用坐标轴法证明矢量公式

本文介绍了矢量坐标轴法,并将矢量坐标轴法与分量证明法相结合,运用于矢量公式的证明,使证明过程大为简化,我们用于物理教学中收到较好的效果。

基于散乱点云边界提取及简化的单坐标搜索法之改进

针对单坐标搜索法在处理大量点云数据时会出现收敛速率降低、边界提取模糊等缺点,采用一种改进的方法能快速确定点云的紧邻信息。并且在保留所有边界点的基础上,结合测点的曲率特征以及邻域内保留点的情况提取点云的边界特征并进行非均匀化。结果表明,该方法能够在快速、有效地简化点云数据的同时保持原始特征信息。

基于Coclus联合聚类与非负矩阵分解的推荐算法

当前推荐系统多数存在推荐准确性低、受稀疏性影响大且稳定性差的问题,因此,在Coclus聚类算法的基础上,提出一种评分矩阵与联合聚类的推荐算法。通过Coclus联合聚类,利用图模块度最大化理论分别将评分矩阵的行与列分成g类,经过行列变换形成g×g个低秩评分子矩阵,并对低秩评分子矩阵进行矩阵分解,填充缺失值,以提高推荐质量,在矩阵分解阶段采用改进的非负矩阵分解算法,通过引入L1、L2范数分别提高特征值选择能力和防止模型过拟合,并利用坐标轴下降的迭代算法进行参数更新。实验结果表明,与基线算法相比,该算法具有较高的推荐准确率,且稳定性较强。

无人系统自主性评价方法综述

随着无人技术的成熟,无人系统被广泛地应用于各个领域,其自主性成为设计师和使用者关注的重点,如何合理评价无人系统的自主性成为研究的焦点。本文首先对自主性的概念进行了研究,确定其描述的是无人系统的自我管理能力。然后对目前国内外无人系统自主性评价方法,按照评价方式,即等级法、坐标轴法、模糊评价法等,进行综述。最后根据研究结果,对无人系统自主性评价方法的发展提出了四点建议,即以任务为导向、考虑指标相关性;评价角度一致以及评价结果要量化。