基于欧氏比的快速分形编码算法

分形编解码的时间过长,主要是因为编码过程中的搜索码本块的最佳匹配块占据了大量时间。如果能用某种方式,尽量缩短搜索码本块最佳匹配块的时间,那么分形编解码的时间就能大大缩短。文中提出了一种基于欧氏比的分形编码算法并给出了可行性分析。该算法将全局搜索最佳匹配块的算法转变为相对意义下的邻域搜索最佳匹配块的算法,即只搜索与R块的欧氏比相差较近的码本块,从而大大减少了搜索最佳匹配块所占用的时间,进而缩短了分形编解码的时间。用MATLAB对文中算法进行代码仿真,仿真效果用主观上观察图像的清晰度、图像编解码前后的信噪比和编解码的时间来评价。实验结果表明:该算法在尽量保证图像质量的前提下,使得分形编解码的时间大大缩短。

基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的风电机组变桨轴承退化状态评估

针对风电机组变桨轴承服役过程环境噪声干扰严重、退化状态评估精度低的问题,提出一种基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的退化状态评估模型。该模型将监测数据状态特征获取过程由单通道拓展为多通道进行,通过提出的多元精细复合多尺度波动散布熵算法来获取多通道监测数据的多尺度状态特征,并将累积和检验算法与欧氏距离矩阵测度方法相结合,用于定量衡量基准样本与待分析样本间的差异,从而实现变桨轴承退化状态评估。风电机组变桨轴承全寿命周期加速疲劳实验验证结果表明:该模型能够及时捕捉到变桨轴承的初始退化时刻并且准确跟踪整个退化过程。

基于改进欧氏聚类算法的障碍物检测跟踪

障碍物的检测与跟踪技术是移动机器人行驶过程中的一个重要技术,有利于提高移动机器人的运动安全.为了提高了障碍物检测的准确率,针对欧氏聚类存在过分割和欠分割的情况,做出了两点改进:提出动态欧氏聚类搜索半径的方法来解决远处点云过于稀疏的问题;提出将半径搜索改成深度方向上的拓展搜索的方法来解决点云数据在深度方向上检测不完全和拖尾等问题.为了提高动态障碍物跟踪的准确率,在进行两帧障碍物数据关联时,设计了一种新的关联矩阵的计算方式,加入了障碍物的六自由度信息和尺寸信息,提高了动态匹配的成功率.仿真实验表明,经过改进后障碍物检测准确率达到了95.2%,多目标跟踪精度达到了13.2 mm.

三维欧氏空间中标准正交基的求解新方法

本文对标准正交基的计算方法加以分析,分别采用Schmidt正交化方法、初等变换法、合同变换法和Givens变换法进行标准正交基的求解。并在三维欧氏空间中,把向量积与这些方法结合,使得计算更为简单。

基于欧氏距离聚合算法模型的仓库配货行走路径研究

在新零售的供应链体系中,仓储物流对运营成本和效率有着至关重要的作用,分拣配货又是仓储流程的关键环节。鉴于仓库货架相对固定,提高仓库配货效率问题即可转化为拣货路径优化问题。文章基于欧式距离聚合分析模型,根据订单明细商品所对应库位的拣货顺序对订单进行数据抽象和定义,将批次路径聚合寻优的复杂问题转化为一个对二维空间点聚类的简单问题,以此快速求取仓库配货作业中拣货员最优行走路径,提高配货作业效率。

欧氏几何公理系统中外角定理及推论的研究与证明

本文研究、补充和整理欧氏几何公理系统中外角定理及其推论,介绍欧氏几何公理系统、合同公理及相关重要定理,重点介绍外角定理并证明其主要推论,说明欧氏几何公理系统与中学几何公理系统的联系与区别.

