【摘 要】
：
为了进一步研究非多项式空间的拟B啨zier基,完善其关于三角域部分的理论,将5阶三角多项式空间G=span{1,sint,cost,sin2t,cos2t}上的基推广到三角域上,构造出满足正性、权性、对称性、边界性质和线性无关性的拟B啨zier基,使得相应的三角曲面不用有理形式就可以表示球面片.实例结果表明,使用这组基可以精确地造型出整球面.
论文部分内容阅读
为了进一步研究非多项式空间的拟B啨zier基,完善其关于三角域部分的理论,将5阶三角多项式空间G=span{1,sint,cost,sin2t,cos2t}上的基推广到三角域上,构造出满足正性、权性、对称性、边界性质和线性无关性的拟B啨zier基,使得相应的三角曲面不用有理形式就可以表示球面片.实例结果表明,使用这组基可以精确地造型出整球面.
其他文献
建立了表征晶体硅应变量的晶格振动模型,首次计算获得(100)晶面单轴应变硅应变系数b为-336.6cm-1;通过建立的利用Raman光谱测量晶体硅单轴应变量的实验装置,首次获得装置中螺钉旋进量与应变硅应变量的关系;利用波长648nm的Raman激光谱测量了螺钉旋进量为1.5mm时,Raman频移为0.47cm-1,获得(100)晶面单轴应变硅应变系数b为-335.7cm-1.结果与晶格振动模型基本
文中提出了一种基于环形DNA分子的新型计算模型.该模型的核心构成包括环形DNA分子,链霉亲和素包被的磁珠及环化酶.通过应用该模型解决了一个5个顶点的最大团问题,证明了该模型的可行性.在整个计算过程中,真解的搜索是借助于磁珠和环化酶,DNA分子结构在线性和环形之间相互转化.环形DNA分子的应用极大地减少了计算所需的时间和空间,算法的时间和空间复杂度均为O(n+m).对于解决一个n个节点的最大团问题,
给出了著名的Lorenz混沌系统零平衡位置Lyapunov意义下全局指数稳定、全局渐近稳定、不稳定的简洁的代数充要条件;也给出了两个非零平衡位置局部指数型稳定、不稳定及线性化系统稳定而非渐近稳定的代数充要条件.发展、改进和推广了前人关于Lorenz系统Lyapunov稳定性的结果.将新结果应用到Chen系统、Lu¨系统、Yang-Chen系统、Yu-XiaLi混合系统的混沌控制,得到了使之全局指数
文中从一种新的视角,即从几何上来研究差分代换,给出了差分代换的几何意义,引入代换收敛性概念,证明了逐次差分代换是不收敛的;得到了一个有趣结果:给定一个k维有理超平面,则用有限次差分代换总能把该k维有理超平面变为新变量所在坐标系的k维坐标面;给出了半正定型在逐次差分代换下不能终止的一个充分条件.
阵列互耦、幅相误差以及阵元位置误差的综合影响会严重影响MU-SIC算法的测向性能.为此,本文主要研究了由这3种误差引起的阵列误差校正问题.该文在已有的阵列误差校正算法(算法1)的基础上,给出了一种基于互耦矩阵稀疏性的阵列误差校正算法(算法2)和一种利用互耦矩阵特殊结构的阵列误差校正算法(算法3).虽然3种算法具有相同的计算模式和理论框架,但后2种算法因利用了互耦矩阵的更多性质,从而提高了参数估计精
提出一种新的彩色图像增强方法:将RGB空间转化为HIS空间后保持H分量不变,对S分量进行指数拉伸;而对I分量则利用脉冲耦合神经网络的特性将原始图像的灰度信息与空间信息一起耦合到神经元的内部活动项,然后利用人类视觉系统模型构建动态阈值与其比较得到增强图像.实验证实了这种方法的有效性.
文中针对在视觉测量系统中双目立体视觉特征点同名点匹配问题,提出基于图论的稀疏特征点全局匹配算法.首先,提出多尺度特征点提取算法来获得特征点的准确位置.算法引入多尺度小波变换,利用变换后的系数构建自相关矩阵从而进一步确定特征点的位置.然后,根据图理论将提取的稀疏特征点构建一个图,从而使特征点匹配问题转化为可用能量最小化方法解决的图的标记问题.此多尺度特征点全局匹配算法利用多尺度分析来提高匹配精度,并
在计算机图形学中,动画网格模型被广泛地用来表示时变数据,而模型的渐进网格表示方法经常可以用来加快处理、传输和存储速度.文中提出一种生成渐进动画网格模型的高效方法.该方法使用一种改进的基于曲率的二次误差测量准则来计算边折叠代价,可以有效地保持曲面上更多的局部特征.同时,定义了原始动画序列的变形程度权值,并将其加入到累加的边折叠代价中,这样动画模型中的动作变形特征就得到了有效的保持.最后,对动画序列提
QoS-awared replica placement techniques in data grid applica-tions XIAO Nong,FU Wei&LU XiCheng Abstract Quality of service is one
声明:本十大安全漏洞由NSFOCUS(绿盟科技)安全小组根据安全漏洞的严重程度、利用难易程度.影响范围等因素综