度因子算法对5种常见路面破损类型的整体识别效果最好；2)对于常规算法最难区分的块状裂缝和龟状裂缝，基本密度因子的算法的识别效果最好。这充分验证了前文中我们提出的基于破损密度因子的路面破损分类方法的可行性和优越性。     

Image Segmentation Using an Improved Watershed Algorithm

IntroductionOne of the firstand mostimportantoperationsin image analysis and computervision is image seg-mentation.The aim of image segmentation is thedomain- independent partition of the image into aset of regions,which are visually distinct and uni-form…     

一种对称小波重构算法及其在突变信号检测中的应用

分析了在奇异信号检测等问题中，使用Mallat算法对信号小波系数做单支重构波形存在失真的原因．通过调整Mallat算法的运算流程，得到了小波变换的一种基于共轭正交滤波器组的重构算法．理论分析与仿真试验结果表明，文中算法使上述失真现象得到了改善，同时具有正交性、对称性和有限支撑性等优良性质，可用于对信号作精确的分析。     

一种具有模糊费用系数的VSP的修正C-W节约算法

将传统的确定性车辆调度问题扩展为具有模糊特征的模糊车辆调度问题．在对具有模糊费用系数的车辆调度问题进行简单描述的基础上，构建了模糊车辆调度的数学模型；通过Gaufmann-Gupta模糊数排序方法与传统车辆调度问题的C—W节约算法的有效结合，提出了解决该问题的一种改进C—W节约算法．最后，给出了一个算例．     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像，提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法，算法首先利用特征提取与边缘检测产像进行预处理，并且将特征匹配与最小二乘算法相结合，从而实现了图像与模板之间精确的子像素定位与匹配，实验表明，该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷，图像矫正效果良好，是一种有效的畸变图像矫正算法。     

Visual Basic.NET中的数据处理方法

信息处理是在计算机技术中应用最广泛的领域。使用精确的数据结构描述实际模型，实现算法程度化是程序设计本质。论述了在VisualBasic．NET环境中实现数据结构的动态处理，并以实例阐述了构造实际模型的设计思路。     

遗传算法神经网络的学习方法

提出了利用遗传算法的思想实现人工神经网络学习的方法，并具体讨论了在实现中的若干问题。     

基于自适应均值的地铁隧道裂缝图像滤波算法

地铁隧道表面光照不均匀、对比度低、噪声干扰严重,采集到的裂缝图片较灰暗且含有大量混合噪声,因而单一的滤波方法不能达到很好的去噪效果。针对该问题,提出一种基于快速中值的自适应均值滤波算法来实现隧道裂缝图像滤波。该算法先对图像进行反转以增强裂缝与背景的对比度,通过快速中值法计算滤波窗口的中值,自适应地选取合适的阈值来对滤波系数加以优化,并将窗口各像素点的灰度值进行加权运算,其结果作为窗口中心点灰度值,并输出。通过与传统中值、均值滤波算法比较,提出的新算法不仅降低了图像噪声,而且有效地保护了裂缝边缘,降低后续对裂缝特征量提取及分割识别的难度。     

关于最短路径的SPFA快速算法

本文提出了关于最短路径问题的一种新的快速算法－ＳＰＦＡ算法。ＳＰＦＡ算法采用动态优化逼近的方法，用邻接表作为有向图的存储结构，用了一个先进先出的队列Ｑｕｅｕｅ来作为待优化点的存储池。算法的时间复杂性为Ｏ（ｅ），在绝大多数情况下，图的边数ｅ和顶点ｎ的关系是ｅ＜ｎ＾２，因此，ＳＰＦＡ算法比经典的Ｄｉｊｋｓｔｒａ逄法在时间复杂方面更优越。