精华内容
下载资源
问答
  • 尺度因子什么意思

    2020-12-31 09:13:10
    1. 因子分析和量表的价值被用于核查的有效性和可靠性,我们的尺度。Factor analysis and Cronbach a ... 研究结果表明,反射相移的色散特性会对输出曲线的尺度因子产生明显的影响。The investigation results show...

    1. 因子分析和量表的价值被用于核查的有效性和可靠性,我们的尺度。

    Factor analysis and Cronbach a value was used to verify the validity and reliability of our scales.

    2. 研究结果表明,反射相移的色散特性会对输出曲线的尺度因子产生明显的影响。

    The investigation results show that the dispersion will obviously affect the scale factor of the system.

    3. 如果O相对于S的尺度因子不为1,则情况相反。

    If the scale factor of O relative to S is not 1, then the opposite happens.

    4. 其中 是尺度因子对时间的导数。

    Where is the time-derivative of the scale factor.

    5. 在第一章中简单介绍了由这两个支柱得到的研究暗能量问题所需要用到的基本公式—尺度因子的演化方程和连续性方程。

    In chapter 2, we introduce the observational evidences for the dark energy and some dark energy models, i. e.

    6. 尺度因子的反义词

    6. 研究结果表明,这种色散特性会对输出曲线的尺度因子产生明显的影响。

    The investigation results showd that the dispersions would obviously affect the scale factor of the system.

    7. 研究结果表明,线性双折射的色散特性会对输出曲线的尺度因子产生影响,但是影响很小可以忽略。

    The investigation results show that the dispersion will affect the scale factor of the system. But the effect is so small that can be omitted.

    8. 最后研究了小波多尺度综合DEM对地形因子的影响及其随空间尺度的变化规律。

    At last, the thesis illustrates the impact of wavelet multi-scale generalization of DEM on terrain factor and its changing rule.

    9. 焦虑性格以4个尺度评价(精神衰弱、内向性格、恐怖症和焦虑表现)和源于这些特征的整体焦虑因子。

    Anxiety characteristics were assessed with 4 scales (psychasthenia, social introversion, phobia, and manifest anxiety) and an overall anxiety factor derived from these scales.

    10. 利用Anthes关于台风的区域划分以及物理量特征尺度的结果,采用尺度分析方法导出了台风不同区域的控制方程组,又用WKB方法得到各区的波能量方程并进行了讨论,指出影响台风发展的物理因子在各区的异同点:各区都有非定常因子;同时,台风内核及外围中层对流层的因子有涡度和切向风的垂直变化,外围边界层有热成风及其偏差,外围流出层有水平位温梯度,这些因子与重力波适当的移向相配合,可使台风能量发展,强度增大。

    Based on division of regions of a typhoon and characteristic scales of physical quantities done by Anthes, sets of equations governing different parts of the typhoon are derived with scale analysis and wave energy equations for each part are obtained with the WKB method. Discussions indicated that physical factors contributing to typhoon development are unconstant in all parts of the typhoon, respectively shown as vertical changes in vorticity and tangential wind for the core and outer mid-tropospheric area, ...

    11. 充因子、调制度和对比度等传统参数在非线性传输中始终没有明显的突变点,难以直接反应出是否已经出现小尺度自聚焦。

    And it can monitor well the filamentation to avoid small-scale self-focusing.

    12. 提出了物理项光滑法和当地尺度因子法,用于加快迭代收敛速度

    A physical term smoothing method and a local scale factor method aresuggested for accelerating iteration convergence.

    13. 针对该模型,提出由初始点不可行的原对偶路径跟踪内点法进行求解,并在其中对尺度因子、屏障因子、计算步长以及稀疏规律等做了有效处理,使算法在灵活性、计算问题的规模、解算速度以及鲁棒性上有良好性能,达到实用水平;(4)针对当前研究现状,以优化数学算法和输电能力物理本质充分融合为思路,进行了交流潮流下输电能力优化算法的研究。

    For the model solution, the infeasible primal-dual path-following interior point method is put forward, in which the scale factor, barrier factor, the step size and sparseness rule are disposed effectively, thus the method achieves well effect in convenience, problem scale, solution speed, and robustness.(4) The optimal power flow based method under AC power flow is studied. Aiming at current research, combining the optimization method in mathematics with transfer capability physical essence, a new transfer capability solution method with real power optimization and reactive power optimization solved alternately is put forward.

