一种基于改进形态维的尺度距离误差图像分割算法

在提取改进的形态维分形特征基础上，提出了一种基于分形尺度距离误差的图像检测分割算法。该算法针对数字图像的形态维分形模型，进行有效的归一化分析，构建新的尺度距离误差特征，并设定阈值进行分割。实验证明具有良好的检测分割效果。

基于多样字典理论与多尺度距离度量的彩色图像检索

针对在图像检索中因色彩因素导致的相关算法正确率低、稳定性差等问题,提出了一种多样字典理论与多尺度距离度量的彩色图像检索算法.首先,对输入图像进行量化,将其转换为一维字符串形式;其次,采用多样字典统计对图像视觉模式编码,并计算编码后的图像特征值;最后,给出多尺度距离的相似度量准则,并根据该准则对查询图像与数据库图像的特征值进行处理,寻找与其匹配的特征图像.实验结果表明:本文所提出的算法在查准率与查全率上要优于当前流行的检索方法,其对彩色图像的检索精度和稳定性也有了明显提高,因此具有较好的应用价值.

基于锚框的远距离多尺度红外目标跟踪技术

在红外目标跟踪过程中,由于目标距离和视角的变化,红外目标的成像面积通常很小,使得红外图像中缺乏足够的像素信息,无法准确提取目标的特征,增加了目标跟踪的难度。因此,提出基于锚框的远距离多尺度红外目标跟踪技术。利用编码的方式对应追踪框图与真实框图,得到目标框中心坐标值。为保证计算的精准度,通过设定特征融合阈值判定提取信息与真实信息较高的重叠度,并按照锚框的边缘、中心以及顶点坐标对应划分像素网格,根据特征值输出分类输出向量,完成红外目标特征提取。由此采用损失函数给出锚框、目标框、实际框的类别损失以及候选框等不同类别损失函数,按照不同点在网格中的体素值,以编码形式逐一对比候选框和真实框数据,通过迭代实现远距离多尺度红外目标跟踪。实验结果表明,所提方法对远距离多尺度红外目标的识别效果较好,查全率曲线基本保持在0.9以上。说明所提方法具有良好的远距离多尺度红外目标跟踪效果。

天体距离测定与宇宙距离尺度

测定天体的距离,是天文学研究中最重要、也是最困难的问题之一。几百年来,天文学家为了解决这一必须解决的难题可谓费尽心计,除了人们熟知的三角测量方法以外,在正确认识天体物理性质的基础上,不断引入新的测距途径,如光度距离、速度距离、尺度距离、宇宙学距离等等,从而使天体距离测定的范围可达100亿光年以上,而在这一过程中,人类也逐渐深化了对宇宙的认识。

基于相对距离尺度TOPSIS法的机床结构优选设计研究

为了合理、高效地进行结构改进及优选设计,提出了采用相对距离尺度的改进TOPSIS评价方法,以对多种备选方案进行综合分析和优选。首先确定评价指标,建立原始数据矩阵;然后得出各评价指标的权重系数,根据可适应设计原则建立多个评价目标,并基于三种距离尺度的综合性能进行评价,总结三种距离尺度方法的特点;最后以某大型立式磨床的横梁设计方案为例,将它的12种变型作为评价目标,采用有限元分析,将其质量及动静热态特性作为评价指标,计算出三种方法下的12种评价目标的评价结果向量,并通过对比,选出综合考虑三种方法的最优评价方案。实践表明,基于相对距离尺度的TOPSIS方法能明确区分方案优劣,且与实际生产所选择方案相符合。

非纬向高空急流与远距离台风中尺度暴雨的研究

首先对非纬向高空急流与远距离台风暴雨的相关统计进行了分析,得出:暴雨发生时,200 hPa高空一般为西南风急流(90. %),暴雨区位于高空急流右后方。暴雨增幅时,200 hPa高空急流有一个增强转竖的趋势。用MM4模式对9711号台风8月19日00时～20日00时(GMT)进行了数值模拟和诊断分析。认为:远距离台风暴雨与非纬向高空急流、低层台风倒槽形成有关。高空急流右后方形成的高层辐散场主要与非纬向风有关。高层辐散场使低层产生变风场辐合,从而导致台风倒槽的形成与暴雨加强。在暴雨增幅过程中,用中尺度系统分析发现在高空急流右后方300 hPa以下存在一支中尺度环流,该环流对暴雨的维持与加强有密切联系,它的生成与高空急流的非纬向性增强有关。在高空急流右后侧的次级环流与降水产生的潜热反馈、高空非纬向风场(v场)的增强之间存在一种有利于远距离暴雨增幅的正反馈机制。

