基于三维网格卷积的布料仿真模拟

针对当前布料仿真中模拟成本高且耗时长的问题,提出一种直接对三维布料网格卷积的布料模拟方法。对三维布料网格进行螺旋卷积,使用点填充方法增加采样点,存储局部域;采用顶点抽取算法对局部块进行池化,使用基于Gauss-Bonnet定理曲率的惩罚因子对顶点抽取算法进行增强,当局部块数量小于开始时数量的60%时停止顶点抽取;最后训练神经细分网络对抽取后的整体网格进行上采样,其中使用改进的蝶形细分算法生成新顶点。实验结果表明,与目前已有方法相比,该布料模拟方法能够保留丰富真实的褶皱,减少模拟成本和时间,是一种高效的布料模拟方法。

以《数据结构》为代表的新工科课程思政建设研究

鉴于目前专业课教学过程中存在的思政未进入教学大纲、思政授课过程无主线、思政元素融入生硬等现实问题,本文提出基于教学各环节思政融入的专业课全方位思政建设框架。构建全方位思政建设框架,首先以数据结构课程要求和培养目标为基础,分析课程与思政的共同点,重构融入思政元素的课程目标;针对重构的课程目标,修订教学大纲,整体考虑课程内容与思政元素的融合,以此作为思政课堂的指挥棒;在数据结构课堂教学中以教学大纲环节拟订的思想政治元素为主线,引入热点社会事件,达到思政教育的与时俱进和潜移默化;实践环节是专业课程的重要组成部分,也是思政教育的重要一环。通过将思政元素全方位多环节的融入教学过程,实现数据结构为代表的专业课程与思政元素的深度融合。

融合空间分割注意力的织物材质识别方法

针对传统神经网络检测织物材质精确度低、检测速度慢的问题,提出一种融合空间分割注意力的织物材质识别算法。首先对多种材质的织物风吹视频进行分帧处理,得到织物图像。接着进行数据预处理,并采集织物图像的时序信息,利用欧氏距离计算织物图像中同一像素点在时间前后的位移量,将织物图像进行区域划分。将处理后的图像输入到注意力网络中进行特征提取,采取深度可分离卷积(DSC)替代普通卷积,以减少网络参数与计算量,增强网络的特征提取能力。然后在每个卷积层后引入空间分割注意力模块(SPAM)来增强重要特征,防止特征图信息丢失过多,提升网络精度。最后通过全局平均池化层和softmax层实现织物材质的识别。结果表明:所提出的织物材质识别算法能够快速、有效地对织物材质进行分类识别,准确率达到93.9%,单张图片检测时间为83.14 ms,在保证识别精度的同时具有较强的实时性。

融合R-Sphere包围球的变形体碰撞检测算法

针对变形体碰撞检测算法中实时性较差的问题,提出一种R-Sphere包围球与粒子群优化算法融合的混合碰撞检测算法。将有公共顶点的三角片构造成R-Sphere包围球,利用R-Sphere包围球的旋转不变性和球心固定的特性对包围球更新过程进行优化;利用层次包围球(BVH)树快速剔除不相交的包围体,在确认发生碰撞的包围球中融合粒子群算法,将复杂的三维空间距离检测问题转换为二维离散空间内的寻优问题,快速找到发生碰撞的包围球对。实验结果表明,混合算法有效提高了碰撞检测的实时性。

改进的粒子群优化算法

为改善基本粒子群的全局、局部搜索能力和收敛速度以及计算精度,基于经典PSO方法和量子理论基础之上,提出了一种改进的基于量子行为的PSO算法--cQPSO算法。新算法中,采用全同粒子系更新粒子位置,并引用混沌思想,对每个粒子进行混沌搜索,试图改善粒子的全局、局部搜索能力和收敛速度以及计算精度。对经典函数的测试计算表明,改进算法的性能优于经典的PSO算法、基于量子行为的PSO算法。

融合智能算法的变形体碰撞检测算法研究

针对变形体碰撞检测算法的准确性与实时性问题,提出了一种融合智能算法的变形体碰撞检测算法。在随机碰撞检测的基础上,使用层次包围技术缩小粒子搜索空间,采用一种融合基于量子行为的粒子群算法与差分进化算法的混合智能算法进行搜索。该方法以局部吸引子作为差分变异基础,在扩大种群多样性的同时加快了算法收敛速度,有效地解决了传统智能算法不适应离散空间计算问题以及早熟收敛问题。针对随机碰撞粒子搜索空间特点,混合算法的引入大大提高了碰撞检测算法的检测效率,解决了检测过程中的穿刺与遗漏现象。经实验验证该方法在很大程度上提高了变形体碰撞检测的实时性与准确性。