    14. 将声坐标中涡度方程的有关项在2坐标中分离出水平涡度向垂直涡度转化的主要项,经尺度分析得出,在对流层中、高层,这些转化项中的水平分量是大尺度大气斜压性涡度发展的主要因子。

    The experimental Raman line wave numbers and the expected shapes for the phonon modes were compared to those reported for other perovskite-like compounds with the Pnma structure and to the results of lattice dynamical calculations.

    15. 宇宙极早期引力场量子化理论表明,宇宙尺度因子是不为零的,宇宙不存在时空流行的内禀奇点,宇宙是永恒的,其演化是周期性循环的。

    The quantum theory of gravitational field in the very early universe shows that the cosmic scale factor is not zero, the universe there is no space-time popular intrinsic singularity.

    16. 以≥12℃的有效积温和品种熟性因子为基础,建立了一种统一的生理时间尺度,可预测不同环境条件下不同品种从播种到吐絮的全过程。

    Sowing rate was then decided by integrating the effects of different soil water and salt contents, pH, temperature and sowing style on seedling emergence rate with relative weight method.

    17. Mearns等也比较了区域气候模式和统计降尺度方法,应用的区域模式是RegCM2模式,统计方法采用天气发生器,预报因子为700

    Canonical correlation analysis method was similar, but Similarity method well reflected climate variability of regional variable; both Similarity method and linear pattern method could accurately simulate average value and variance; compared with similarity method, linear pattern method could only reflect

    18. 尺度因子是什么意思

    18. 结合挑选出的最优预测因子,利用最优子集回归建立月平均降水的降尺度预测模型。

    Downscaling monthly anomaly precipitation are predicted using the optimal subset regression from selected predictors.

    19. 并将某一尺度下特征因子进行归一处理后作为BP网络的输入参数,利用网络的分类识别能力,实现对结构损伤位置及程度的诊断。

    The energies are calculated in an appropriate scale based on sensitivity study, and they are used as inputs into BP neural network for multi-location damage diagnosis.

    20. 由于生态因子相互作用的复杂性,有关生态阈值的性质及其在不同空间尺度上的联系仍然存在很大的不确定性。

    There is still great uncertainty about the nature of ecological thresholds and how they are related in different spatial scales.

    展开全文
  • 分析了光学小波变换中实际光学系统对尺度因子选取的限制,确定了小波函数对应光学系统尺度因子的最小值,分别给出几种小波函数在4F系统中尺度因子的最小值,为小波变换应用于实际光信息处理系统提供了有意义的参考...
  • 用插值方法导出了尺度因子循环矩阵逆矩阵第一行元素的计算公式,利用快速傅里叶变换,给出了求尺度因子循环矩阵逆矩阵的快速算法。
  • 它首先由尺度因子a= 3的实单一的紧支撑尺度函数构造出尺度因子a= 3的单一紧支撑正交对称的复尺度函数,然后再由构造出的复尺度函数构造二重正交紧支撑多尺度函数,从而为尺度因子a= 3的多小波的构造提供一种新途径。...
  • 同时考虑了加速度计和陀螺仪的偏差,并且将其放在目标函数中与重力方向,尺度因子等待优化变量共同优化,在inertialoptimization函数 只估计了陀螺仪的偏差,并且是将其考虑成非线性的,将其独立出来单独优化,没有...

    inertial部分的对比

    ORB_SLAM3VINS
    IMU的偏差同时考虑了加速度计和陀螺仪的偏差,并且将其放在目标函数中与重力方向,尺度因子等待优化变量共同优化,在inertialoptimization函数只估计了陀螺仪的偏差,并且是将其考虑成非线性的,将其独立出来单独优化,没有采用g2o求解器,而是直接一次高斯牛顿迭代解决,在initial_aligment.cpp中的solveGyroscopeBias中。
    速度,重力,尺度因子与IMU偏差共同估计,通过最大后验估计并取负对数将其转换成包含IMU先验残差的非线性最小二乘问题,利用g2o去求解inertial-only map下的因子图,速度,尺度与重力方向都是顶点initial_alignment.cpp中的linearalignment(),首先根据预积分量的约束,将世界坐标系转换成相机在t0时刻的坐标系,转换成线性最小二乘问题ceres求解
    IMU的优化内容inertialoptimization中默认各个关键帧对应的IMU的pose是一致的,只优化了IMU的速度,在初始化成功后的5秒和15秒又再次初始化。状态估计器中的Estimator::visualInitialAlign(),计算陀螺仪的偏置校准(加速度偏置没有处理),同时更新了Bgs后,IMU repropagate;得到尺度s和重力g的方向后,转换到第一帧坐标系,然后转换到世界坐标系
    重力g的优化代码中在g与速度等待优化变量的目标函数求解后直接对齐,得出结果,没有看到更多的判断在linearalignment中RefineGravity进一步细化了重力,在其切线空间上用两个变量重新参数化重力,迭代四次,对状态向量重新优化。
    惯性系的对齐在IMU的优化过程中目标函数求解过程同时解算出了优化后的rotation matrix计算出重力在第一个关键帧的测量值后对重力进行参数化,限制模长,判断误差是否大于百分之五,然后重力细化,进行坐标系的对齐。
    scale的优化在初始化及其之后的100秒之内不断优化尺度和重力方向只在初始化的过程进行优化
    求解形式SO(3)四元数

