1直线段裁剪 直接求交算法 Cohen-Sutherland-算法 中点分割裁剪算法 梁友栋-Basky算法 2多边形裁剪 Sutlerland_ Hodgman算法 Weiler-Atherton-算法

第二章算法 algorithm 2.1算法的概念 2.2简单算法举例 2.3算法的特性 2.4算法的表示 2.5结构化程序设计方法

⚫ 程序的几个要素 ⚫ 算法的概念 ⚫ 简单算法举例 ⚫ 算法的特性 ⚫ 算法的表示 ⚫ 结构化程序设计方法 ⚫ 算法的实现

为了解决传统的图像识别算法无法准确识别铸坯表面缺陷的问题,提出一种考虑图像相邻像素影响的改进的多块局部二进制算法(MB-LBP).该算法将原始图像分成多个小区域,每个小区域再做等分,并计算平均灰度值,再运用局部二进制模式算法进行计算.对现场采集到的连铸坯表面裂纹、划伤、压痕、凹坑和无缺陷共五类1697个样本进行实验,整体识别率达到94.9%,而传统局部二进制模式算法的识别率为89.1%,说明本文算法具有更好的鲁棒性和抗噪能力

在流控传输协议(stream control transmission protocol,SCTP)中,多路径并行传输利用多家乡特性实现数据在关联的多条端到端路径中的并行传输.然而,受不同路径性能差异的影响,多路径并行传输将带来接收端的数据乱序.为了减轻数据乱序的程度并提高网络吞吐量性能,需要尽可能准确地估计每条路径的实时带宽与往返时间(round trip time,RTT).本文利用扩展矢量卡尔曼滤波对多路径并行传输中每条路径的可用带宽与往返时间进行联合预测,同时提出了一种综合考虑发送端未经接收端确认的数据的路径选择算法.仿真结果表明,通过实时准确地预测可用带宽和往返时间,路径选择算法能够减轻接收端数据乱序的程度.对于带宽敏感的多路径应用场景而言,该算法的收敛速度比Kalman-CMT算法更快,对网络吞吐量性能也有一定程度地提高;对时延和带宽都敏感的多路径应用场景来说,算法在收敛速度与吞吐量两方面优势明显

现有的基于密度的数据流聚类算法难于发现密度不同的簇，难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中，基于共享最近邻图定义了共享最近邻密度，结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素，使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度，以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法，维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量

6.1递归的概念 6.2递归算法的执行过程 6.3递归算法的设计方法 6.4递归过程和运行时栈 6.5递归算法的效率分析 6.6递归算法到非递归算法的转换 6.7设计举例

研究了多智能体网络中受集合约束的一致性最优化问题，提出了基于原始–对偶梯度的定步长分布式算法。算法中包括步长在内的参数会影响收敛性，需要先进行收敛分析，再根据收敛条件设置合适的参数。本文首先针对一般的定步长迭代格式，提出一种基于李雅普诺夫函数的收敛分析范式，它类似于一般微分方程关于李雅普诺夫稳定的分析方法。然后，针对所考虑的分布式梯度算法，构造了合适的李雅普诺夫函数，并根据收敛条件得到了算法参数设定范围，避免了繁冗复杂的分析论证。本文提出的理论与方法也为其他类型的分布式算法提供了一个框架性、系统性的论证方法

针对G-P算法及其改进算法的不足,提出了一种新的改进算法.应用该算法不仅能简化无标度区的确定过程,而且能客观地判断系统的关联维数是否饱和,从而对随机信号和混沌信号加以识别.对新的G-P改进算法进一步分析表明:新的G-P改进算法适用范围广泛,对于混沌信号的识别很有效

算法程序设计 一,比较归并分类和快速分类算法 思想:结合课本中的算法结构,分别计算在数据集相同且分别为随机数,非降序,非增序情况下两种算法所需的时间