cv::convexHull(points, hull)

时间: 2024-04-23 08:28:44 浏览: 13
cv::convexHull(points, hull)是OpenCV中的一个函数，用于找到二维点集的凸包。该函数的定义如下：void cv::convexHull(InputArray points, OutputArray hull, bool clockwise=false, bool returnPoints=true)。\[1\]\[2\]\[3\]其中，points是输入的点集，hull是输出的凸包，clockwise表示是否按顺时针方向返回凸包的点，returnPoints表示是否返回凸包的点坐标。该函数使用了Sklansky算法，具有O(N logN)的时间复杂度。 #### 引用[.reference_title] - *1* [opencv学习(四十一)之寻找凸包convexHull()](https://blog.csdn.net/keith_bb/article/details/70194073)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [OpenCV函数解析之convexHull()](https://blog.csdn.net/Young__Fan/article/details/82740845)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

相关推荐

zip

ConvexHull:Python中的ConvexHull算法可视化

凸包 Python中的ConvexHull算法可视化
zip

ConvexHull 维度 2：ConvexHull 维度 2-matlab开发

维度 2 的 ConvexHull
zip

ConvexHull_convexhull_willingbw7_ComputerGraphics_

use OpenGL to create 2D convex hull

给出使用示例：cv2.convexHull()

hull = cv2.convexHull(points) 最后，我们可以使用cv2.drawContours()函数绘制出凸包： img = np.zeros((200, 200, 3), np.uint8) cv2.drawContours(img, [hull], -1, (0, 255, 0), 2) cv2.imshow(...

cv2.convexHull(contour) return[pints = False举例说明

hull = cv2.convexHull(contour, points=False) # 打印凸包的索引数组 print(hull) 运行以上代码，输出结果将是一个包含凸包上点的索引的数组： [[0] [1] [2] [3]] 这表示原始轮廓中的所有点都...

写一段代码：使用cv2.convexHull，求凸点，输出为：pixel_list = [(1995, 1611),(1991, 1615),(3999, 0)]

hull = cv2.convexHull(points_nd) # 转换为list类型 pixel_list = [tuple(point[0]) for point in hull.tolist()] # 输出凸点 print(pixel_list) 输出为：[(3999, 0), (1991, 1615), (1995, 1611)]

Traceback (most recent call last): File "E:\1作业与文件\智能建造\大作业\cg.py", line 67, in <module> ear = detect_eyes(gray, shape) File "E:\1作业与文件\智能建造\大作业\cg.py", line 35, in detect_eyes left_eye_hull = cv2.convexHull(left_eye) cv2.error: OpenCV(4.7.0) :-1: error: (-5:Bad argument) in function 'convexHull' > Overload resolution failed: > - points is not a numpy array, neither a scalar > - Expected Ptr<cv::UMat> for argument 'points'

这个错误提示是在使用OpenCV库时出现的，可能是因为传入convexHull函数的参数不符合要求导致的。可以检查一下传入的left_eye参数是否是一个numpy数组。如果不是，可以尝试将其转换为numpy数组再传入函数。另外，还...

Traceback (most recent call last): File "E:\1作业与文件\智能建造\大作业\cg.py", line 69, in <module> frame, ear = detect_eyes(frame, gray, shape) File "E:\1作业与文件\智能建造\大作业\cg.py", line 24, in detect_eyes left_eye_hull = cv2.convexHull(left_eye) cv2.error: OpenCV(4.7.0) :-1: error: (-5:Bad argument) in function 'convexHull' > Overload resolution failed: > - points is not a numpy array, neither a scalar > - Expected Ptr<cv::UMat> for argument 'points'

这是一个 OpenCV 的错误信息，提示在执行函数 cv2.convexHull() 时出现了错误。可能的原因是传递给该函数的参数类型不正确，参数应该是一个 NumPy 数组或者是一个标量。请检查代码中传递给该函数的参数是否正确，...