    scale refinement

    在localmapping中,如果慢速运动无法提供对IMU参数的充分观测的话,初始化在最初的15秒内并不能收敛到准确解,在这里作者提出了新颖的尺度优化方案,参见作者paper中的tracking and mapping部分,该部分基于改进后的inertial-only optimization,只估计所有关键帧中的尺度以及重力的方向,该部分优化每10秒在localmapping线程中运行一次,对应代码如下

    // scale refinement
    // Step 9.3 尺度优化
    if (((mpAtlas->KeyFramesInMap())<=100) &&
        ((mTinit>25.0f && mTinit<25.5f)||
         (mTinit>35.0f && mTinit<35.5f)||
         (mTinit>45.0f && mTinit<45.5f)||
         (mTinit>55.0f && mTinit<55.5f)||
         (mTinit>65.0f && mTinit<65.5f)||
         (mTinit>75.0f && mTinit<75.5f))){
        cout << "start scale ref" << endl;
        if (mbMonocular)
            ScaleRefinement();
        cout << "end scale ref" << endl;
    }
    

    这里对应的inertial-optimization为论文中figure2d对应的因子图,代码为

    void Optimizer::InertialOptimization(Map *pMap, Eigen::Matrix3d &Rwg, double &scale)
    

    可以看出该函数的参数为地图点、重力的方向矩阵以及尺度,只对尺度以及重力的方向做了优化,对应的因子图如下:
    尺度以及重力方向的优化
    代码分析如下,对每个地图中的所有关键帧进行遍历:

    void Optimizer::InertialOptimization(Map *pMap, Eigen::Matrix3d &Rwg, double &scale)
    {
        int its = 10;//设置最大迭代次数
        long unsigned int maxKFid = pMap->GetMaxKFid();
        const vector<KeyFrame*> vpKFs = pMap->GetAllKeyFrames();//从地图中获得所有的关键帧
    
        // Setup optimizer
        g2o::SparseOptimizer optimizer;
        g2o::BlockSolverX::LinearSolverType * linearSolver;
    
        linearSolver = new g2o::LinearSolverEigen<g2o::BlockSolverX::PoseMatrixType>();
    
        g2o::BlockSolverX * solver_ptr = new g2o::BlockSolverX(linearSolver);
    
        g2o::OptimizationAlgorithmGaussNewton* solver = new g2o::OptimizationAlgorithmGaussNewton(solver_ptr);
        optimizer.setAlgorithm(solver);
    
        // Set KeyFrame vertices (all variables are fixed)设置关键帧的节点,所有的变量保持固定
        for(size_t i=0; i<vpKFs.size(); i++)
        {
            KeyFrame* pKFi = vpKFs[i];
            if(pKFi->mnId>maxKFid)//如果当前关键帧的ID大于所允许的最大ID,跳过这个关键帧
                continue;
            VertexPose * VP = new VertexPose(pKFi);//关键帧的位姿设置为节点
            VP->setId(pKFi->mnId);
            VP->setFixed(true);
            optimizer.addVertex(VP);
    
            VertexVelocity* VV = new VertexVelocity(pKFi);//关键帧的速度设置为节点
            VV->setId(maxKFid+1+(pKFi->mnId));
            VV->setFixed(true);//设置速度节点固定
            optimizer.addVertex(VV);
    
