基于归一化编辑距离和谱聚类的轨迹模式学习方法

针对欧氏距离和Hausdorff距离等在描述目标运动轨迹差异性时度量不够准确的问题,提出一种基于归一化编辑距离和谱聚类的轨迹分布模式学习方法.首先对目标的运动轨迹进行矢量量化编码;然后采用归一化的编辑距离来度量轨迹编码序列之间的差异,得到归一化编辑距离矩阵;再通过该矩阵进行谱聚类来提取轨迹的分布模式;最后利用所提取的轨迹分布模式确定整条轨迹及其局部是否异常.通过仿真和真实场景的实验验证了该方法的有效性.

基于归一化编辑距离的自由文本击键特征分类识别方法

针对基于相对距离的自由文本击键特征分类识别方法 (R方法 ),提出了一种基于归一化编辑距离的自由文本击键特征分类识别方法。通过数据收集、预处理、距离计算、归一化处理、分类判定等过程,实现了对中文自由文本击键特征样本进行准确分类识别的方法。实验证明,本方法比R方法的分类正确率更高,识别准确度更好。

基于归一化编辑距离的系统进化树重构

为了克服传统距离法在构建进化树时需要进行多序列比对所带来的计算复杂度问题,提出了利用两两序列之间的归一化编辑距离矩阵来构造进化树的方法.通过对11种脊椎动物和20种哺乳动物的Nd5、Nd4和cytb的基因序列以及线粒体全基因组序列数据,分别计算归一化编辑距离矩阵,并使用Neighbor-Joining法,重建了一些已被多种方法验证过的进化树。

符号序列之间的归一化距离度量

为了在[0,1]区间上合理度量符号序列之间的区别,提出了归一化等同距离和归一化编辑距离的概念,并通过数学分析证明了它们满足度量的3条基本公理,从理论上说明了它们的合理性.