def detect_eyes(frame, gray, shape): """Detect eyes and calculate eye aspect ratio, draw eye contours and key points""" left_eye = np.array(list(map(tuple, map(lambda p: (p.x, p.y), shape.parts()[36:42]))), dtype=np.int32) right_eye = np.array(list(map(tuple, map(lambda p: (p.x, p.y), shape.parts()[42:48]))), dtype=np.int32) # cv2.convexHull是OpenCV中的一个函数，用于计算给定点集的凸包。cv2.convexHull接受一个点集作为输入，然后返回其凸包的点集，用于图像处理、计算形状的轮廓等方面 left_eye_hull = cv2.convexHull(np.array(left_eye)) right_eye_hull = cv2.convexHull(np.array(right_eye)) # cv2.drawContours是OpenCV库中的一个函数，用于在图片上绘制轮廓 cv2.drawContours(frame, [left_eye_hull], -1, (0, 255, 0), 1) cv2.drawContours(frame, [right_eye_hull], -1, (0, 255, 0), 1) left_eye_points = [(shape.part(i).x, shape.part(i).y) for i in range(36, 42)] right_eye_points = [(shape.part(i).x, shape.part(i).y) for i in range(42, 48)] # Calculate eye aspect ratio left_ear = calculate_ear(left_eye_points) right_ear = calculate_ear(right_eye_points) # Calculate average eye aspect ratio ear = (left_ear + right_ear) / 2.0 # Draw eye aspect ratio and key points cv2.putText(frame, "EAR: {:.2f}".format(ear), (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) for i in range(36, 48): cv2.circle(frame, (shape.part(i).x, shape.part(i).y), 2, (0, 0, 255), -1) return frame, ear

这段代码看起来像是使用dlib库中的shape_predictor模型来检测人脸关键点，然后通过计算眼睛关键点的EAR（eye aspect ratio）值来判断眼睛是否闭合。EAR值是通过计算眼睛关键点的纵向距离和横向距离之比得到的，通常...

error: (-215:Assertion failed) hpoints > 0 in function 'cv::convexityDefects'

hull = cv2.convexHull(points, returnPoints=False) # 确保凸包中至少有三个点 if len(hull) > 2: # 计算凸缺陷 defects = cv2.convexityDefects(points, hull) # 处理凸缺陷的结果 # ... else: print("凸包...

import cv2 import numpy as np def drawshape(src,points): i = 0 while i<len(points): if(i==len(points)-1): x, y = points[i][0] x1, y1 = points[0][0] cv2.line(src, (x, y), (x1, y1), (0, 0, 255 ), 3) else: x, y = points[i][0] x1, y1 = points[i + 1][0] cv2.line(src, (x, y), (x1, y1), (0, 0, 255), 3) i = i + 1 img=cv2.imread("C:/Users/CHL/Pictures/Screenshots/hand.png") print(img.shape) #装变为单通道 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #二值化 ret,binary=cv2.threshold(gray,150,255,cv2.THRESH_BINARY) #轮廓查找 contours,hierarchy=cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img,contours,-1,(0,255,0),0) #多边形逼近,参数分别为轮廓、精度、是否闭合 e=20 approx=cv2.approxPolyDP(contours[0],e,True) drawshape(img,approx) print(approx) #凸包，参数分别为轮廓，绘制方向 #cv2.convexHull(approx) cv2.imshow('img',img) cv2.waitKey(0) 帮我修改这段代码，因为他不能正常画线

当您说这段代码不能正常画线时，我注意到在绘制线段时，使用的颜色参数是(0, 0,...# cv2.convexHull(approx) cv2.imshow('img', img) cv2.waitKey(0) 请尝试运行修改后的代码，看看是否能够正确绘制蓝色的线段。

returnPoints

在 OpenCV 中，returnPoints 是 cv2.convexHull() 函数的一个可选参数。它用于指定是否返回凸包点的坐标。具体来说，如果 returnPoints 设置为 True，则 cv2.convexHull() 函数将返回凸包的点坐标；如果设置...