            // Vertex of fixed biases 将陀螺仪以及加速度的偏差设置为固定的,并添加到因子图当中
            VertexGyroBias* VG = new VertexGyroBias(vpKFs.front());
            VG->setId(2*(maxKFid+1)+(pKFi->mnId));
            VG->setFixed(true);
            optimizer.addVertex(VG);
            VertexAccBias* VA = new VertexAccBias(vpKFs.front());
            VA->setId(3*(maxKFid+1)+(pKFi->mnId));
            VA->setFixed(true);
            optimizer.addVertex(VA);
        }
    
        // Gravity and scale 因为重力方向矩阵以及尺度因子是待优化的变量,所以不固定
        VertexGDir* VGDir = new VertexGDir(Rwg);
        VGDir->setId(4*(maxKFid+1));
        VGDir->setFixed(false);
        optimizer.addVertex(VGDir);
        VertexScale* VS = new VertexScale(scale);
        VS->setId(4*(maxKFid+1)+1);
        VS->setFixed(false);
        optimizer.addVertex(VS);
    
        // Graph edges
        for(size_t i=0;i<vpKFs.size();i++)
        {
            KeyFrame* pKFi = vpKFs[i];
            //对每个关键帧,判断其是否有前一关键帧数据,是否超出检索范围
            if(pKFi->mPrevKF && pKFi->mnId<=maxKFid)
            {
                if(pKFi->isBad() || pKFi->mPrevKF->mnId>maxKFid)
                    continue;
                //将优化器中之前加入的节点作为hypergraph中的顶点,根据ID进行选择添加
                g2o::HyperGraph::Vertex* VP1 = optimizer.vertex(pKFi->mPrevKF->mnId);
                g2o::HyperGraph::Vertex* VV1 = optimizer.vertex((maxKFid+1)+pKFi->mPrevKF->mnId);
                g2o::HyperGraph::Vertex* VP2 =  optimizer.vertex(pKFi->mnId);
                g2o::HyperGraph::Vertex* VV2 = optimizer.vertex((maxKFid+1)+pKFi->mnId);
                g2o::HyperGraph::Vertex* VG = optimizer.vertex(2*(maxKFid+1)+pKFi->mPrevKF->mnId);
                g2o::HyperGraph::Vertex* VA = optimizer.vertex(3*(maxKFid+1)+pKFi->mPrevKF->mnId);
                g2o::HyperGraph::Vertex* VGDir = optimizer.vertex(4*(maxKFid+1));
                g2o::HyperGraph::Vertex* VS = optimizer.vertex(4*(maxKFid+1)+1);
                if(!VP1 || !VV1 || !VG || !VA || !VP2 || !VV2 || !VGDir || !VS)
                {
                    Verbose::PrintMess("Error" + to_string(VP1->id()) + ", " + to_string(VV1->id()) + ", " + to_string(VG->id()) + ", " + to_string(VA->id()) + ", " + to_string(VP2->id()) + ", " + to_string(VV2->id()) +  ", " + to_string(VGDir->id()) + ", " + to_string(VS->id()), Verbose::VERBOSITY_NORMAL);
    
                    continue;
                }
                EdgeInertialGS* ei = new EdgeInertialGS(pKFi->mpImuPreintegrated);//预积分结果作为多向边将各个顶点连接起来
                ei->setVertex(0,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VP1));
                ei->setVertex(1,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VV1));
                ei->setVertex(2,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VG));
                ei->setVertex(3,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VA));
                ei->setVertex(4,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VP2));
                ei->setVertex(5,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VV2));
                ei->setVertex(6,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VGDir));
                ei->setVertex(7,dynamic_cast<g2o::OptimizableGraph::Vertex*>(VS));
    
                optimizer.addEdge(ei);//将预积分连接起来的边加入优化器
            }
        }
    
        // Compute error for different scales
        optimizer.setVerbose(false);
        optimizer.initializeOptimization();
        optimizer.optimize(its);
    
        // Recover optimized data 更新待估计的尺度因子以及重力方向
        scale = VS->estimate();
        Rwg = VGDir->estimate().Rwg;
    }
    