基于欧氏形态距离与AP聚类分析的配电台区拓扑结构辨识方法

针对低压配电台区户变关系辨识过程中存在的用户信息混乱、丢失和不准确等现象,提出基于欧氏形态距离和近邻传播聚类分析的配电台区拓扑结构辨识方法。首先,将电压曲线转化为离散序列,应用改进最长公共子序列方法给出形态距离;然后,利用熵权法配比欧氏距离与形态距离形成欧氏形态距离,度量曲线整体分布差异与形态变化差异;最后,利用近邻传播聚类算法实现用户台区辨识与台区内相别辨识。仿真算例验证了欧氏形态距离的有效性,进一步验证了该方法具有较高的聚类有效性和算法稳健性。

基于CUSUM和加权欧氏距离的电器分析监测装置设计

针对当前高精度的负荷识别算法复杂度高,难以实现低成本电器监测装置,以及单一依据稳态特征难以实现高精度电器识别问题,本文设计了一款基于CUSUM和加权欧氏距离的低成本电器分析监测装置。该装置通过采样电路采集电器工作状态的电参数特征,以稳态有功功率、无功功率和暂态功率过冲幅度建立三维电器特征库,利用改进的CUSUM控制图实现具有过冲幅度检测功能的电器投切事件检测,通过特征加权的欧氏距离模型完成电器工作状态识别。实验结果表明,本文设计的监测装置平均电器识别准确率高达97.3%,验证了设计方案的可行性。

基于输电线树障定位的改进欧氏聚类分割算法研究

为了提高输电线路巡检的树障定位精确度,提出了一种基于改进欧氏聚类分割的三维点云树障定位方法。该方法利用无人机采集图片进行三维模型重建,通过降采样、位姿调整及滤波对三维点云进行预处理;对于不同类型的树障环境,提出一种前K点柱状约束的欧氏聚类分割算法,提取巡检区域的单簇输电线点云;利用随机采样一致及最小二乘法拟合输电线电云的空间方程,计算非输电线点云与输电线点云的距离,并依据电网安全树线距离定位树障的位置。经过2种不同树障情况的实验,证明此方法可以有效地解决输电线路树障的定位问题。

基于LOF与欧氏距离的液态危化品安全鹤位分配方法

为保障液态危化品装卸过程中的生产安全,引入基于局部异常因子(LOF)与欧氏距离进行安全鹤位分配。首先通过使用LOF计算空位点局部离群程度,再计算空位点与出口间的欧氏距离,采用模糊量化法对得到的2个指标进行无量纲化处理,将2个结果加权计算后生成最终的综合评价指标。针对装卸区域建立坐标系,通过鹤位分配算法评估候选鹤位的安全程度,依照候选鹤位的综合评价得分结果,选取当前轮次得分最高的鹤位作为最终分配结果。同时根据鹤位实时作业进行迭代优化计算,实现安全鹤位分配。实验结果表明,基于LOF与欧氏距离的安全鹤位分配算法可以同时保证作业鹤位的相对较大安全间隔和相对较短避险距离。通过多轮次候选鹤位点选取,装卸安全性得到改善。

基于改进加权欧氏距离的光谱反射率重建样本选择方法研究

获取物体的光谱反射率是准确再现物体在各种光照条件下真实颜色的关键保证,这对纺织服装、出版印刷、网络电商、远程医疗等对颜色有较高要求的行业有重要作用。光谱反射率重建的目的是利用训练样本建立数码相机等通用设备所获取的RGB三色值和光谱反射率高维向量间的映射关系,从而避免使用分光光度计等专业设备所带来的成本高、操作复杂、分辨率低等问题。训练样本的选择是影响光谱反射率重建算法效果的重要因素。从物理角度看,光谱反射率是一条关于波长的光滑曲线,光谱反射率向量最大的相关性特征就是其光滑性,因此,训练样本的选择应同时考虑空间距离和形状的相似性。针对局部学习方法中局部样本选择问题,提出一种能同时考虑光谱反射率向量形状相似和空间距离相近的更加有效的训练样本选取方法,以提高光谱反射率重建的精度。该方法利用待测样本与训练样本之间的加权欧氏距离与向量夹角距离结合后赋予不同权重作为相似性度量,根据样本容量动态地选出相似度较高的样本。实验以孟赛尔半光泽数据集(munsell matte)为样本集,基于伪逆法进行光谱反射率重建,以光谱均方根误差和色差为评价指标,与加权欧氏距离方法从样本选择的有效性和重构精度两方面进行比较。实验结果表明,基于改进加权欧氏距离的样本选择,能够在保证均方误差最小的条件下,显著降低色度误差,同时添加不同噪声水平后,文中方法的均方根误差和平均色差依旧保持最小,该方法能够更好地利用局部样本的信息,而且具有较好的抗干扰能力,可以有效地提高光谱反射率重建的实际应用效果,进而为颜色的真实再现提供保障。

