基于差分多值的快速模板匹配算法

基于归一化算法求解相似度原理,本文中提出了利用差分多值方法,在不降低匹配精度前提下大大的提高了匹配的速度。计算相似度时,先利用差分多值的方法对分子进行快速卷积运算,对其中一个式子进行差分,利用差分数组减少乘法运算;对分母利用邻窗口数据相关性进行运算,并对其中的一个式子用二次式展开,然后将累计项带入计算。在采用搜索策略时,综合比较遗传算法和金字塔式算法的优缺点基础上采用金字塔算法。在模板匹配过程中,取相似度最大的点作为匹配点。结果表明该算法匹配的速度快而又不降低匹配精度,而且稳定性好,具有一定的应用价值。

多级移动曲面拟合的自适应阈值点云滤波方法

为了提高机载激光雷达点云滤波算法的精度、效率以及自适应性,提出了一种多级移动曲面拟合的自适应阈值点云滤波方法。首先,对点云数据进行预处理即剔除粗差,然后通过格网化分割建立格网索引,利用每个格网的邻域格网中的最低点建立曲面方程,计算真实高程与拟合高程的差值并设置自适应性阈值进行滤波,最后采用多级滤波策略,即逐级改变格网大小并自动设置邻域和阈值,直到滤波结果达到精度要求。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行验证,第1、2类误差和总误差平均值分别为7.33%、10.64%、6.34%。将该算法与ISPRS公布的8大经典滤波算法进行比较,结果表明该方法的适应性强,滤波结果具有较高的准确性。

基于邻域相似的大数据流滞后相关性挖掘仿真

为了解决大数据流挖掘过程中无法迅速辨别序列滞后相关性,从而导致数据信息查询效率低的问题,提出一种基于邻域相似的大数据流滞后相关性挖掘方法。首先对大数据样本采取邻域相似度计算,找出其中每个序列的相似关联度,提升相同簇内任意点之间的相似性;其次通过邻域相似相关系数,建立滞后相关性模型,并把序列依照级数递增采取分层,算出各个层级中的滑动窗口覆盖度,然后通过计算层级的滑动窗口得到序列的参数值,最终得到大数据流序列的滞后相关性。通过仿真,结果表明,所提算法实用性极高,能够有效挖掘大数据流滞后相关性,并且在确保精准度的同时提升了运算速度。

基于TTGNPE算法的间歇过程监控

针对间歇过程中三维数据展开为二维造成的部分信息丢失以及数据的全局和局部结构可能发生的变化,提出一种基于张量分解的时序扩展全局局部邻域保持嵌入(TTGNPE)算法.首先利用TTGNPE算法直接处理间歇过程中的三维数据,以避免因展开为二维而造成的信息丢失;然后,将近邻流形嵌入并引入数据空间的全局和局部结构保持中,充分提取数据的局部和全局特征信息;最后,结合移动数据窗技术来处理过程的动态时变性,检测到故障后用贡献图法诊断出故障变量.通过青霉素发酵过程验证了所提出的算法对间歇过程故障检测与诊断的优越性.