基于Hausdorff距离的轨迹相似性度量的航迹复原方法

面对有源和无源探测时存在的大量杂波等干扰,导致探测的重点目标航迹存在缺失的问题,采用基于Hausdorff距离的轨迹相似性度量方法,计算重点目标与探测数据中所有批次在距离-时间、方位-时间2个维度的双重Hausdorff距离。以加权Hausdorff距离为相似性度量排序,从探测数据中辨识出与重点目标航迹相似度最高的目标,实现在探测数据中准确辨识重点目标以及复原目标缺失航迹。实测数据验证表明,该方法简单高效,具有工程应用价值。

基于Hellinger距离的正态云相似性度量方法及应用研究

针对现有正态云相似性度量计算复杂度较高且区分度不强等问题,本文首先从正态云的特征曲线出发,利用Hellinger距离刻画两个概率分布相似性的特点,提出一种基于Hellinger距离的正态云相似性度量方法,该方法不仅考虑了云概念的数字特征且兼顾了其分布特性,并对相似度量具有的数学性质进行了研究。其次,根据给出的相似度量方法,设计了两种正态云概念的相似度算法。最后,通过数值模拟仿真实验和时间序列数据分类实验对所提出算法的性能进行对比分析,结果表明该算法具有较好的相似度区分能力且分类错误率和CPU时间代价都较低。同时,将本文方法应用于协同过滤推荐系统中,并在MovieLens100k影评数据集上进行了实验,实验结果表明本文方法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量。

基于任务最短跟随距离矩阵的流程模型行为相似性算法

目前的流程模型行为相似性算法有着不同程度的缺陷,为此首次提出任务最短跟随距离矩阵的概念,以很好地体现流程模型的行为特征,并给出了基于Petri网完全有限前缀的高效计算方法。基于该矩阵提出的行为相似性算法能完整支持流程模型各类结构。与现有算法的对比表明,该算法更符合流程模型行为相似性算法应该具有的各项性质。

面向相似性查询的时间序列距离度量方法述评

从一元时间序列和多元时间序列两个方面对当前提出的主要时间序列距离度量方法进行了述评。深入分析了各种算法的原理和特点,比较了算法对时间序列形变的支持情况以及时间复杂度。从客观上讲,各种算法之间并不具有绝对的优劣关系,每种算法的原理和特点各异,适用的问题领域也不一样。对于工程应用中选择时间序列距离度量方法具有指导意义,同时对于设计新的距离度量方法也具有参考价值。

系统相似性度量中的非平权距离系数法

文章基于系统相似性,指出传统距离系数法在相似度量中的局限性,提出非平权距离系数法,通过对现有的权重值确定方法进行分析与比较,提出了一种更易精确计算的权重值确定方法,建立相似度量的计算公式,通过相似分析实例详述该方法的计算步骤,比较客观地反映出系统间的相似程度,从而提高系统相似性度量的准确性和可靠性,同时也提高了相似性度量在工程应用中的实用性。

不同距离测度的SIFT特征描述符相似性度量比较

鉴于尺度不变特征转换(Scale-Invariant Feature Transform,SIFT)匹配算法特征点描述符的相似性度量大多采用欧氏距离,而目前诸多学者提出的距离测度中除欧氏距离还有其他应用较为广泛的如城市距离、棋盘距离、马氏距离、余弦距离、相关性距离等,该文采用这6种距离用于特征点描述符的相似性度量,在实验中分别统计这6种距离测度在最近邻/次近邻比值取值从0.3至0.9的匹配结果。实验结果表明,6种距离测度中综合性能最好的是城市距离,其次是棋盘距离,而欧氏距离与余弦距离由于计算耗时以及误匹配点相对较多其综合性能并不是很好,性能最差的是马氏距离。因此,在实际的SIFT匹配算法中,特征点描述符相似性度量应采用基于城市距离或棋盘距离的测度准则,而不是欧氏距离或余弦距离。

基于Hausdorff距离的相似性和对称性度量及在人脸定位中的应用

本文提出了一种基于改进的Hausdorff度量的人脸定位方法。首先,改进了模板匹配中基于Hausdorff距离的相似性度量。传统的Hausdorff距离仅仅计算了两个点集之间的平均失配程度,而改进的方法同时考虑了点集之间的距离平均值和标准差,所以对人脸定位中姿态、表情、个体的变化具有更好的鲁棒性。另外还将Hausdorff距离应用于测量对称性这一人脸的重要特征,并将对称性度量和相似性度量结合起来进行人脸定位,从而取得了较高的定位正确率和定位精度。

一种基于离散Fréchet距离的磁场相似性度量方法

随着磁场模拟技术的发展,多种磁源能够对目标磁场进行精细化的模拟,传统的磁场判定方法难以对其相似情况进行度量.针对此问题,提出了一种基于离散Fréchet距离的磁场相似性度量特征值.根据磁场曲线的特点,首先改进了Fréchet方法中离散点间的距离评价指标,并提出了能够度量横坐标相似情况且消除目标速度不同的影响的参数,然后得到磁场相似性度量特征值,最后通过实例验证了其可行性.相对于传统方法,该特征值能够对更加相近的磁场曲线的相似情况进行评价.