基于欧氏距离最小化的非常规工况空调水系统运行关联准则研究

对某地铁空调系统进行了模拟,获得大量运行数据,利用关联准则数据挖掘方法对运行数据进行挖掘,得到了能够指导空调系统高效运行的关联准则。对于未能挖掘得到关联准则的部分工况(非常规工况),提出了一种基于欧氏距离最小化的方法,对中央空调水系统运行的非常规工况进行了关联准则补充,并以两种非常规工况为例进行对比分析。两应用实例中采用从近到远的三个欧氏距离补充的关联准则对系统进行模拟运行。两实例的系统能效分别为5.72、5.63、5.46与5.71、5.53、5.04。与相对应的既有模式能效相比,最高能效分别提升了1.4与1.7。结果表明采用最小欧氏距离补充的空调水系统运行关联准则能够很好地保证空调系统高效运行。

基于欧氏距离曲线特征参数获取的金银花花期识别研究

金银花花期与其成分联系紧密,是影响金银花销售的重要因素。目前金银花花期主要依靠人工辨识,容易造成工作量大、效率低,缺乏客观标准等问题,简单、高效地自动化精确识别技术亟待开发。为此,在获取金银花照片的基础上,提出了基于欧氏距离检测算法的金银花花期筛分新方法。该思路首先对原图使用中值滤波,增强图片对比度、强化照片细节、减少噪音,使用pythonCV2库对图像进行灰度化和二值化的处理,对处理后的图片分别提取花梗处与花体的边缘信息,从而获得轮廓坐标及花梗坐标。然后,以花梗坐标为起点,顺时针依次计算与花体边界各个坐标的欧氏距离,从而绘制欧氏距离曲线图。通过观察欧氏距离曲线的走势、波峰个数以及曲线起伏次数,即可判断金银花花期。最后测试数据表明,金银花形态识别的准确率约为98.5%,并且该方法简单、快速、准确率高,具有潜在应用价值。

空间自回归模型的经验欧氏似然推断

通过鞅差序列将空间自回归模型的估计方程中的二次型转化为线性形式,构造了空间自回归模型的参数的经验欧氏似然比统计量,并证明该统计量渐近服从卡方分布。

高等代数课堂教学中融入思政元素的教学设计——以“欧氏空间的概念”为例

本文以高等代数课程中的“欧氏空间的概念”为例,探讨如何在数学类专业课程的教学中有机融入思政元素,实现知识传授、能力提升与价值引领的紧密融合。文章分别从哲学观点熏陶、数学思维培养、科学价值观引领三个切入点挖掘思政素材,教学设计注重以专业知识为载体,启发科学思维方法,提升应用能力,落实课程思政。

基于高维删失数据的分布式惩罚平均经验欧氏似然

提出了一种基于高维删失数据的分布式惩罚平均经验欧氏似然方法(DPMEEL)。解决了经验似然在数据量较大时容易出现结果异常的问题,并且通过引入分布式估计的思想,大大提高了计算效率。通过研究表明,在某些条件下,分布式惩罚平均经验欧氏似然具有Oracle特性、渐进正态性,且其似然比的检验统计量服从卡方分布。模拟研究和实例分析说明了分布式惩罚平均经验欧氏似然具有较好的表现。

