针对信息挖掘中的文本自动分类问题 提出了一种基于自组织特征映射网络的分类方法 网络由输入层和 竞争层组成 输入层节点与竞争层节点实行全互连接 输入层完成分类样本的输入 竞争层提取输入样本所隐含的 模式特征 并对其进行自组织 在竞争层将分类结果表现出来 分无监督和有监督两个阶段完成对网络的分类训练 该方法在特征提取时充分考虑了特征项在文档中的位置信息 构造出模糊特征向量 使自动分类原则更接近手工分 类方法 以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性

：虚拟人手操作的逼真性和准确性直接影响到仿真分析结果的可靠性。在虚拟维修作业过程 中虚拟人需要不同的手势对各种工具进行灵活操作，针对该问题提出了从模型中重构手势的思想， 并给出了一种新的关节角提取算法。首先，在人体建模软件中建造需要的目标手势并提取出骨架； 然后用算法对原有手部模型各关节角进行迭代求解，直到该手部模型姿势与目标手势一致，实现对 目标手势的重构。Jack 平台上仿真结果表明，该算法可以快速有效地提取出手部模型的关节-Realistic and accurate vi