摘要：建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物三维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。

摘要：平躺人体检测具有很好的学术研究和应用价值。针对平躺人体表观姿态受透视变换的影响较大和样本收集难这两个问题展开研究：首先建立并公开了厦门大学平躺人体检测数据集，该数据集的人体包含各种姿态、视角、衣着颜色、复杂背景等情况；其次提出了一种基于透视变换的样本扩充方法：根据透视变换的摄像机模型将3x3的透视变换矩阵进行分解，使得该矩阵最终只与两个变化范围确定的旋转角相关，方便了采样算法的设计，有效地增加了训练样本的数目和样本表观的多样性，在厦门大学平躺人体数据集上的实验结果表明该方法提高了分类器的性能：当FPPW=10e-4时，漏检率降低了12.4%；当FPPW=10e-5时，漏检率降低了5.75%。可见本文提出的样本扩充方法简单有效。

摘要：为了从网络入侵数据提取有意义的信息,分析了网络入侵数据的特点,设计了一种实数的编码方式,给出了一种基于粒子群优化的分类规则挖掘方法,并应用于误用检测系统中.仿真实验结果表明,提出的方法是有效的和可行的.