具有量子行为的粒子群优化算法的改进

为改善基本粒子群的全局、局部搜索能力和收敛速度、计算精度,基于标准PSO算法和量子理论基础之上,提出一种改进的基于量子行为的PSO算法—WbQPSO算法。新算法中,采用全同粒子系更新位置,并引入混沌思想,对每个粒子进行混沌搜索,另外通过在Mbesti中加入权重系数,试图改善粒子群的全局、局部搜索能力和收敛速度以及计算精度。对经典函数的测试计算表明:改进算法的性能优于经典的PSO算法,基于量子行为的PSO算法。

融入最佳叶节点的改进粒子群算法

针对目前传统粒子群算法早熟收敛、多维空间搜索精度不高的问题,提出了一种逐级寻优的算法,在该算法中,基于树状的拓扑结构,同时在速度更新公式中加入最优的叶子节点来平衡粒子全面搜索空间的能力.这样有效地优化了空间搜索精度的问题,又能使群中的粒子向局部最优值、全局最优值和叶子节点的最优值学习,避免早熟收敛.通过几个经典的基准测试函数仿真实验,比较了几种不同算法的效率,测试结果表明提出的新算法取得了很好的效果.将改进的算法应用于图像匹配中,提升了匹配的速度和准确率.

学习历史经验的粒子群优化算法

为解决基本粒子群算法收敛速度过慢、易于陷入局部最优等不足,提出一种对全局最优位置预测的粒子群算法.算法在基本粒子群的每一代搜索更新基础上,全局最优位置先通过反学习预测策略得到下一步进化的预测值和本次进化的经验,然后通过进化经验预测策略进一步预测全局最优位置,更精准更快速地寻到全局最优位置.最后,通过对几个基本测试函数寻优结果的对比说明,ALPSO算法可以在较短时间收敛,提高了收敛精度,且不易陷入局部极值,在工程应用上具有一定的实用价值.

融合QPSO算法的多精度布料仿真建模方法

在布料建模领域,如何快速模拟布料形变之后的褶皱细节是研究的热点。通过使用多精度布料建模方法,在布料的不同形变区域使用不同精度的网格,可以有效平衡建模的精度和速度,已有的工作主要是在布料形变过程中,动态计算出布料质点邻域的曲率,依据人为设定的阈值,划分出布料的多精度区域,而在大部分场景中,布料的变形模式没有规律,固定不变的阈值可能会影响布料的仿真效果。针对该问题,首先将基于量子行为的粒子群算法引入建模过程,通过粒子群算法对布料表面的搜索,提高了布料弯曲部位的搜索效率,优化了多精度布料的建模速度和精度,其次针对布料仿真运动过程进行研究,参考布料受空气阻力的数学模型,以及粒子动力学中的数值积分方法,优化布料运动的仿真计算方法。实验证明,与现有布料多精度方法相比,该方法能较快检测到布料褶皱区域并判断是否需要细化,且能较好地表现出布料仿真过程中空气阻力对布料造成的形变。

基于DASH的混合控制码率算法

针对平滑流(SF)算法在带宽预测时存在的"毛刺"现象以及仅依靠带宽预测而没有缓存区控制所导致的频繁播放停滞的问题,提出一种动态自适应混合控制码率算法。首先,通过使用标准差来代替原SF算法中波动参数的计算,消除了预测带宽存在的"毛刺"现象;其次,针对原SF算法存在没有考虑缓存区状态所带来的频繁播放停滞问题以及传统缓存区控制算法存在分级困难的问题,引入一种基于缓存区容量的新型缓存区控制策略;最后,将改进SF算法与新型缓存区控制策略相结合形成混合算法来选择视频码率。实验结果表明,混合算法不但消除了原SF算法在带宽预测中存在的毛刺现象,而且弥补了仅依靠单一算法选择码率的不足,使得所选码率视频既降低了播放停滞频率(恶劣网络环境下效果明显,降低43%左右)又符合实际网络情况,提高了用户的观看体验。

具有自适应逃逸的环状全互连结构粒子群算法

为了提升粒子群算法在解空间中的寻优性能,提出了一种具有自适应逃逸机制的基于环状全互连拓扑结构的粒子群算法(RSEPSO).该算法首先将种群中的粒子组成环状结构后再连接成全互连结构,其次加入自适应逃逸功能,为防止算法进化时陷入局部极值,同时选取适应值差的粒子进行重新分布,并融入优质粒子环作为学习对象,最后产生足够多的点进行重新搜索,获得全局最优值.通过4个标准测试函数优化,与其他优化算法比较,可以看出RSEPSO能够明显的提升粒子群算法的寻优性能.

