基于CASE推理的排样算法

优化排料的目的是根据给定待排样品对板材进行最优切割使得板材的利用率尽可能的高。本文提出一种基于CASE推理的优化排样算法,基本思想是对每块板材的布局都进行CASE推理,选取CASE中的最佳布局,若没有相应的CASE,则调用启发式算法搜索。算法不但避免了组合爆炸,加快了排料速度,而且具有满意的材料利用率。实际应用表明算法是成功的。

基于CASE推理的多时相星载SAR影像分类

提出了一种基于案例(CASE)推理的多时相SAR影像分类方法。选用北京地区2000年(4景)和2004年(3景)的多时相Radarsat-1 SAR影像及相应地理基础分类图作为数据进行实验,结果表明,该方法能得到较好的SAR影像分类结果,分类总体精度可望达到85%。

基于智能CASE库的多时相SAR影像分类方法——土地利用及变化监测

针对SAR影像分类,提出了一种基于智能案例(CASE)库多时相SAR影像分类方法。该方法主要分为4部分:SAR影像预处理;智能CASE的建构;基于CASE相似度匹配的SAR影像分类;分类后处理。在智能CASE建构期间,引入时空分析技术去除“伪”CASE,从而保证了CASE库中CASE信息的可靠性。接着,在基于CASE匹配的SAR影像分类过程中,采用分层相似度评价的方法,消除CASE特征相互之间的混叠效应。最后,采用面向对象的方法进行影像分类后处理。该方法有效地考虑了分类地块的形状因子,使分类结果更精确、更符合逻辑性。以2000年(4景,包含4个季度)和2004年(3景,包含3个季度)的多时相SAR影像作为实验数据,结果表明,使用我们提出的方法能达到较好的SAR影像分类结果,分类总体精度达到85%-90%,这为利用多时相SAR影像实施土地利用和变化监测(Land Use and Land Cover Change,LULC)奠定了良好基础。

基于实例的图案生成模型

基于实例的设计方法应用于图案CAD领域是一个新的尝试 .本文提出了一个基于实例推理的图案生成模型 .采用结构与数据相结合的实例描述方法 ,将图案设计实例分解为基于框架描述的实例结构和基于多类型图元的实例数据 .而把整个图案生成过程视为特定的实例结构针对不同实例数据 (图元 )的例化过程 .对实例库的组织与检索、实例的改编与再设计等实例推理中的关键技术 ,提出了新的求解策略 .同时 ,利用知识推理方法 ,在图案生成过程中引入了基于设计上下文的引导式交互技术以及局部操作到整体布局的自动提升等智能化交互技术 ,简化了图案创作过程 .实际结果表明 ,实例推理方法对于系列化。

汽车故障诊断中基于粗糙集的CBR方法研究

Rough集方法是一种处理不确定或模糊知识的重要工具。文章对汽车故障诊断中的基于 Case推理方法进行了研究 ,介绍了不确定知识的事例表达和事例检索 ;提出了基于粗糙集的事例特征项的权值向量确定算法、事例的相似度计算算法和基于事例推理算法。

一个面向纺织的图案数据库的应用设计——基于实例的图案生成模型

提出了一个基于Case推理的图案生成模型。采用结构与数据相结合的实例描述方法 ,将图案设计实例分解为基于框架描述的实例结构和基于多类型图元的实例数据 ,并介绍了基于实例的检索方法和回溯求解策略。

广告自动创意系统中基于Case的综合方法

广告是一个重要的设计领域.尽管目前已有许多交互式的广告设计软件投入商业使用,但没有一个能支持智能性工作—自动的广告创意,这是一个具有巨大潜力的方面.本文描述的是自动广告创意系统(AACS)方面的研究工作.在对人类广告设计师思维行为进行仔细分析的基础上,我们得出这样的结论:基于Case的推理适于描述这类智能模型.本文中给出了AACS的模型.在广告系统中,一个Case由二部分描述:创意过程及广告图的结构.文中给出具体的数据结构,并给出Case推理的算法,及相应的一些问题如相似度计算、Case的选择等等,