卓越工程师班算法和数据结构2013秋课程设计选题.doc

卓越工程师班算法与数据结构2013秋课程设计选题 以能力培养为导向，重视能力培养的全过程。能力是煅炼出来的，不要认为已有了就不要做了，别人会做不等于自己会做，要从底层做起，系统地做。 培养能力： 1、检索、查阅文献获取知识的能力； 2、团队分工协作，头脑风暴，分析问题、解决问题的能力； 3、问题求解，计算思维能力； 4、撰写文档的能力； 5、敢于挑战、百折不挠的抗压能力。 评价方式： 　　答辩与面试。不在于做全，也不在于做得多好，在于设计过程中发现了多少问题，解决了多少问题。 选题　 3-5人一组，各组不重复选题。 1、车牌号码识别算法 1) 车牌定位及预处理(1) 车牌字符的倾斜矫正　　车牌字符分割的难点在有些车牌是倾的，直接分割效果不好，需要做校正。首先求出车牌的倾斜率，根据此斜率对车牌做旋转校正。 (2) 车牌边框和铆钉的去除　　对于标准车牌，字符间间距为12mm，第2、3个字符间间距为34mm，其中，中间小圆点l0mm宽，小圆点与第2、3个字符间间距分别为12mm。在车牌边框线的内侧，通常有四个铆钉，他们不同程度地与第2个字符或第6个字符粘连，如果不去除铆钉，将给第2和第6在字符的识别造成困难。　　将车牌图像进行二值化后，图像仅黑、白二值。白色像素点(灰度值255)取1，黑色像素点(灰度值0)取0，这里采用的是白底黑字模式。对车牌图像逐行进行从内向外式扫描，当扫描到车牌图像某一行中，白色像素点的宽度大于某一阀值时(第一个符合条件的行)，则认为是车牌字符的边沿处，切除这一行以上或以下的所有行。2) 车牌字符分割3)字符识别方法字符识别是车牌识别的核心部分。(1) 模板匹配车牌字符识别 中国车牌的字符模板分为汉字、英文字母和数字模板，由统计方法构造并保存到数据库中。模板匹配是将字符模板和标准化了的车牌字符进行匹配来识别字符。(2) 特征匹配车牌字符识别 车牌识别的方法中，可利用的字符特征很多，大致可以分为结构特征、象素分布特征及其他特征。将遗传算法与人工神经网络结合起来，既能利用遗传算法能并行计算且能快速、全局搜索的优点又能克服神经网络固有的搜索速度慢且易陷入局部旱热的缺点等。 2、网页内容相关信息获取算法 给定一组相关网页（文本），从中提取感兴趣的内容，如基因信息等。 3、数据流采样率动态适配算法 依据计算机CUP与内存使用率实时调整对给定数据处理算法的采样率，保证最大限度地充分利用CUP与内存进行对给定数据的实时处理（即数据处理速度不变，如1000条数据/秒）。 4、社交网络中的信息推荐算法 协同开发项目工作组影响力的测定 团队成员i在团队网络中的影响力用网络交往约束Ni来刻画，网络交往约束Ni越低，则团队成员i社会影响力越大。网络交往约束Ni由成员交往的概率来决定，一个成员的社会影响力越大，其在相同时间内与其它成员交往的人数越多，其对应的网络交往约束Ni越低，团队成员i的网络交往约束Ni由他与其他成员交往的概率决定： 团队成员i与成员j交往的概率pij规定为：在规定时间段T内(假定为单位时间)i与j交往时间tij所占的比例： 　 pij=tij/T 　　 上图中：　T=1 (成员A、B、C的规定时间段是同一时间段) 　　　　　Ｂ只与Ａ交往，所以认为Ｂ把所有的时间都用来与Ａ交往了；Ａ同时与Ｂ、Ｃ交往，其Ａ的时间Ｔ由Ｂ、Ｃ分配，这里假定为０.5。 pAB=0.5/1=0.5 pAC=0.5/1=0.5 pBA=1/1=1 pBC=0 pCB=0 pCA=1/1=1 pCB=0 pBC=0 NA=( pAB+ PAC* pCB)2+ (pAC+ PAB* pBC)2=(0.5+0)2+ (0.5+0) 2=0.5 NB=( pBA+ PBC* pCA)2+ (pBC+ PCA* pAC)2=(1+0)2+ (0+0) 2=1 NC=( pCB+ PCA* pAB)2+ (pCA+ PCB* pBA)2=(0+0)2+ (1+0) 2=1 因此，A网络交往约束NA最低，因此A的社会影响力最大。 团队社会网络交往分为３种基本类型：一种是一个成员周围存在若干个成员在协同工作；一种是通过远程电话或视频交流；一种是通过短信或QQ等文本形式的交流。前一种我们认为是直接协同，其对应网络交往约束为NCi；后两种我们认为是远程交互, 其对应网络交往约束为NIi。 在规定时间内，团队成员i与成员j协同的概率pij规定为：在规定时间段T内(假定为单位时间)i与j协同时间tij所占的比例： 协同时间由手机蓝牙技术测定。