基于三维激光点云的序列运动图像点目标快速跟踪方法

由于现有方法未充分考虑小目标和遮挡目标检测的问题,导致目标跟踪效果不佳,由此针对点目标跟踪较为困难的问题,提出基于三维激光点云的序列运动图像点目标快速跟踪方法。首先下采样序列运动图像三维激光点云并去除其中的地面数据,通过动态阈值改进欧式聚类方法,分割图像为目标和背景,然后改进SECOND算法,在目标检测阶段融入自适应空间特征融合模块和二维卷积神经网络,同时采用3D DIoU替代Smooth L1作为损失函数,提升SECOND算法的目标检测性能,最后在激光雷达坐标系中构建各点目标的三维中心,利用3D卡尔曼滤波器连续跟踪目标,以交并比和欧式距离为度量标准,通过贪婪算法匹配最近邻目标,实现序列运动图像点目标快速跟踪。实验结果表明,所提方法IoU值更高,可达到0.971,且对目标的跟踪更理想。

基于时间序列压缩分割的监测数据异常识别算法研究

为有效识别桥梁健康监测数据的异常,减少误预警、漏预警现象,保障桥梁监测数据的质量和有效性,针对大跨度斜拉桥长期监测数据的缺失、离群和漂移3类异常数据,提出基于时间序列压缩分割的监测数据异常识别算法。该算法将原始监测数据时间序列通过基于序列重要点(Series Importance Point, SIP)的时间序列线性分段(Piecewise Linear Represent, PLR)算法(PLR_SIP)得到数条时间子序列;然后采用欧氏距离进行时间子序列的相似性分析,并基于改进的局部离群因子(Local Outlier Factor, LOF)算法计算每条时间子序列的局部离群因子;最后将其与设定的阈值相比较,从而识别出监测数据的异常。为验证该算法的准确性与工程实用性,对某公路大跨度斜拉桥健康监测数据进行异常识别。结果表明:采用PLR_SIP算法对原始时间序列压缩分割得到的时间子序列能够准确地反映原序列的变化趋势和范围;改进的LOF算法突破了传统LOF算法仅能识别离群值这类无持续时间异常的局限性,能够排除噪声的干扰,实现对离群、缺失和漂移3种异常的识别。该算法无需定义训练集,直接以原始监测数据作为算法的输入,同时能够自适应调整阈值参数,具有良好的可扩展性、实时性、准确性和高效性,适用于处理实时、大量的桥梁健康监测数据。

基于改进Criminisi算法的中国古画修补系统

Criminisi算法广泛用于文物修补中,由于Criminisi算法采用全局搜索的方式寻找匹配块,导致修补速度慢,因此提出一种基于改进Criminisi算法的中国古画修补系统。首先,改进优先权函数,使用加权求和的形式,解决了修补后期如果优先权为0则导致修补效果差的问题;然后,在计算样本块间的相似度时,引入几何距离判断更优的匹配块,避免只考虑颜色差导致的纹理匹配错误;最后,使用步长为2的搜索方式,减少了冗余搜索,提高了修补速率。另外,使用MATLAB R2021a设计了古画修补系统,方便文物保护人员进行操作。实验结果表明,该算法提升了修补质量,提高了修补速度。

X射线衍射和X射线荧光技术在泥土物证分析中的应用

泥土物证是法庭科学中重要的研究内容之一。本文采用X射线粉晶衍射法(XRD)和X射线荧光光谱法(XRF),对东北地区不同类型的泥土样品进行了综合分析。研究了在最小取样量下,不同泥土样品中矿物组分和化学元素组成特征,并探讨了这些差异性所反映出的泥土样品的矿物学差异。通过XRD分析发现,泥土主要矿物组成为石英、钾长石和蒙脱石,不同类型的泥土样品中还含有斜长石、角闪石和高岭石等矿物。选用国家一级标准物质对XRF进行精密度和准确度测试,结果显示误差范围在-4.68%~1.79%之间,相对标准偏差小于5.89%,表明该分析方法满足分析测试要求。比较分析了泥土中主量、微量元素,并利用欧氏距离法计算了泥土样品间的差异性。通过两种分析方法来探究不同泥土的矿物学和元素组成等地质信息特征,可以有效指示出其来源并为区别不同地区的泥土物证提供数据支持。