基于形态距离的真空热试验数据相似性度量研究

针对真空热试验过程中的数据自动化监视需求,利用数据挖掘手段开展数据异常监测方法研究,提出了一种改进DTW-形态距离相似性度量算法,通过调整形态符号的计算方法,避免了数据规范化带来的形态符号计算失真问题。对实际样本数据相似性聚类准确率进行统计分析,获得了相关参数的最佳取值范围,达到了较高的聚类精度。

核映射和Rank-Order距离的局部保持投影相似性度量方法

针对近红外光谱高维、高冗余、非线性和小样本等特点导致光谱相似性度量时出现的“维度灾难”,提出一种基于核映射和rank-order距离的局部保持投影(KRLPP)算法。首先将光谱数据经过核变换映射到更高维空间,有效保证了流形结构的非线性特征。然后改进局部保持投影(LPP)算法对数据进行降维操作,将rank-order距离替代传统的欧氏距离或测地线距离,通过共享邻近点的信息,得到更加准确的局部邻域关系。最后在低维空间通过距离的计算实现光谱的度量。该方法不仅有效解决了高维空间存在的“距离失效”问题,同时还提高了相似性度量结果的精度。为了验证KRLPP算法的有效性,首先根据降维前后数据集信息残差的变化确定了最佳参数近邻点的个数k和降维后的维数d。其次,从光谱降维投影效果和模型分类效果两个角度与PCA,LPP和INLPP算法进行了对比,结果表明KRLPP算法对于烟叶的部位有较好的区分能力,降维效果以及对于不同部位的正确识别率明显优于PCA,LPP和INLPP。最后,从某品牌卷烟叶组配方中选取了5个代表性烟叶作为目标烟叶,分别采用PCA,LPP和KRLPP方法从300个用于配方维护的烟叶样品中为每个目标烟叶寻找相似烟叶,并从化学成分和感官评价两方面对替换前后的烟叶及叶组配方进行了评价分析。其中LPP和KRLPP用于降维的参数选择保持一致,PCA选择前6个主成分。结果表明,由KRLPP选出的替换烟叶与替换配方在总糖、还原糖、总烟碱、总氮等化学成分以及香气、烟气、口感等感官指标上较PCA、LPP方法差异最小,相似性度量准确度最高。该方法可应用于配方产品替换原料的查找,辅助企业实现产品质量的维护。

保护隐私的集合相似性度量协同计算协议

集合相似性度量是机器学习领域的基本问题之一,研究如何在保护数据隐私的前提下计算两个集合间的相似性问题,在保护数据隐私的机器学习、图形识别、生物信息学等方面有着重要的理论意义与应用价值。在机器学习中估算不同样本集合之间的相似性时,通常通过计算集合相似度来对样本之间的相似程度进行估算,这一类集合之间的相似度统称为集合距离。其中,最常用到的集合距离就是杰卡德距离。文中从集合间杰卡德距离入手,首先通过设计一种新的编码方法,对参与计算的数据进行位置数字编码,将相似性度量问题转化为求两集合间相同数字个数问题,进而结合异或思想,借助同态加密体制具体设计了可以保护隐私的集合杰卡德距离协同计算协议,从而解决了集合间相似性度量的隐私保护问题。模拟器证明该协议是安全的,结果分析表明协议可以高效安全地判定出两对象间集合数据的相似性,在保护隐私的集合相似性度量方面,该方法具备一定的普适性。

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题,将定性模型与数据驱动方法相结合,提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先,根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵,基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次,提取测试信号的小波包Shannon熵作为特征向量,以欧式距离作为相似性度量指标,将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后,构建故障可诊断性评价矩阵,依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后,通过仿真分析验证了所提方法的有效性。结果表明,所提方法在不构建数学模型的前提下,能够实现电子系统的故障可诊断性的定量评价。

基于半监督距离学习的运动相似性度量算法

人体运动捕获技术的发展使得运动捕获数据不断积累,人体运动的检索技术成为运动数据管理和重用过程中的关键环节。由于逻辑相似的运动在数值上并不一定相似,使用欧式距离度量2个运动间的逻辑相似性难以取得理想的结果。为此,提出一种半监督的距离度量学习算法,利用带标记的运动和未标记运动进行训练以得到运动间的马氏距离度量,从而判断2个运动之间的逻辑相似性,实现运动检索。实验结果表明,与现有的大部分检索算法相比,该算法能够得到更高的查询精度,且没有任何人工干预,可应用于自动检索领域。

