基于时间衰减模型的模糊会话关联规则挖掘算法

现有的关联规则挖掘算法没有考虑数据流中会话的非均匀分布特性和历史数据的作用,并且忽略了连续属性处理时的尖锐边界问题。针对这些问题,提出一种基于时间衰减模型的模糊会话关联规则挖掘算法。针对数据流中会话的非均匀分布特性,基于时间片对会话进行划分,完整地保留了时间片内会话之间的相关性信息,采用模糊集对会话的连续属性进行处理,增加了规则的兴趣度和可理解性。在考虑历史数据作用和允许误差情况的基础上,基于时间衰减模型挖掘数据流中的临界频繁项集和模糊关联规则。实验结果表明,该方法在提高时间效率、降低冗余率和增加规则兴趣度方面存在明显优势。

基于Mumford-Shah模型的图像快速分割方法

针对传统的Mumford-Shah(M-S)模型在图像分割的每一次迭代中都需要另外求解两个椭圆型方程,从而使得算法的执行效率大大降低的缺点,利用分片常函数代替M-S模型中的待优化输出图像,简化了曲线演化的过程,避免了额外计算,有效地提高了算法的执行速度。实验表明,该方法在图像分割效果方面与传统方法没有明显差别,但是程序的运行速度方面却远远优于传统方法。

基于水平集的3D左心室表面重建

提出了基于分层2DMRI图像重建3D左心室表面的算法.分层2DMRI图像能够跟踪左心室边界在成像平面内的变形,但由于缺少层间数据,层间边界形变的信息难以获取.为了重建左心室的形状,使用基于形变模型的方法:首先建立变形曲面的动力学方程;再将成像坐标系中的图像平面映射到重建坐标系,根据图像数据构造外力,使用平均曲率构造变形曲面的弹性力,然后用水平集数值解法求解动力学方程以重建左心室的表面.实验结果证明了算法的有效性.

养心殿长春书屋古玩墙的起源和演变

随着《养心殿研究性保护项目》的进行,在长春书屋南墙发现了一堵独特的墙面,揭开了雍正及乾隆朝早期盛行的一种墙面装饰——"古玩墙"。这种绘制古玩图再制作成合牌样镶嵌在板壁上的装饰方式,因采用了西方的立体绘制,造成古玩悬挂于墙上的视觉奇观,受到皇家和民间的喜爱,成为盛行一时的装饰方式。但古玩墙被覆盖的现状,表明这种装饰方式的短暂性。古玩墙装饰方式的产生,反映了受到西方立体绘画影响,中国装饰所发生的变革和尝试。