import cv2 import numpy as np def drawshape(src,points): i = 0 while i<len(points): if(i==len(points)-1): x, y = points[i][0] x1, y1 = points[0][0] cv2.line(src, (x, y), (x1, y1), (0, 0, 255 ), 3) else: x, y = points[i][0] x1, y1 = points[i + 1][0] cv2.line(src, (x, y), (x1, y1), (0, 0, 255), 3) i = i + 1 img=cv2.imread("C:/Users/CHL/Pictures/Screenshots/hand.png") print(img.shape) #装变为单通道 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #二值化 ret,binary=cv2.threshold(gray,150,255,cv2.THRESH_BINARY) #轮廓查找 contours,hierarchy=cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img,contours,-1,(0,255,0),0) #多边形逼近,参数分别为轮廓、精度、是否闭合 e=20 approx=cv2.approxPolyDP(contours[0],e,True) drawshape(img,approx) print(approx) #凸包，参数分别为轮廓，绘制方向 #cv2.convexHull(approx) cv2.imshow('img',img) cv2.waitKey(0)

首先，通过使用cv2.imread函数读取手的图像，然后将其转换为灰度图像。接下来，使用二值化操作将图像转换为黑白图像。然后，使用cv2.findContours函数找到图像中的轮廓，并使用cv2.drawContours函数绘制轮廓。接着，...

ellipse.type = "convex"

hull = cv2.convexHull(points) # 在图像上绘制凸多边形 img = np.zeros((400, 400, 3), dtype=np.uint8) cv2.polylines(img, [hull], True, (0, 255, 0), thickness=2) cv2.imshow("Convex Hull", img) cv2....

如何要使用convexityDefects，returnPoints应该为True还是False

defects = cv2.convexityDefects(contour, convexhull=cv2.convexHull(contour), returnPoints=True) # 打印凸缺陷的起始点和终止点坐标数组 print(defects) 运行以上代码，输出结果将是一个包含凸缺陷起始点...

修改代码使其能够正确运行。import pandas as pd import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.preprocessing import MinMaxScaler import cv2 import open3d as o3d from skimage import color import colour from scipy.spatial import ConvexHull def convert_data(data): res=[] data=data.tolist() for d in data: res.append(tuple(d)) # print(res) return res def load_data_and_plot_scatter(path1="1号屏srgb+rgb16预热10分钟切换0.5s.csv"): df1 = pd.read_csv(path1)[["X", "Y", "Z", "R", "G", "B"]] X1 = df1["X"].values Y1 = df1["Y"].values Z1 = df1["Z"].values df1_c = df1[["R", "G", "B"]].values / 255.0 XYZT = np.array([X1,Y1,Z1]) XYZ = np.transpose(XYZT) ABL = colour.XYZ_to_Lab(XYZ) LABT = np.array([ABL[:,1], ABL[:,2], ABL[:,0]]) LAB = np.transpose(LABT) # 将 numpy 数组转换为 open3d 中的 PointCloud 类型 pcd = o3d.geometry.PointCloud() pcd.points = o3d.utility.Vector3dVector(LAB) # 估计点云法向量 pcd.estimate_normals() # 计算点云的凸包表面 mesh = o3d.geometry.TriangleMesh.create_from_point_cloud_alpha_shape(pcd, alpha=0.1) mesh.compute_vertex_normals() # 获取凸包表面上的点的坐标 surface_points = np.asarray(mesh.vertices) # 显示点云的凸包表面 o3d.visualization.draw_geometries([mesh]) # 创建一个 3D 坐标 fig = plt.figure() # ax = Axes3D(fig) ax = plt.axes(projection='3d') ax.scatter(LAB[:,0], LAB[:,1], LAB[:,2], c=df1_c) # # 设置坐标轴标签 ax.set_xlabel('a* Label') ax.set_ylabel('b* Label') ax.set_zlabel('L Label') # 显示图形 plt.show() if __name__ == "__main__": load_data_and_plot_scatter()

from scipy.spatial import ConvexHull def convert_data(data): res=[] data=data.tolist() for d in data: res.append(tuple(d)) # print(res) return res def load_data_and_plot_scatter(path1="1号屏...