基于变迁标签图编辑距离的过程模型相似性度量

针对现有过程模型行为相似性度量算法计算结果不够精准或者计算效率较低等问题,提出一种基于可覆盖图编辑距离的行为相似性度量算法(TAGER)。TAGER算法通过定义变迁标签图来表达过程模型的行为,定义了考虑模型行为的图编辑操作以及编辑距离的计算方法,设计了A*算法计算变迁标签图节点间匹配的最优方案。通过三角不等式满足率和平均计算耗时对TAGER算法的表现进行了评估,并从计算效率及性质满足情况等方面与其他主流算法进行了对比。

利用树编辑距离的等高线拓扑相似性度量方法

已有的拓扑相似性度量方法主要通过目标之间拓扑关系统计均值的差值,衡量目标之间的拓扑相似程度,在拓扑变化复杂区域由于拓扑关系的增减互补易产生度量误差。为此,提出一种顾及拓扑结构差异的等高线群拓扑相似性度量方法;引入Zhang-shasha算法将等高线群之间的拓扑变化转化为等高线树之间的转换编辑操作;构建基于树结构的拓扑差异表达;并利用动态规划方法求解等高线树之间的转换编辑距离;进而量化度量等高线群间的拓扑结构相似度。模拟数据实验和真实数据实验表明,该方法顾及了拓扑结构差异,能够有效度量多源多尺度等高线数据之间的拓扑相似程度,减少度量误差。

基于分段极值DTW距离的时间序列相似性度量

在时间序列相似性的研究中,通常采用的欧氏距离及其变形无法对在时间轴上发生伸缩或弯曲的序列进行相似性度量,本文提出了一种基于分段极值DTW距离的时间序列相似性度量方法可以解决这一问题。在动态时间弯曲(DTW)距离的基础上,本文定义了序列的分段极值DTW距离,并阐述了其完整的算法实现。与传统的DTW距离相比,分段极值DTW距离在保证度量准确性的同时大大提高了相似性计算的效率。文中最后运用MATLAB作对比实验,并给出实验结果数据,验证了该度量方法的有效性与准确性。

基于形态距离及自适应权重的相似性度量

针对传统的动态时间弯曲算法的性能容易受到离群点以及局部噪声点的影响,同时对于复杂数据的处理能力较差,提出基于形态距离及自适应权重的相似性度量算法。该算法首先利用l1趋势滤波对原始待比较序列进行降维、压缩;其次引入形态距离计算两时间序列的距离矩阵;最后利用自适应赋权的距离函数抽取出各个子序列所含的信息量差异并结合动态时间弯曲完成最终时间序列相似度量。实验表明,该算法有更强的鲁棒性,能够更好地利用序列的形态特征完成宏观的相似性度量,同时在处理复杂数据时更加精确、高效、稳定。

基于正交基函数-编辑距离的低信噪比下磁异常信号相似性度量方法

针对低信噪比下磁异常信号相似性难以度量的问题,该文提出基于正交基函数(OBF)分解和编辑距离法(EDR)相结合的OBF-EDR磁异常信号相似性度量方法。该方法通过对磁异常信号进行正交基函数分解得到离散基函数系数,根据背景噪声与基函数不相关的特性提高离散基函数系数信噪比,利用编辑距离法对离散基函数系数进行相似性计算从而间接实现对磁异常信号的相似性度量。仿真测试表明OBF-EDR方法相较于EDR算法可在更低信噪比情况下对磁异常信号进行相似性度量。

目标再确认中的优化扩散距离相似性度量

跨摄像头目标再确认是多摄像头监控领域中一个亟需解决的难点问题,如何获得准确率更高的距离度量算法成为解决该难点的关键。为此本文在提取优秀的多特征基础上,建立了一种无需训练,适应更多场景的度量算法:优化扩散距离相似性度量,用于跨摄像头目标再确认。在高维扩散距离的基础上,加入高斯金字塔图像采样和加权性优化处理,用于提高相似空间向量的辨别力,并提高计算效率。通过对高维扩散距离的二次优化建立起最终的相似性度量函数。最后对VIPe R和ETHZ数据库中的图片进行多次目标再确认实验,排名第一的图片的正确匹配率达到了50.5%。实验结果表明本文算法取得了较好的匹配结果。

一种融合图结构的时空轨迹相似性查询算法

针对海量时空轨迹数据相似性查询速度慢的问题,提出一种融合图结构的时空轨迹相似性查询算法。从空间维和时间维将轨迹建模为图结构中的一条路径,设计了一种同步匹配空间和时间距离的轨迹相似性度量函数。在此基础上,设计了一种结合时间过滤的基于边的倒排索引结构支持轨迹时空相似性查询,同时利用距离上界的剪枝策略提高查询性能。计算返回的相似轨迹集合中每条轨迹的距离并进行排序,得到相似度最高的前k个轨迹。最后将所提算法与NTrajI算法、SHQ算法、SHQT算法在合成数据集和真实数据集上进行实验对比。结果表明:该算法在索引建立、查询效率和查询质量方面均优于其他对比方法,因此是可行而有效的。