基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割 是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提 出了一种基于’() 神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于 ’() 学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联 式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实

、实验目的 因特网中，路由器中路由表的生成是非常关键的技术问题。目前，在因特网中的路由器中，都支持开放最短路径优先（OSPF）路由生成算法。OSPF算法生成速度快，而且收敛快、性能稳定，是目前已知的因特网中路由表生成的最好算法之一。 OSPF最重要的内容是路由器如何根据已接收到的本路由器所在的自治系统（AS）的路由器拓扑结构以及各路由器和网络之间的传输费用（代价、权），生成一条从本路由器到AS中各路由器的最短路径，进而生成路由表。 本实验的目的是根据一个给定的网络拓扑结构及路由器之间的传输

　保证服务质量的QoS 路由(Quality of Service Routing) 是网络中解决QoS 问题的一项关键技术. QoS 路由 的主要目标是为接入的业务选择满足服务质量要求的传输路径,同时保证整个网络资源的有效利用. 度量参数选择问 题、寻路问题和路由信息不准确问题是QoS 路由中的几个主要研究内容. 本文围绕这三个方面,介绍了QoS 路由中的 主要问题及相关的解决办法,并探讨了今后QoS 路由可能的研究方向.-To ensure the quality of serv

关键路径源程序以及文档，包括程序设计思路分析以及遇到的问题和解决办法等-Source code, and documentation of the critical path analysis, including program design ideas, and encountered problems and solutions.