    展开全文
  • 分形插值函数是由迭代函数系产生的,迭代函数系中的纵向尺度因子对分形插值函数有重要的影响.本文定量地分析了纵向尺度因子的变化所引起的分形插值函数的误差问题.给出具体的误差解析表达式及上界估计.此外,通过...
  • 理想气体空间的非线性尺度因子函数,赖小明,卞保民 ,将仅有引力作用下的理想气体运动微分方程与物理学量纲Π定理相结合,可得到系列非线性空间尺度因子函数解R(t)。在R(t)基础上建立均�
  • 针对传统的无迹卡尔曼滤波(UKF)算法不能根据场景变化而自适应调整尺度因子α的问题,提出了一种改进算法,该算法利用UKF非线性近似的预测值与真实值之间的误差来调节α,并对采样策略进行了修正。将此方法应用于目标...
  • 尺度因子的结构二次幂零矩阵迭代法,张承平,,本文讨论了带尺度因子的结构二次幂零矩阵的迭代法,并给出一定条件下的逐步最优尺度因子公式,通过数值试验说明两种带尺度因子
  • 我们通过首先以一个循环的阶次显式和解析地评估O(N)λϕ4标量场理论的振幅比的循环量子校正来探究两尺度因子普遍性假设,其中旋转对称性在三个不同且独立的条件下破裂 精确处理旋转对称破坏机制的方法。...
  • 史瓦西度规与固体球外气体空间的尺度因子函数,赖小明 ,卞保民 ,引力场空间具有非线性尺度因子R(t),以R(t)为基础建立的均匀膨胀四维时空坐标系S(t,ξ,θ,φ)形式具有非欧几何特性。在理想气体运动微分
  • 空间变尺度因子球坐标系与四维时空度规,卞保民,赖小明,以相对论四维时空间隔为基础,分析研究空间变尺度因子球坐标系的时空间隔,分别推导出与K=±1对应的标准宇宙模型R-W度规及尺度因
  • DFP方法是一个很好的算法,有着广泛应用。...自选尺度拟Newton法可望对线搜索的不精确性及舍入误差有较低的灵敏性。文中介绍了这种算法。给出了关于正定性及二次终止性的几个定理及其严格的证明。
  • matlab仿真之大尺度衰落因子2--小区间1.提出问题2.尝试解决 1.提出问题 已知大尺度衰落因子的公式为βljk=zljk(rljk/R)α\beta_{ljk}=\frac{z_{ljk}}{({r_{ljk}/R})^\alpha}βljk​=(rljk​/R)αzljk​​上篇文章...

    matlab仿真之大尺度衰落因子2--小区间

    1.提出问题

    已知大尺度衰落因子的公式为 β l j k

    展开全文
  • 通过对相似性度量函数的研究,得到了参数σ的取值与聚类类数间的关系,并据此提出了一种自动确定参数σ的方法,设计了一种基于相似度因子的无监督聚类算法(unsupervised clustering algorithm based on similarity ...
  • matlab仿真之大尺度衰落因子的产生

    千次阅读 2019-10-19 10:46:34
    matlab仿真之大尺度衰落因子的产生1.引入问题2.解决问题2.1生成阴影衰落因子参考文献 1.引入问题 做信道可达速率仿真时发现需要产生大尺度衰落因子β\betaβ,已知β\betaβ的公式为βljk=zljk(rljk/R)α\beta_{ljk}=...

    matlab仿真之大尺度衰落因子的产生1--小区内

    1.引入问题

    做信道可达速率仿真时发现需要产生大尺度衰落因子 β \beta β,已知 β \beta β的公式为 β l j k = z l j k ( r l j k / R ) α \beta_{ljk}=\frac{z_{ljk}}{({r_{ljk}/R})^\alpha} βljk=(rljk/R)αzljk其中, z l j k z_{ljk} zljk代表阴影衰落因子, α \alpha α代表路径损耗指数, r l j k r_{ljk} rljk代表j小区k用户到l小区的距离, R R R代表小区半径。
    现在的问题是,我们是取平均,以中间的用户为代表产生大尺度衰落因子;还是每次都产生随机数,任选几个距离,然后取平均值呢?显然是后者。

    2.解决问题

    有几个需要注意的点:

    1. 阴影衰落因子的均值是多少?是零吗?
    2. 阴影衰落因子的标准差取8dB是什么意思?
    m = 0; % 分布的均值
    v = 8; % 分布的方差
    mu = log((m^2)/sqrt(v+m^2)); % 公式中的均值参数
    sigma = sqrt(log(v/(m^2)+1)); % 公式中的方差参数
    
    [M,V]= lognstat(mu,sigma); % 可以验证随机数的均值与方差的正确性
    
    X = lognrnd(mu,sigma,1,1e6); % 产生随机数
    
    hist(log(X), 100) % 画出随机数的对数正态分布函数图
    

    最后生成的结果很奇怪,并没有产生预想中的结果。
    在这里插入图片描述
    到底是哪里出了问题呢?再细细研究一下 l o g n r n d lognrnd lognrnd这个函数,均值是零的时候画出来的图就很奇怪。