minAreaRect参数说明

minAreaRect函数是OpenCV中的一个函数，用于寻找二进制图像中包含最小矩形的情况。 参数说明： ...注意：points中的点集必须是通过cv::convexHull函数计算出的凸包（convex hull）才能保证正确性。

import cv2 import math def cal_ang(start, center, end): point_1 = start point_2 = center point_3 = end a = math.sqrt( (point_2[0] - point_3[0]) * (point_2[0] - point_3[0]) + (point_2[1] - point_3[1]) * (point_2[1] - point_3[1])) b = math.sqrt( (point_1[0] - point_3[0]) * (point_1[0] - point_3[0]) + (point_1[1] - point_3[1]) * (point_1[1] - point_3[1])) c = math.sqrt( (point_1[0] - point_2[0]) * (point_1[0] - point_2[0]) + (point_1[1] - point_2[1]) * (point_1[1] - point_2[1])) A = math.degrees(math.acos((a * a - b * b - c * c) / (-2 * b * c))) B = math.degrees(math.acos((b * b - a * a - c * c) / (-2 * a * c))) C = math.degrees(math.acos((c * c - a * a - b * b) / (-2 * a * b))) return B img = cv2.imread('46.png') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(gray, 70, 255, cv2.THRESH_BINARY) contours,hierarchy=cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) hull = cv2.convexHull(contours[0],returnPoints=False) defects = cv2.convexityDefects(contours[0],hull) start = end = (0,0) for i in range(0,defects.shape[0]): s,e,f,d = defects[i,0] start = tuple(contours[0][s][0]) end = tuple(contours[0][e][0]) far = tuple(contours[0][f][0]) if d > 5000: cv2.line(img,start,end,[0,255,0],2) cv2.circle(img,end,5,[0,0,255],-1) cv2.circle(img,start,5,[0,0,255],-1) break cv2.imshow('find', img) center,radius = cv2.minEnclosingCircle(contours[0]) cv2.circle(img,(int(center[0]),int(center[1])),8,(255,0,255),-1) cv2.circle(img,end,8,[255,0,0],-1) cv2.circle(img,start,8,[255,0,0],-1) cv2.line(img,start,(int(center[0]),int(center[1])),[0,0,255],2) cv2.line(img,end,(int(center[0]),int(center[1])),[0,0,255],2) angle = cal_ang(start,center,end) print('angle = %0.2f' % angle) length = (1 - angle / 360.0) * math.pi * radius * 2 print((angle / 360.0)) print('radius = %0.2f' % radius) strL = 'length=%0.2f' % length cv2.putText(img,strL,(int(center[0]-40),int(center[1]+40)),0,0.8,(0,255,0),2) cv2.imshow('result', img) angle_1 = cal_ang(start, center, ((center[0]+100),(center[1]))) angle_2 = cal_ang(end, center, ((center[0]+100),(center[1]))) cv2.ellipse(img,(int(center[0]),int(center[1])),(int(radius),int(radius)),0,-angle_1,0,(255,0,255),2, cv2.LINE_AA) cv2.ellipse(img,(int(center[0]),int(center[1])),(int(radius),int(radius)),0,0,angle_2,(255,0,255),2,cv2.LINE_AA) cv2.imshow('result', img) cv2.imwrite('result.png',img) cv2.waitKey(0) cv2.destroyAllWindows(),将这段代码转换为c++

convexHull(contours[0], hullsI[0], false); if (hullsI[0].size() > 0) { Point2f* pts = new Point2f[hullsI[0].size()]; for (size_t i = 0; i [0].size(); i++) { pts[i] = contours[0][hullsI[0][i]]; }...

opencv凸包检测返回点

hull = cv2.convexHull(points) # 输出凸包顶点坐标 print(hull) 在该示例中，我们首先生成了一个包含50个随机点的NumPy数组。然后，我们使用cv2.convexHull()函数对该点集进行凸包检测，并将结果保存在hull...

最新推荐

recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构：Kafka与Hive集成

![实现实时数据湖架构：Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构，它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同，实时数据湖不依赖于预先定义的模式，而是采用灵活的架构，可以处理各种数据类型和格式。这种架构为企业提供了以下优势： - **实时洞察：**实时数据湖允许企业访问最新的数据，从而做出更明智的决策。 - **数据民主化：**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm，并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法，用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题，然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下： 1. 初始化参数 $\theta_0$，设 $k=0$； 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$，使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$； 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册，其中包含JSBSim简介，JSBSim配置文件xml的编写语法，编程手册以及一些应用实例等。其中有部分内容还没有写完，估计有生之年很难看到完整版了，但是内容还是很有参考价值的。
recommend-type

