基于规则学习的传统纹样统一生成模式研究

传统纹样的生成是图案生成领域最具代表性的研究方向之一,从传统纹样的构图规则出发生成纹样是最常用的方法之一。以传统纹样为研究对象,针对现有传统纹样生成方法泛化能力差的问题,通过对不同传统纹样进行特征分析,找出其生成规则的异同,提出了一种传统纹样统一生成模式：寓意嵌入的层次迭代生成模式。选取几何纹、动物纹、植物纹中的典型纹样,利用统一生成模式进行重构,验证了模式的有效性。实验结果表明,统一生成模式适合多种传统纹样的重构,一定程度上是对传统纹样重构的创新应用。     

融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型（MCC-CV）,提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率（BR）为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。     

融合形态学连通域和CV模型的民族服饰图案纹样元素分割方法

对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型（MCC-CV）,提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率（BR）为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。     

基于语义模板的医学问答自动生成

通过对大量医学论文的分析,得到了一些满足特定语义关系的概念成分和语法关系,通过定义这些语法结构和慨念元素创建了相应医学问题的模板;利用这些模板,与医学句子进行语法和概念上的匹配获得医学知识,增强了计算机对医学文本的理解,并在此基础上自动生成问答对.实验表明本文的问题生成系统能够获得83%的精确率和42%的返回率.     

基于Web技术的网络拓扑图生成方法的研究

综合采用提取路由表和地址转发表的方法，对网络逻辑拓扑结构和物理拓扑结构进行自动探索，提出了用于优化显示网络拓扑图的一种显示算法，采用Java技术实现了基于Web的网络拓扑图，并对在实现过程中遇到的问题进行了探讨。试验结果表明，由此生成的网络拓扑图准确、美观、能够实现跨平台和跨区域的管理。     

基于扩散模型的条件引导图像生成综述

基于人工智能技术的生成内容（artificial intelligence generated content,AIGC）已成为当下的热门话题。在众多生成模型中,扩散模型因其高度可解释的数学特性及高质量和多样性的结果引起广泛关注,在条件引导的图像生成领域已取得显著成果,被广泛应用于电影、游戏、绘画和虚拟现实等领域,在文本引导的图像生成任务中,扩散模型不仅能生成高分辨率的图像,而且能保证生成图像的质量。首先介绍了扩散模型的定义和相关背景,然后重点介绍了扩散模型在条件引导的图像生成领域的发展历程和最新进展,最后探讨了扩散模型面临的挑战和潜在的发展方向,旨在为广大研究人员提供相关领域的研究概况和前沿动态。     

约束最小生成树问题研究

本文对约束最小生成树问题提出一个算法,它的计算复杂性是O(n3)．然后把约束最小生成树作为约束Steiner最小树的一个近似解,则近似解的性能比为3?/2．     

随机行走高分子环形链生成几率的研究

建立了两端都被某一不可穿透的吸附壁物理吸附或化学结合的高分子环形链在格点上随行走的物理模型，对环形链的生成几率ＰＮ进行了理论分析和计算机模拟，并讨论了环形链平均链长＜Ｎ＞与最大环形链链长Ｎｍａｘ之间的关系．结果表明，当链长Ｎ不很小时，链长为Ｎ的环形链的生成几率可近似表示为ＰＮａ·Ｎ－１．５，环形链的平均链长与最长环形链的链长近似成正比，其中α是与链模型有关的常数．     

随机行走高分子环形链生成几率的研究

建立了两端都被某一不可穿透的吸附壁物理吸附或化学结合的高分子环形链在格点上随行走的物理模型, 对环形链的生成几率PN 进行了理论分析和计算机模拟, 并讨论了环形链平均链长< N > 与最大环形链链长Nmax 之间的关系.结果表明, 当链长N 不很小时, 链长为N 的环形链的生成几率可近似表示为PN a · N-1 .5 , 环形链的平均链长与最长环形链的链长近似成正比, 其中α是与链模型有关的常数.     

约束条件下基于区间组合的测试用例生成

本文构建了一个基于区间集的组合覆盖测试模型并提出了一个基于区间组合的测试用例生成算法(TCGIC).TCGIC算法用符号执行方法收集程序路径的约束条件,寻找相互关联的输入参数;借鉴组合覆盖测试的方法,构建解区间组合树,并选用深度优先策略或其他组合覆盖策略,获得输入参数的区间组合的集合;运用区间运算的方法,把每一个区间组合代入到程序路径的约束条件中,判断区间组合上程序路径的可达性;选用相应的用例生成策略,在路径可达的区间组合上生成测试用例.     