    我们可以采取一种迂回的办法,先使用正态分布产生对数的值,然后返回去计算原来的值

    log_z_ljk=normrnd(0,8);%阴影衰落的对数服从正态分布
    z_ljk=10^(log_z_ljk/10);     %阴影衰落的值
    

    参考文献

    https://blog.csdn.net/u012526003/article/details/52173936
    https://www.diangon.com/m213611.html

    展开全文
  • Matlab小波变换中尺度与频率的关系-信号处理中各种频率以及小波尺度的关系.pdf 小波变换中尺度与频率的关系:  fa=.Ts 其中:fa:信号模拟频率;  f0:小波的频窗中心频率;  a:尺度参数;  Ts:采样间隔...
  • 初始容量 倒是好理解,顾名思义,初始容量只是哈希表在创建时的容量,那么** 加载因子** 到底是表示什么意思呢? 如果按术语来讲: 加载因子是哈希表在其容量自动增加之前可以达到多满的一种尺度。如果当哈希表中的...
  • 为分析黄土区坡面尺度地形因子对土壤水分的影响,该文选择山西省吉县蔡家川小流域典型梁峁坡面为研究对象,基于数字高程模型(DEM)提取研究区域坡向、坡度、坡位3个地形因子分布图,并与研究区土壤水分的克立格...
  • 在特征尺度分析的基础上进行土地利用变化与经济影响因子尺度相关性分析,结果表明,各经济影响因子的对土地利用变化的制约性随尺度的增大不断增强,小尺度上经济因子与土地利用变化的相关性较小;在特征尺度上,...
  • BA模型与BA推广模型的研究者认为时间越长节点的连接度越大,但真实系统中并不仅仅依赖时间的长短,因此提出一种吸引因子存在的无尺度网络演化模型。此模型中节点的度数变化与吸引因子有关,用计算机编程方法具体模拟了...
  • 尺度熵---Understanding Multiscale Entropy

    万次阅读 多人点赞 2019-03-30 20:35:51
    关于本博客的说明:本文为翻译文章,原文为 ‘Understanding Multiscale Entropy’ 由Narayan P Subramaniyam 发布在SAPIEN LABS,原文链接为...多尺度熵(Multiscale entropy, MSE)将样本熵扩展到多...
  • 从低通滤波器系数的角度,给出了伸缩因子为3的插值正交尺度函数的一个刻画,同时讨论了对称插值正交尺度函数的刻画问题,最后给出一个实例。
  • 尺度超重力

    2020-03-24 13:09:42
    利用积分形式和超场技术,我们提出了尺寸为一,二,三和四的多尺度重力拉格朗日超对称扩展。 超对称相互作用势使玻色子相互作用变协变,从而产生特别合适的由贝雷兹尼安生成的超对称多项式。 作为形式主义的另一项...
  • 首先通过对多尺度排列熵算法的参数时间序列长度 N、嵌入维数 m、延迟时间 t 和尺度因子 s 进行研究,得出对其参数优化的必要性。进而在综合考虑参数影响的 基础上,以多尺度排列熵的偏度构造目标函数,利用遗传算法...
  • 基于时间尺度的温室作物生长指标与环境因子耦合关系研究.doc
  • 关于多尺度散布熵和精细多尺度散布熵的代码,做论文时用过,可以正常运行。
  • 尺度熵程序

    2013-09-23 16:14:09
    尺度熵程序代码,仅供参考 一共四段,这是第一段function [h]=mseduochidu(x,m,r) a=length(x); for i=1:1:m %以1为步长1至m b=fix(a/i); %fix向0取整 for j=1:1:b
  • 该方法首先使用3个尺度因子确定目标尺度变化方向, 然后在尺度变化方向求解最优尺度; 在OTB-100的26个带有尺度变化属性的基准序列上进行实验, 并与现有其他先进跟踪算法进行定量和定性比较。结果表明:提出的方法...
  • 第一阶段加入动态的尺度因子,粗略估计并调整目标点云模型的尺度;然后将空间旋转变换三个角度进行格点划分,以30°为格点间距,这提高了算法的收敛速度并避免陷入局部最优,为第二阶段配准提供良好的初始位置。在尺度...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,067
精华内容 7,226
关键字:

尺度因子什么意思