基于三边域曲面的数字地面模型重建方法

结合基于四边域的曲样条方法以及简单三角网格方法的特点,提出了采用三边域B－B曲面来描述复杂数字地面模型,给出了快速生成优化的三角网格的算法,实现结果证明该方法简洁有效,同时达到了很好的主观视觉效果,数据处理过程中生成的STL格式文件可以直接有于快速模型制作。     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

基于ARM＋DSP＋FPGA的可重构CNC系统

通过分析基于PC机的数控系统及嵌入式数控系统架构存在的局限性,结合开放式数控系统的功能需求,设计了一个具有工业以太网功能的模块化嵌入式可重构计算机数控（CNC）系统.该系统改进了传统的基于ARM＋DSP＋FPGA的嵌入式系统设计架构,并扩展了工业以太网功能模块.在此基础上构建了系统硬件平台,给出了系统硬件构成及系统软件实现.该系统中央数字控制单元不再是一个通用的单CPU系统,而是一个嵌入式多CPU系统,不但运算能力强、结构灵活、成本低廉,而且具有通用性强、可组合、易扩展、可伸缩和开放性等特点.     

基于跨层精简双线性网络的细粒度鸟类识别

细微的类间差异和显著的类内变化使得细粒度图像分类极具挑战性。为了对鸟类图像进行细粒度识别,提出一种基于跨层精简双线性池化的深度卷积神经网络模型。首先,根据Tensor Sketch算法计算出多组来自不同卷积层的精简双线性特征向量;其次,将归一化后的特征向量级联送至softmax分类器;最后,引入成对混淆对交叉熵损失函数进行正则化以优化网络。提出的模型无需额外的部件标注,可进行端到端的训练。结果表明,在公开的CUB-200—2011鸟类数据集上,该模型取得了较好的性能,识别正确率为86. 6%,较BCNN提高2. 5%。与多个先进细粒度分类算法的对比,验证了提出模型的有效性和优越性。     

浅谈蔬菜供应链结构

我国传统蔬菜供应链呈现出水平结构过长、垂直结构过宽、整体结构复杂等特点,这不利于降低我国蔬菜供应链运作成本,也不利于提高蔬菜质量安全水平,因此需要通过精简水平结构和垂直结构降低蔬菜供应链的复杂性,发展蔬菜第四方物流优化蔬菜供应链,以减少供应链结构不合理性对供应链运作造成的负面影响。     

基于卷积核滤波器筛选的CNN模型精简方法

近年来,卷积神经网络(CNN)在计算机视觉领域中取得了令人瞩目的成绩,在各类的图像竞赛中取得了可喜的成绩.然而,CNN带来的高精度和鲁棒性的背后是计算量大幅增加的支撑,复杂的深层卷积神经网络往往需要在计算机集群或是高端GPU才能运行,因此CNN很难运行在嵌入式设备中,尤其是运行在手持设备中.这就导致CNN不能从实验室进入到人们的日常生活中.本文提出了一种基于卷积核滤波器筛选策略的CNN模型精简方法.通过分析CNN在前向传播中各神经元的激活情况,来找出对网络模型贡献度高的卷积核滤波器,并将这些滤波器重新封装成一个新的"小CNN模型".这个小模型在不仅在识别率上拥有很高的性能,而且还有效减低了模型体积和计算时间,在本文中通过实验表明CNN模型能够通过精简的方式使运算速度显著加速,而准确率仅仅只下降了两个百分点.     

代数体函数第二基本定理精简形式的推广

主要研究了代数体函数第二基本定理精简形式的推广问题,通过对建立的关于多项式代数体函数的第二基本定理(引理2.1)中N(r)的估计,得到了代数体函数关于多项式的第二基本定理的精简形式,推广了相关文献的结论.     

网络处理器体系结构及应用现状和发展趋势

网络处理器同时兼有硬件高速性和软件灵活性的优点,能够较好解决网络性能瓶颈,适应各种新型的网络协议,具有良好的应用前景.笔者介绍了网络处理器的体系结构和功能特点,详细阐述了当前开展的研究工作和各种实际应用领域并展望了网络处理器未来的发展方向.     

一种基于遗传算法和模糊规则的分类算法

介绍了一种基于模糊规则和遗传算法的分类算法.首先给出一种模糊规则提取方法,然后遗传算法对模糊规则进行优化选择,最后对不能识别的样本启动触发器.该算法可以在保证分类正确性高的前提下尽量减少规则数,并提高样本识别能力.用Iris数据对该分类系统进行仿真,结果表明该系统具有良好的分类能力和精简规则能力.