快来谈谈自己的国赛Idea吧，回帖就有机会免费参加国际赛与美赛数学中国赛前培训~！

爱木

A题
  y0 Y, U' W& b# \第一问：（1）：定义在堵塞条件的下的实际通行能力
2 t' s$ S3 X5 _; E! ?         （2）：从视频一查出车流量（30s为一个数车周期，因为30s是一个相位），从视屏里发现车流来量有一个时滞（滞后）效果，
/ g0 p, x/ v+ D9 u- R9 l& W$ ^0 R         （3）数据分析，发现在横断面处车流量累加与时间是一个线性函数，然后做了一个线性回归，回归系数约为8.9（大体是这个数），为第四问做个铺垫
第二问：（1）通过输出车流量，然后做了一个方差检验，发现不符合正态的，然后又做了一个非参检验，得出视频一、二的车流量具有显著差异
         （2）分析差异的原因：1来的车流量在内车道所占比例多于外车道，所以一旦发生堵塞更严重
                              2实际生活经验告诉我们内车道是快车道，外车道是慢车道，所以在快 车道发生堵塞发生堵塞更严重
                              
  Q' K3 i- N+ E5 k第三问：（1）建立了二流理论模型
% t7 C. A3 h3 T' {        （2）引入格林伯模型，确定堵塞密度与最佳密度之间的关系，模型建立
9 Y3 f4 L7 U) Y* h& V8 W( }6 F4 F$ |        （3）模型检验：1确定每时刻时间车队长队（定义了最大长度）
5 I  E: u% T- f7 D                       2利用上边二流理论模型确定一个长度
3 Y' G( ]) h* j  ~  N. r! h                       3取两者差值，作图，由于效果不错，所以就没有在进一步的检验
& Q4 S/ a7 A! X+ v第四问：利用第一问的回顾系数，得到出去的车流量是一个定值，又由于进来也是一个定值，所利用上边的模型，采用离散的方法得到时间，但是在模型求解的过程，还要考虑一些司机反应的时间，由于时间比较紧，就把司机反应时间写在了模型拓展上了
      
/ }' ?: \0 @: h. e% f0 x( U+ X         1

Nag

B题：第一问：我们导入图片像素阵，转化成0-1阵，考虑左右边缘，提取出左右边缘矩阵，每张图片的右侧矩阵与其余图片的左侧矩阵比较，用SPSS分析相关性，得到两两相关系数，系数越大越相关，得到排列，
$ Y7 V3 [2 y/ m' F) K4 ^
7 |2 L  ?$ Y) R! W8 n# y第二问：我们提取出0-1阵后，目标是先分出图片所在行，排完每行后，再对行进行排列，找出纸片上下首次出现有字的位置，位置大致相当的分为一类，分出11类，每类19张纸片，再用1的方法对行进行排列
+ h! ^/ F" h* F
' r7 A, [. l; \( p" l/ Y- @. [第三问，用spss根据字高，行高大致分出类别，分出大类后，再考虑相关性，程序筛选+人工干预，得到大致排列，用二中方法，先排每行中的纸片顺序，再排行

冰水无萍

题目：B
% p# E/ C: U( ~7 ]( h问题一：与绝大多数队一样的地方是，采用欧式距离判别，不同之处在于对每张图片进行列向量提取计算两两之间欧氏距离，统计分析得出相邻两列d小于任意不相邻两列距离的概率大于98%，证明方法的可行性。
; Y3 g2 m4 s# m6 A0 y问题二：一样的地方在于分布处理，不一样的是，我们只需要两步：第一步，将209张图片分行，分行时同时确定该图片在第几行，无需按行拼接后再行确定顺序。依靠行间空白的位置特征确定每张图片属于第几行。（当然，这里在程序实现上还有个小trick，容后再讲。）第二步：行内拼接，大体上与第一问一样，不同之处在于由于行高大幅减小，需要将同一行的图片按文字行分别裁剪，两次或三次排序综合确定。
- l/ y# I0 h( R5 o( X2 f: s问题三：大致与第二问一样。在正反面处理上，完成第一步后，对于每一横行，首先根据左右页边空白确定左右两块的正反面，后面就大大减轻计算量了。