一种基于概率距离尺度学习的图像标注方法

大部分传统的基于距离尺度学习的图像标注方法假设训练样本之间存在确定的约束关系。这样的假设在小规模、精准的数据集上可以取得一定的效果。但是当数据量较大,每幅图像有多个标注且部分标注含有噪声时,这种过于理想的假设则不成立。提出了一种基于概率主题模型的距离尺度学习方法,通过概率主题模型挖掘这种模糊的、潜在的不确定辅助信息,并应用于后续的距离尺度学习中得到语义上距离尺度,改进基于搜索的图像标注性能。在Flickr数据集上的实验证明所提出方法比当前方法具有更好的图像自动标注性能。

HIPPARCOS后的银河系距离尺度

应用《Hipparcos星表》中的自行和视差等数据，可以确定员星团、毕星团以及其它近距疏散星团的距离。对由此所得的结果以及由地面观测已得的结果作了评述，指出毕星团的距离问题已经圆满解决，等于（46．34±0．27）pc。可是，由Hipparcos定出的昂星团距离，却比最新的一些地面测定结果近了10％以上．另外，由Hipparcos定出的其他近距星团的距离，明显地分为两种情况，即由鬼星团、后发星团、英仙星团和Blanco1星团确定了一条主序，而易星团与IC2301和IC2602两个星团一起，得出了另一条主序，两者相比，后者暗了约0．5mag．这些问题与矛盾，有待于进一步的地面和未来的空间观测来解决。

基于流形正则的块增量距离尺度学习算法

在实时应用中,观测样本通常以数据块的形式依次达到,传统的批量距离算法难以进行学习.本文提出一种新颖的利用成对约束关系进行学习的块增量距离尺度算法.首先给出块增量学习的一般模型,并通过扩展约束集克服其容易"过拟合"的缺陷;然后引入流形正则项使得学习过程中数据块的局部邻域结构得以保持.实验结果表明,本文算法学习的距离尺度在测试精度、计算开销上优于现有的增量距离算法,并且在存储开销方面显著优于批量距离算法.

依巴谷星表中的经典造父变星及其距离尺度

依巴谷星表给出了223颗经典造父变星的天体测量和光度观测资料。根据近年来的光谱和光度观测成果，从不同渠道收集了有关视向速度和光度等资料。基于Feast和Catchpole建立的PL关系，给出造父变星的距离估计。

星星到底有多远(10) 尺度距离

成功的科学研究需要正确的科学思想，以及取得必须的科学实验（观测）资料，而要依据科学思想和观测资料得出科学成果，必然离不开合理、有效的科学方法，任何科学学科概莫能外，在有关天体距离测定的问题中，我们已经充分地看到了这一点。另一方面，在正确科学思想的指导下，观测资料的取得和科学方法的提出这两者之间具有互动性。

基于距离比值尺度的模糊粗糙集属性约简

属性约简能有效地去除不必要属性,提高分类器的性能。模糊粗糙集是处理不确定信息的重要范式,能有效地应用于属性约简。在模糊粗糙集中,样本分布的不确定性会影响对象的近似集,进而影响有效属性约简的获取。为有效地定义近似集,文中提出了基于距离比值尺度的模糊粗糙集,该模型引入了基于距离比值尺度的样本集的定义,通过对距离比值尺度的控制,避免了样本分布不确定性对近似集的影响;给出了该模型的基本性质,定义了新的依赖度函数,进而设计了属性约简算法;以SVM,NaiveBayes和J48作为测试分类器,在UCI数据集上评测所提算法的性能。实验结果表明,所提出的属性约简算法能够有效获取约简并提高分类的精度。

种群分布格局的多尺度分析

种群分布格局的分析对于了解种群空间分布规律以及种内与种间关系具有重要的意义。最近邻体分析方法 (Nearestneighboranalysis,NNA)作为种群空间分布格局的重要分析方法 ,仅局限于种群格局的单尺度分析。改进NNA方法以应用于种群格局的多尺度分析 ,将有助于解决种群格局的尺度依赖性。该文在前人研究的基础上提出扩展最近邻体分析方法 (Extendednearestneighboranalysis ,ENNA) ,也即在传统Clark_Evans指数公式的基础上增加一个距离尺度参数d(m) ,并定义其所对应的Clark_Evans指数CE(d)的计算公式及其相应的显著性检验计算公式 (u(d) )分别为 :CE(d) =rdA/rdE=(1Nd∑Ndi=1 rdi) / (0 .5Ad/Nd+0 .0 5 14Pd/Nd+0 .0 4 1Pd/Nd3 /2 )和u(d) =(rdA-rdE) /σd,在距离尺度d(m)范围内 ,参数rdA指样地内各个体与其最近邻体间距离的平均值 (m)、rdE指相同环境中个体呈随机状态时最近邻体距离的平均值 (m)、Nd 为样地内个体总数、rdi为第i个个体与其最近邻体间的距离 (m)、Ad 为样地面积 (m2 )、Pd 为样地周长 (m)和σd 代表标准差。ENNA尺度变换采用与分形理论中计算沙盒维数相类似的过程 ,而格局类型判断的标准与传统最近邻体分析方法相同。传统最近邻体分析结果是EN NA中距离尺度d取最大值dmax时的一个特例。

