为使参数曲线拟合在压缩数据量的基础上仍能保持较高的精度，提出了一种基于特征点提取、最小二乘法逼近以及粒子群优化算法求解最优控制点的高精度非均匀有理B样条（NURBS）曲线拟合方法。首先，以反曲点和曲率极值点作为筛选依据从所有离散数据点中提取特征点；然后，将特征点在最小二乘法下逼近，并根据所得线性方程组计算得到初始控制点；最后，以初始控制点的位置坐标构造粒子初始种群，并建立一个衡量离散数据点与拟合曲线误差的适应度函数，且利用粒子群优化算法对初始控制点的位置进行迭代优化，直至达到最大迭代次数为止。在叶片和蝴蝶截面原型上进行的实验验证的结果表明，所提方法使待拟合数据量分别压缩为原来数据量的25/117和120/283，且与以精度高为优势的增加辅助控制点的方法相比，所提方法的拟合精度分别提高了57.1%和22.9%，在已有曲线拟合研究方法中具有较强竞争力。

针对传统骨架驱动变形方法中模型细节特征不能得到有效保持的问题,提出一种基于细分的骨架驱动网格模型变形方法。首先,对网格模型待变形区域基于截交线进行局部骨架提取和控制网格构建,分别建立骨架与控制网格以及控制网格所对应细分曲面与待变形模型区域之间的关联关系;然后,将基本函数作用下的自由变形方法应用于骨架变形,通过骨架变形驱动控制网格变形,将变形前后控制网格所对应细分曲面的变化信息转为网格模型泊松梯度场的改变;最后,根据改变后梯度场重建网格模型。实例表明,该变形方法针对不同网格模型均可以得到较好的编辑效果,且细节信息在变形后都得到了有效保持。与传统骨架驱动变形方法相比,该方法除具备交互操作简单直观的优势外,同时能够更好保持变形模型几何细节特征,更为适合具有丰富几何细节的复杂模型的变形编辑。

针对公平、有效分配地理上呈分布式的控制系统带宽的问题,提出了一种分布式的动态带宽分配算法。首先把这种带宽分配问题构建为一个凸优化问题,使全部控制系统的效用最大化;再采用分布式带宽分配算法思想,使得控制系统基于网络反馈的拥塞信息改变其采样周期,得到可利用的最大采样速率或最大传输速率;然后把控制系统和链路之间的相互作用建模为一个时延动态系统,并采用比例积分(PI)控制器作为链路队列控制器来实现算法。仿真结果表明,所提带宽分配算法不仅能够使全部设备的传输速率在10 s内收敛到全部设备均等共享的链路带宽值;同时对于PI控制器来说,其队列稳定在期望设置点50个数据包左右,而且能够准确、稳定地跟踪输入信号,使全部控制系统的性能最大化。

为了提高图像标注与检索的性能，提出了一种基于区域分割与相关反馈的图像标注与检索算法。该算法利用视觉特征与标注信息的相关性，采用基于区域的视觉特征对每幅图像采用聚类方法获得其一组视觉相似图像。通过计算与其距离最近的前3个分类的相似度，然后对这些关键字概率向量进行整合，获得最适合该图像的关键字概率向量，对图像进行标注。利用用户的反馈信息，修正查询关键词与每个分类之间的关系，进一步提高图像检索的准确性。实验结果表明，提出的算法具有更高的查准率与查全率。