杨卿誉

a题答案出来了吗

隐之剑

先粘个百度贴吧我发的讨论帖吧：
5 Y( \4 L  ~6 z  x8 ?B题第一问很简单，基本上大学生都能想出来，算法很简单，就不多说了，编程之后自动出图，中英文都很完美，只需在程序中把“附件1”改为“附件2”。。。。。。。。
+ F/ Y5 L3 `, A( C7 y

但是第二问，纸片更碎，这说明每个碎片上的信息量减小，尤其是边界，更尤其是左右两侧的像素，从1980锐减到180，如果套用第一问的算法，很容易出现误差而行不通，所以需要改进，要尽可能多用每张碎片的信息，如果需要，添加人工干预，但不推荐。。。。。。


对于第三问相当于一张碎片变两张，信息量加大，但怎样同时、充分地利用两张碎片的信息，却成了问题，算法需进一步改进，尚未深入思考。。。。。。。。。
3 A; |+ a; V: z1 Z( |

隐之剑

看到网上好多碎纸拼接技术的文章，都没用，B题是形状规则的纸片拼接，无法用边缘形状来做。。。

隐之剑

B题
" |  B5 u  u' W* E0 J0 T5 y( B第一问：用matlab读入纸片灰度矩阵，很容易想到，一个矩阵第72列的像素值和另一个矩阵第1列的像素值相等或相近的两张纸片是应该拼在一起的纸片，那么定义纸片的相异度函数：两列像素值对应做差求平方和，和越大，说明两张纸片越“相异”，这样两两比较，找出最小的，即可拼接完成。
* q: n/ l& E1 L' d需要说明的是：此问中我定义的相异度函数十分简单，从结果来看显著性也很好，这是建立在像素点很多（1980个）的基础上的，所以是可行的，但非最优。

隐之剑

B题第二问附件3：一、分行。利用行间距与字高这两个特征对纸片分行，采用“投影”的方式，将每一行的像素值取最小值（即本行最黑的一点）“投影”到纸的一个边上，这样形成一个向量，类似一段白，一段黑这样交替，白的一段是行间距，黑的一段是字的高度，根据这个向量，可以找出同为一行的纸片，但有些纸片由于首行缩进或者段末留白的原因，未能被分到应该被分到的那一行，此时就要用到“包含于”的思想，因为这种纸片总有一段黑色段在其向量中所处的位置与本行纸片的向量相同，所以可分，但编程上稍繁。二、行内拼接。仍利用第一问的思想，建立相异度函数，但实际操作可发现，如果再和第一问相同的相异度函数，误差极大，需要细化。我的做法是，加入文字的比划特征这一特征构成新的相异度函数（具体函数比较复杂，就不附上了），这样再拼接就问题不大了。三、行间拼接。将每一成行的纸条旋转90度，就又变成第一问的问题了，但要注意“白边”的细节，此处可加人工干预。
* g: h* w/ m4 q; J( Q附件4：英文在处理时我们可发现与汉字差别较大，主要是分行上。我的想法是，将英文想象为四线三格的情形，每个字母都占中间那一格，所以只取中间那一格的部分用附件3中的方法。用阈值把字母的两端（即字母的“头”和“尾巴”）过滤掉，就好做了，然后继续用附件3的方法。注意：拼英文的最好不要人工干预，因为“人们”不太能读懂文章说了啥，所以要充分利用白边等一切能利用的信息。（我是一边看着答案一边编程的。。。。。）

隐之剑

B题第三问：超难绝问来了！！！此问很多同学没思路，一开始我也没有，因为a、b仅是区分正反，无法分别到底是正还是反，也就不好分行（有可能把反面的碎片分到正面的行里头去了），后来我队友想出来一招，效果我就不说了，仅供参考。将同在一张纸片上的正反面文字信息重叠（就像将正反面的文章打印到了纸的同一面上一样），然后用附件4的方法做，最后由于时间有限和本人编程水平比较渣，程序没做出来，找了答案附上去，就靠写作的同志写出花来了。。。。。至于此种方法道理何在我给忘了，回头我再问问我队友再和大家分享

yangnianjinxin

今天木有什么好说的，，顶一个吧~~奋斗ing！！