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

为什么要学习数据结构 什么是数据结构 抽象数据类型 算法的特性及分类 算法的效率度量 数据结构的选择和评价 总结

1.1 数据结构讨论的范畴 1.2 与数据结构相关的基本概念 1.3 算法和算法的时间复杂度 1.4 算法的空间复杂度分析

• 1.1 什么是数据结构 • 1.2 算法及其描述 • 1.2.1 什么是算法 • 1.2.2 算法描述 • 1.3 算法分析 1.3.2 算法效率分析 1.3.3 算法存储空间分析 1.3.1 算法设计的目标 • 1.4 数据结构＋算法＝程序（略）

DSP应用系统的一般开发流程 1.概念分析与建立模型 2.算法设计与仿真 3.算法移植与软件编程 4.DSP软件仿真 5.DSP实时调试仿真

针对部分聚类算法对数据输入顺序敏感的问题,定义了不干涉序列指数,提出了应用不干涉序列指数对分类数据进行加权排序的方法,并基于该方法对受数据输入顺序影响的CABOSFV_C分类数据高效聚类算法进行改进,提出了考虑加权排序的聚类算法(CABOSFV_CSW),消除了算法对数据输入顺序的敏感性.采用UCI基准数据集进行实验,发现应用加权升序排序的CABOSFV_CSW算法在处理分类数据时,聚类质量较原始CABOSFV_C算法和其他受数据输入顺序影响的算法在准确性上有改善,在稳定性上有显著提高

提出一种以燃料消耗量最小为优化目标的加热炉生产调度新方法。首先基于热力学第一定律分析了流入及流出加热炉的各项能量，并对燃料消耗量的计算式进行了理论推导。进而根据加热炉区实际生产调度特点归纳各约束条件，以多台加热炉总燃料消耗量最小为优化目标，构建调度优化数学模型。采用自适应差分进化算法搭配禁忌搜索算法进行综合求解，并通过9组实际钢坯生产案例模拟验证了该算法的可行性和有效性。同时，为了探究加热炉燃料消耗量的影响因素，提出了分别衡量加热炉区缓冲等待、炉内加热两部分时间同理想生产时间匹配程度的评价参数μ1和μ2，并分析了燃料消耗量对二者的敏感性，结果表明：当连铸坯到达加热炉节奏与热轧工序出坯节奏之比由0.5增至2时，燃料消耗量对两评价参数的敏感性逐渐减弱

绪论 基本粒子群算法 粒子群算法改进 粒子群算法与进化算法的异同 粒子群算法理论分析工具 粒子群算法的应用

10.1 计算机求解问题过程 10.2 算法的概念 10.3 算法的分类、特性和评价方法 10.4 算法的三种结构 10.5 算法的表示 10.6 算法的发现 10.7 算法举例 10.7 算法举例 10.8 程序设计基础

7.1 网络层概述 7.2 路由算法 7.2.1 最优化原则 7.2.2 最短路径路由算法 7.2.3 洪泛算法 7.2.4 基于流量的路由算法 7.2.5 距离向量路由算法 7.2.6 链路状态路由算法 7.2.7 分层路由 7.2.8 移动主机的路由 7.3 拥塞控制算法 7.3.1 拥塞控制的基本原理 7.3.2 拥塞控制算法