距离加权的二次误差测度多分辨率网格简化

为了有效显示复杂的三维物体网格模型,基于边折叠操作与二次误差测度,给出了建立与视点相关的多分辨率模型的网格简化算法。该方法引入了距离因子与三角形形态品质因子:网格顶点到视点的距离因子使得产生了与视点位置相关的符合观察需要的网格;三角形形态品质因子的引入,提高了简化后新生成的三角形的形态品质。同时,在构造候选边队列时,采取了邻域冻结办法,避免了对模型的某个部位过度简化与过大三角形的出现。实验结果表明,在保证效率的前提下,简化速度快,但显示并无明显失真,简化后的三角形形态品质较好。该算法适应于三角形网格模型的简化、优化及建立多分辨率细节模型。

利用无人机影像和广义迭代重加权最小二乘法的三维重建

为了提高基于无人机影像重建三维场景的效率,提出了应用广义迭代重加权最小二乘法的全局式三维重建方法。首先,介绍了广义迭代重加权最小二乘法的基本思想和具体步骤;接着,将全局旋转矩阵的求解转化为李代数中旋转向量的求解问题,利用结合范数优化和迭代重加权最小二乘的方法求出全局旋转最优解;然后,根据极线几何约束条件,解算相机在全局坐标系下的相对平移方向向量,在广义迭代重加权最小二乘架构下,利用二次规划法求出相机全局位置最优解;最后,对影像位姿参数和重构三维点进行光束法平差优化。实验结果表明该方法在提高重建效率的同时,能够更真实地恢复场景的几何形态。

距离加权的二次误差测度网格简化算法

文中针对现有的均匀三角网格简化算法在显示质量上的不足 ,提出了根据网格顶点到视点的距离 ,使用加权的二次误差测度算法进行顶点对折叠、简化 .该方法能根据视点位置简化网格 ,产生符合观察需要的网格 ;还将距离加权用于视窗裁剪 ,得到视点相关的网格模型 .并对该算法的优点及存在的问题作了分析 .

区间值T-球形模糊集的距离测度及其应用

区间值T-球形模糊集是目前较为先进的处理不确定信息的工具之一,能够允许其隶属度,、犹豫度、非隶属度均采用区间值的表达形式。相较于直觉模糊集、图模糊集和球形模糊集,区间值T-球形模糊集能够更好地处理不确定信息,从而得到更令人信服、更准确的结果。首先研究了区间值T-球形模糊集的距离测度相关定义与性质,随后提出一种区间值T-球形模糊集的广义二重加权形式的距离测度并研究其性质,通过对比分析从理论上阐明了该距离测度的广泛性与全面性。最后,基于这种距离公式开发了相关的多属性决策与模式识别方法,并通过实例说明其可行性。

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。

基于新距离测度的IGOWLA算子区间组合预测模型

在对区间数的预测过程中,由于不确定因素,采用单一的预测方法可能会产生较大的误差的不足;与此同时每种单项预测方法在各个时点处的精度也不尽相同,定权系数区间组合预测模型存在着权重固定不变这一不足之处。本文引入诱导广义有序加权对数平均(IGOWLA)算子,以区间数距离作为最优准则,构建一种基于新距离测度的诱导广义有序加权对数平均算子区间组合预测模型。实例验证表明,本文所构建的区间组合预测方法可提高预测精度,即本文所提出的方法是一种有效的优性的组合预测方法。