双权值神经网络在图像分割中的应用

采用基于误差反向传播的双权值神经网络学习算法,同时确定核心权值、方向权值以及幂参数、学习率等参数,通过适当地调节这些参数,从而实现尽可能多种不同超曲面的特性。在对双权值网络进行训练时,通过对人物头像的分割,将该算法与带动量项BP算法进行了比较。最后将双权值神经网络成功地运用于车牌号码等图像的分割工作中,取得了良好的图像分割效果。

基于佳点集与Leader方法的改进K-means聚类算法

针对传统K-means算法对初始点敏感的问题,采用数论中的佳点集理论结合Leader方法对K-means聚类算法加以改进,启发式地生成样本初始中心。根据两者不同的结合方式,所提算法分别称为KLG和KGL。佳点集理论能够产生比随机选取点更好的点,Leader方法则能反映数据对象本身的分布特性。结合佳点集理论和Leader方法各自的优点,能获得优化的初始中心。在UCI数据集上的实验表明,KLG算法和KGL算法所得到的结果均好于传统的和其他一些初始化的K-means算法。

基于OpenGL的三维地形的模拟

三维地形模拟一直是虚拟现实、地理信息系统(GIS)等领域的研究热点。提出了一种基于不同层次的多边形网格模型的地形生成算法,采用多重纹理映射技术,通过插值对应网格基本元素的位置实现模型之间的平滑过渡并生成地形连续LOD模型。通过该技术可以简化场景的复杂度,并对图形的真实感程度损失比较小。该算法是在VC++6.0平台上利用OpenGL编程技术实现的。实验表明:该算法具有较低的时间和空间开销,适合大规模三维地形的模拟。