基于排名学习和多源信息的地图匹配方法

融合多源信息能有效提高地图匹配的准确率。已有的地图匹配方法依赖于数学模型,当引入新类型的数据时, 需要重新设计数学模型或调整模型参数。为解决该问题,提出了一种端到端的数据驱动地图匹配方法。该方法不需要建立具体的数学模型,只需从匹配结果已知的数据中学习候选道路的评分函数：选出某GPS点的候选道路,利用评分函数对所有候选道路进行打分,选择分数最高的道路作为地图匹配结果。实验结果表明,该方法能直接利用新类型的数据提高地图匹配的准确率,能在数据缺失时避免准确率急剧降低。此外,具有与基于HMM方法相近的准确率和与基于夹角特征和距离特征方法相当的速度。     

基于多维空间参数曲线的门限秘密共享方案

引入了多维空间参数曲线的概念,提出了有限域Fp上参数曲线在实数域〖WTHZ〗R〖WTBX〗上可微的思想,并给出了参数曲线上整数点的超法面方程.利用多维空间参数曲线与超法面的交点来构建参与者共享的主密钥,设计出一个直观的、安全完备的（s,n）门限秘密共享方案.结果表明,此方案在几何法中具有主密钥的单参数表示的特点,较Blakley门限秘密共享方案更具体实用,且易于实现.     

基于黎曼度量张量的各向异性网格划分算法研究

由于实际中某些复杂性工程问题的解具有各向异性的特点, 为采用更少的网格单元数及更好的单元质量来进行有限元分析, 以实现高效求解, 各向异性剖分单元则是一种有效的前处理技术. 因此为生成高质量各向异性网格, 首先在给定黎曼度量的基础上形成各向异性背景网格, 然后通过各向异性Delaunay原则进行边交换, 再基于力平衡实现节点的光滑平顺, 由标准化面积和标准化边长规定节点的添加与删除, 以及节点近似投影的边界约束, 得到一个与具有方向性问题相匹配的网格. 最后通过3个实例验证给出的各向异性网格划分算法的可行性.     

基于动态分级和邻域反向学习的改进粒子群算法

针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.     

基于深度学习的校园欺凌行为检测研究

为通过校园监控网络实时发现校园欺凌事件, 提出采用人体姿态检测模型与递归神经网络相结合的方法来分析视频中的每一对个体行为, 并通过一个完全连接的网络来识别一系列视频帧的行为, 进而判断是否存在校园暴力行为. 此外, 还建立一个包含了来自校园不同地方的3000多个视频片段数据库, 并对视频中的运动行为进行标注, 以用于训练及测试. 通过对照实验发现 与传统方法相比, 本文设计算法的实时分析准确率更高.     

长江三角洲地区传统村落空间格局及影响因素分析

以长江三角洲地区(江苏省、浙江省、上海市、安徽省)1074个传统村落为研究对象, 运用空间分析理论剖析该地区传统村落的空间分布特征及其与自然环境、社会经济、历史文化等影响因素的关系. 研究发现: (1)长江三角洲地区传统村落呈集聚性分布状态. (2)传统村落空间上极不均衡, 从市域尺度来看, 主要分布在安徽省的黄山市、宣城市; 浙江省的丽水市、金华市、台州市、衢州市和杭州市. (3)交通不便、经济相对落后的山区丘陵地带以及有河流分布地带的传统村落分布较为密集, 且布局深受历史风俗文化影响. 研究结果可为长江三角洲地区传统村落的有机更新与可持续发展提供借鉴.     

基于影像组学与集成学习的脑胶质瘤分级预测

脑胶质瘤的术前分级对治疗决策和预后评估至关重要. 为了提高分级精度, 提出了一种基于影像组学和集成学习的无创胶质瘤术前分级方法. 首先, 从不同序列的感兴趣区域提取428个影像组学特征, 采用递归特征消除算法进行特征选择, 采用6种不同的机器学习算法对脑胶质瘤进行分级, 并对各自的性能进行评估; 然后, 根据评估结果, 选取逻辑回归、决策树和多层感知机3种分类器作为脑胶质瘤分级预测的机器学习算法; 最后, 将3种分类器的输出采用投票方式进行集成, 并评估硬投票机制与软投票机制的性能. 实验结果表明, 对于数据集BraTS2019, 基于硬投票机制的集成学习算法的性能较好, 受试者工作特性曲线下面积为0.933±0.031, 准确度为0.886±0.048, 敏感度为0.872±0.077, 特异度为0.905±0.105. 该方法不仅能增加胶质瘤分级模型的可解释性, 而且可以提高分级精度.     

基于粗糙集理论的示例学习研究

到目前为止，一些启发式算法被提出用于基于扩张矩阵理论的示例学习研究，该文基于粗集理论研究示例学习问题，提出了粗集理论下的几个新概念，如：必要选择子，核选择子集，约简选择子集和所产生复合的评价指标；精确度、覆盖度和简单性，给出了扩张矩阵的粗糙集算法，并提出了基于覆盖度和简单性的遗传算法最优示例学习方法。     

基于中国剩余定理的(t,n)有向门限签名方案

签名只有接受者才能验证的数字签名方案称之为有向签名.在大多数情况下,有向签名通常是一个人,然而当所需签名的消息代表一个群体时,就需要群体中的一部分人同意,门限签名方案就被用作解决这个问题.文章运用中国剩余定理,提出了基于中国剩余定理、ELGamal公钥密码理论和Schnorr理论的(t,n)有向门限签名方案.