布料与精细建模物体间的碰撞检测算法研究

为解决布料与精细建模物体间碰撞检测速度慢、剔除率低等问题,提出简化模型的有向包围盒(OBB)算法和使用深度神经网络优化的连续碰撞检测(CCD)算法提高碰撞检测效率。在粗略检测阶段,提出一种简化模型的OBB算法,对于精细建模物体使用二次误差度量的表面简化法对精细模型进行简化,将简化后的模型嵌入原模型中,并利用一种快速自适应的OBB算法对简化后的模型构建包围盒。对于布料模型,构建固定球形-轴向混合包围盒和碰撞检测包围盒树。在精确检测阶段,采用全连接深度神经网络学习滤波器剔除在粗略检测阶段未发生碰撞的碰撞对,使用训练后的最优深度神经网络模型优化连续碰撞检测算法。实验结果表明,使用简化程度为90%的模型构建的OBB可以完全替代原模型的OBB,所提简化模型的OBB算法与传统OBB包围盒算法及快速自适应包围盒算法相比,在耗时上分别缩短了约64.6%、35.8%。在布料与精细建模物体交互的场景下,使用深度神经网络优化的CCD算法比使用不同类型滤波器优化的CCD算法速度更快,耗时缩短了约7%~11%。

大类招生下的计算机科学与技术专业课程体系的改革研究

针对目前高校趋向大类招生,专业培养方案的修订、课程体系的改革成为热点问题,在分析大类招生的特点、必要性的基础上,以我校计算机科学与技术专业的培养方案、课程体系为例,提出对本专业培养方案进行改革,使学生能更好地适应社会,满足社会需求,实践证明,效果良好。

以度为规则的小世界粒子群算法

针对粒子群算法快速收敛,容易陷入局部最优的现象,提出了一种以度为规则的小世界粒子群算法.该算法将粒子群的分布引入小世界模型,给小世界的随机连接赋予一个规则,即将度最大的粒子和度最小的粒子进行连接,使粒子之间充分交流,避免了粒子之间信息交流不充分而出现的早熟收敛现象.通过测试函数对其进行仿真实验,实验结果表明,以度为规则的小世界粒子群算法不易陷入局部最优,能够更好地寻找最优解,其性能优于传统的粒子群算法.

一种基于空间混沌序列的量子粒子群优化算法及其应用

为了改善粒子群的局部收敛能力和收敛速度,在经典粒子群优化算法和量子理论的基础上,提出一种改进的基于量子行为的粒子群优化算法。在新算法中,运用全同粒子系更新粒子位置,并引入空间混沌思想[1]。将新算法应用到虚拟射手飞碟训练系统中射点的三维姿态参数优化中,取得了很好的优化效果。

融合类无标度粒子群算法的图像检索研究

提出一种融合类无标度网的禁忌粒子群(ST-PSO)算法,并用其优化改进后的图像检索相关反馈过程.该方法通过融合类无标度网的禁忌粒子群算法优化反馈过程,并根据用户的反馈信息引入分辨率来动态调整特征权重以及查询向量.通过实验验证了该方法能够增加粒子种群多样性,避免早熟收敛,增强粒子跳出局部最优解的能力,并且可以检索到更加符合用户需求的图片,有效地提高了检索效率和检索精度.

一种改进的简化均值粒子群K-means聚类算法

针对粒子群优化算法容易陷入局部最优且K-means算法受聚类数及初始聚类中心的选取影响较大,提出了一种改进的简化均值粒子群K-means优化聚类算法(ISMPSO-AKM).一方面,在简化粒子群算法的基础上,加入邻域最优粒子,由个体最优位置、全局最优位置及邻域最优位置线性组合改进位置公式.另一方面,构造一种基于余弦函数和对数函数的惯性权重,实现对惯性权重的动态调整.此外,引入AKM聚类算法确定聚类数,动态获取初始中心,进一步提高算法的准确性.仿真实验表明,改进的ISMPSO-AKM算法具有更快的收敛速度,更高的求解精度及更稳定的聚类结果.

工程认证视角下的大学生创新能力培养探析

针对目前中国高等学校工程教育专业认证还没有形成完备的制度,大学生实践能力和创新能力培养、课程体系的改革、专业特色的凝练均成为重点改革内容,以我校计算机类专业工程认证的培养计划改革为例,提出在工程教育专业认证体制下大学生创新能力培养的几点探析,使我们的学生更好地适应社会需求、走向世界。

光纤型半导体激光器线阵工艺研究

采用计算机控制技术、激光器调制技术、光纤耦合技术、微透镜聚焦技术,研究了半导体激光器的线阵.利用线阵组合原理展示了半导体激光器线阵技术的原理和实现过程,扩展了线阵技术在快速成型、显示技术等方面的应用领域.