在机械工程中，一台机器或一个部件都是 由若干个零件按一定的装配关系和技术要求装配 起来的，而表示机器或部件的图样就是装配图。 通过前一章的学习，读者已经了解了零件图的绘 制方法，本章首先介绍绘制装配图的基本知识， 然后通过一个蜗轮减速器装配图的绘制实例，详 细阐述用AutoCAD 2004绘制装配图的一般方法 及步骤

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理；然后在正则化图像背景中选取适当的掩膜作为样本集，计算各像素与样本集之间的马氏距离；再利用模糊C均值聚类算法对计算出的马氏距离进行分类；最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验，结果显示本算法可以自动抠图，且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果

图论在计算机科学、信息科学、人工智能网络理论、系统工程、控制论、运筹学和 经济管理等领域有着广泛的应用。但很多图论问题虽易表达,却难以求解,其中有相当多 的图论问题均属NP完全问题。本章主要介绍工程实用简单图论问题的并行算法及其MP 编程实现,包括传递闭包、连通分量、最短路径和最小生成树等

第一节 装配图的表达方法 第二节 装配图的尺寸标注、技术要求及零件编号 第三节 装配结构简介 第四节 读装配图和拆画零件图 第五节 装配体测绘 第六节 读装配图和拆画零件图

第六章图与网络分析 1.图的基本概念与模型 2.树图和图的最小部分树 3.最短路问题 4.网络的最大流 5.最小费用流

建筑平面图、立面图、剖 面图的绘制注意事项,建 筑工程样图设置及调用方 法,读者应重点掌握样图 人的两种设置方法与调用方 式

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

本文推广了线图的树对及其距离的概念,提出了等参数图及其树对和树对之距离的概念。给出了等参数图中任一树对为一最大（或最小）距离树对的充分必要条件和相应的算法,讨论了等参数图中最大与最小距离树对在电网络分析中的应用,给出了网络图主划分算法1的对偶算法和电网络的最优调和分解算法

论述了多元累积和控制图的有关内容,提出了2种质量多元累积和控制图的诊断理论,并与多元T^2控制图进行了比较,最后通过1个实例对诊断理论的应用加以说明

一、装配图的作用与内容 1,装配图的作用表达机器或部件的图样,称为装配图。 它表示机器或部件的结构形状、装配关系、 工作原理和技术要求,是指导装配、安装、 使用和维修机器或部件的重要技术文件