"互动学习：行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动，互动学习以行动为中心的强化学习学会互动，互动学习，以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授：智囊团论文联合主任菲利普·普雷教授，大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授，Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士，Deepmind对于那些及时看到自己错误的人...3谢谢你首先，我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔，"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲，你知道在这篇论文的（许多）错误中，你是我可以依
recommend-type

实现实时监控告警系统：Kafka与Grafana整合

![实现实时监控告警系统：Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成，这
recommend-type

帮我实现在Androidstudio调用chapgpt并提供源码

首先，你需要运行一个ChitGPT的服务器，然后通过Android应用程序与该服务器进行通信。以下是一个简单的Android应用程序示例，可以与ChitGPT进行通信： 1. 首先，在Android Studio中创建一个新的项目，并添加以下依赖项： ``` implementation 'com.squareup.okhttp3:okhttp:4.9.0' implementation 'com.google.code.gson:gson:2.8.6' ``` 2. 创建一个新的Java类，用于与ChitGPT服务器通信。以下是一个简单的实现： ```java import com.
recommend-type

c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf

校园超市商品信息管理系统课程设计旨在帮助学生深入理解程序设计的基础知识，同时锻炼他们的实际操作能力。通过设计和实现一个校园超市商品信息管理系统，学生掌握了如何利用计算机科学与技术知识解决实际问题的能力。在课程设计过程中，学生需要对超市商品和销售员的关系进行有效管理，使系统功能更全面、实用，从而提高用户体验和便利性。 学生在课程设计过程中展现了积极的学习态度和纪律，没有缺勤情况，演示过程流畅且作品具有很强的使用价值。设计报告完整详细，展现了对问题的深入思考和解决能力。在答辩环节中，学生能够自信地回答问题，展示出扎实的专业知识和逻辑思维能力。教师对学生的表现予以肯定，认为学生在课程设计中表现出色，值得称赞。 整个课程设计过程包括平时成绩、报告成绩和演示与答辩成绩三个部分，其中平时表现占比20%，报告成绩占比40%，演示与答辩成绩占比40%。通过这三个部分的综合评定，最终为学生总成绩提供参考。总评分以百分制计算，全面评估学生在课程设计中的各项表现，最终为学生提供综合评价和反馈意见。 通过校园超市商品信息管理系统课程设计，学生不仅提升了对程序设计基础知识的理解与应用能力，同时也增强了团队协作和沟通能力。这一过程旨在培养学生综合运用技术解决问题的能力，为其未来的专业发展打下坚实基础。学生在进行校园超市商品信息管理系统课程设计过程中，不仅获得了理论知识的提升，同时也锻炼了实践能力和创新思维，为其未来的职业发展奠定了坚实基础。 校园超市商品信息管理系统课程设计的目的在于促进学生对程序设计基础知识的深入理解与掌握，同时培养学生解决实际问题的能力。通过对系统功能和用户需求的全面考量，学生设计了一个实用、高效的校园超市商品信息管理系统，为用户提供了更便捷、更高效的管理和使用体验。 综上所述，校园超市商品信息管理系统课程设计是一项旨在提升学生综合能力和实践技能的重要教学活动。通过此次设计，学生不仅深化了对程序设计基础知识的理解，还培养了解决实际问题的能力和团队合作精神。这一过程将为学生未来的专业发展提供坚实基础，使其在实际工作中能够胜任更多挑战。
recommend-type

关系数据表示学习

关系数据卢多维奇·多斯桑托斯引用此版本：卢多维奇·多斯桑托斯。关系数据的表示学习机器学习[cs.LG]。皮埃尔和玛丽·居里大学-巴黎第六大学，2017年。英语。NNT：2017PA066480。电话：01803188HAL ID：电话：01803188https://theses.hal.science/tel-01803188提交日期：2018年HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaireUNIVERSITY PIERRE和 MARIE CURIE计算机科学、电信和电子学博士学院（巴黎）巴黎6号计算机科学实验室D八角形T HESIS关系数据表示学习作者：Ludovic DOS SAntos主管：Patrick GALLINARI联合主管：本杰明·P·伊沃瓦斯基为满足计算机科学博士学位的要求而提交的论文评审团成员：先生蒂埃里·A·退休记者先生尤尼斯·B·恩