海战场目标航迹间距离聚类方法

对海战场空间观察对象中的目标分群问题进行了描述;定义观察目标航迹时空距离计算模型及聚类算法,与依据观察目标位置、航向、航速特征量构建的相似度度量方法的传统目标分群层次聚类算法进行了分析对比。该算法将观察目标的时态信息与空间信息相结合,提高了海战场目标分群聚类的质量。

一种基于多尺度LBPH特征的快速人脸识别算法

人脸探测和相似度比较的相关算法经过十几年的发展,目前已经进入实用的阶段。在目前先进研究成果的基础上,侧重考虑处理速度和识别性能的均衡性,实现实时的人脸识别系统。首先基于Haar特征快速提取人脸轮廓,然后基于形变组件模型训练、提取脸部关键部位的landmark,并根据landmark采用多尺度LBPH(Local Binary Patterns Histogram)表示人脸特征,采用距离尺度学习算法训练尺度模型并进行人脸识别。系统人脸识别时间接近实时,识别性能接近实用水平。

适度距离——师生关系的应有之义

一位老师上课时看到一位平时表现很好的同学在乱写乱画，当即伸手去抓“物证”，不料该同学反应极为激烈，老师越是硬抓他越是紧捏，情急之下把纸条迅速撕成碎片扔了，好端端的师生关系顿时降至冰点……

基于深度自编码器的分钟级负荷数据聚类分析

在数字化电网的全面建设和电力市场持续改革的背景下,电力服务商积极开展以负荷数据聚类分析为基础的用电行为分析。为了深入分析用户的用电行为模式,提出基于深度自编码器的分钟级负荷数据聚类分析方法。首先基于信息熵重构负荷数据,保留负荷数据的形态特征和提高数据的可区分性;接着提出深度自编码器的特征提取方法,同时利用边界少数样本过采样算法生成新的训练样本,对深度自编码器网络模型进行两阶段训练;最后基于欧式距离和动态时间扭曲距离的双尺度距离,计算负荷数据特征的相似性,以双尺度距离作为K-means算法的输入数据得到负荷聚类结果。基于南京市某台区的分钟级负荷数据的算例分析表明,所提方法提高了不同负荷数据分类的准确性。

由SLOAN观测数据测试大尺度结构的均匀性

宇宙学的基本假设之一是宇宙在大尺度上均匀各向同性。为了验证星系分布在大尺度上的均匀性,分别计算观测样本和观测空间几何体的分形维数,得到SDSS-DR4中星系分布的分形维数。观测空间几何体的分形维数用随机样本来确定。样本中的星系红移z的范围为0.01—0.26。当尺度持续增加至几十个Mpc时,星系分布的分形维数一致地趋向于3。所有的样本均显示了明显的转变尺度,当尺度大于此转变尺度时,星系分布的分形维数D_G～3,星系的分布转变为均匀分布。结果支持了宇宙学的基本原理关于宇宙大尺度均匀的假设。样本的转变尺度随着样本的光度增强而变大,说明小尺度上星系的分布不是简单的分形分布,而是多维分形分布。高光度星系的转变尺度非常大,直到100h^(-1) Mpc左右才变得均匀。

气象要素场概率分布特征的模拟

本文在气象要素区域概率分布模型——锯齿波模型的基础上 ,通过最小二乘法 ,拟合了该模型产生的区域气象要素概率分布曲线。并使用得到的拟合函数 ,模拟了实际气象要素场阈值的概率分布 ,验证了该模型的有效性。模拟结果表明 :模拟值和实际统计值吻合较好。从而可以通过使用拟合函数 ,由某要素单站概率较方便。

点格局分析中边缘校正的一种新算法及其应用

在点格局分析中,通常选取一个矩形作为研究区域,而K(d)函数估计值的方差倾向于随着距离尺度的增加而增加。作为一种粗略的指导,距离尺度的最大值一般为矩形最小边长度的一半。在这种情况下,边缘校正的权重最小值为0.25。通过在校正圆上等弧长取点,用校正圆上落在研究区域之内的点数除以整个校正圆上的点数,作为边缘校正权重的近似值。点数越多,这种近似算法越接近传统的精确算法。这种近似算法不仅适用于计算研究区域为矩形的边缘校正权重,而且适用于计算研究区域为任意多边形的边缘校正权重。此外,当矩形研究区域中点事件的信息不足时,这种算法可以允许计算接近到距离尺度的上限(即矩形对角线长度的一半)对应的K(d)函数。