邻域
- 基于变邻域局部搜索的篡改图像检测算法
该文提出改进的变邻域局部搜索的篡改图像检测算法，首先提取SIFT 特征，通过特征匹配判断图像是否经过篡改，然后合并符合相似性判定的由分块的超像素所得到的疑似区域以及改进的变邻域局部搜索算法所得到的邻域块，最终采用形态学闭运算填补孔洞，完成篡改区域的检测。1 特征提取和匹配1.1 SIFT特征提取首先对图像进行非重叠分块，再提取子块的SIFT 特征，提取SIFT 特征的过程可概括为如下三个步骤[6]。Step1：构造尺度空间尺度空间核函数的选用标准是具备描述
电子设计工程 2023年6期2023-03-20
- 自适应半径选择的近邻邻域分类器
典粗糙集模型，如邻域粗糙集(Neighborhood Rough Set, NRS)[16-18]、模糊粗糙集[19-21]、覆盖粗糙集[22-23]等.胡清华等[24-25]基于拓扑空间球形邻域引入邻域粗糙集，使用邻域近似(邻域)代替经典粗糙集中的等价关系，使其既可以支持离散型数据又可以支持数值型数据.之后，该理论成功扩展到特征选择[26-27]、分类[28-30]、机器学习[31-32]等众多应用领域.在分类应用中，Hu等[33]基于NRS实现基于多数
模式识别与人工智能 2022年11期2023-01-30
- 混合不完备数据的新型双邻域粗糙集分类方法
in［1］首次用邻域关系代替经典的等价关系，构建了邻域粗糙集模型。Hu 等［2］采用距离函数定义邻域关系，使其能够直接处理离散型和数值型数据，进一步拓展了邻域粗糙集模型的研究内容及应用范围。邻域粗糙集模型主要应用于属性约简和基于决策规则的分类［3］，目前已经取得了丰硕的研究成果，比如基于邻域粗糙集属性约简和经典分类方法融合的混合分类方法［4-9］；基于邻域决策粗糙集和三支邻域决策粗糙集的分类方法［10-11］；基于邻域粗糙集约简规则的最近邻分类方法［12-
现代计算机 2022年22期2023-01-16
- 钢铁企业彩涂机组合同计划问题建模与优化研究
禁忌搜索算法和变邻域算法以在合理的计算时间内求得问题的近优解。二、求解方法本节介绍彩涂机组合同计划问题的求解方法。首先介绍产生初始解的启发式算法，然后介绍在禁忌搜索和变邻域算法中用到的2种邻域，以及1种加速领域搜索的策略。1.产生初始解1个解由m个轧制单元组成，Πk为第k个轧制单元的顺序，则1个解S可表示为S={Π1,Π2, …,Πm}。令S[i]表示解S中的第i个子合同。初始解的产生方式为串行方式，即先产生第一个轧制单元，然后产生第二个，直到所有子合同都
冶金经济与管理 2022年4期2022-09-17
- 混合型数据的邻域条件互信息熵属性约简算法
H等人[4]基于邻域粗糙集，将邻域依赖度作为数值型信息系统的属性评估，提出一种属性约简算法；Pang Q Q等人[5]提出一种基于邻域区分度的半监督属性约简算法；在Pang Q Q等人的基础上，Hu M等人[6]在邻域粗糙集下提出权重邻域依赖度，并构造一种改进的属性约简算法；Shu W H等人[7]对邻域粗糙集进行增量式构造，提出一种高效的增量式属性约简算法；盛魁等人[8]对邻域区分度进行增量式构造，提出一种新的属性约简算法；姚晟等人[9]将这些属性约简算
大数据 2022年4期2022-07-25
- 融合密度与邻域覆盖约简的分类方法
k粗糙集被扩展到邻域粗糙集[5]和模糊粗糙集[6-7]。实际上，邻域粗糙集提供了一种构造数据空间的近似方法[8]。从拓扑学的角度，证明了邻域空间比数据空间的概念更一般化[9]，这表明将原始数据空间转化为邻域空间有助于数据的泛化[10]，因此邻域粗糙集模型被广泛应用于分类学习[11-12]与特征选择[13-15]中。为了构造邻域空间，可以通过邻域粗糙集构造邻域覆盖，在邻域覆盖中，每个邻域中的样本都是同种类别的，因此邻域覆盖提供了一个从邻域层次去表示数据分布[
陕西师范大学学报（自然科学版） 2022年3期2022-06-07
- 含例邻域逻辑的萨奎斯特对应理论
赵之光1 IntroductionThe notion ofcontingencygoes back to Aristotle,who develops a logic of statements about contingency.([1]) From modal logic point of view,[5] firstly defines the contingent statement aspossibly trueandpossibly fals
逻辑学研究 2021年3期2021-09-29
- 基于顾及曲率自适应邻域的点云单点分类方法
]，可以分为点云邻域重构、点云局部特征提取和点云分类3个步骤[7]。点云局部特征可以有效地表达实际场景中物体的结构信息，通常由局部邻域的点云空间分布统计得到[2]。三维邻域的构建可分为固定尺度方法和自适应尺度方法[4]。固定邻域方法受限于场景先验知识、点云密度以及曲率分布等。自适应邻域方法通过点云局部邻域的空间分布情况生成邻域，可以有效消除点云密度分布不均和线状分布带来的影响，但需要真实数据的先验信息作为参数。最小熵方法通过搜索邻域k或邻域半径r确定最优邻
现代制造技术与装备 2021年7期2021-08-24
- 基于灰度相似和双邻域的磨痕角自动检测方法
提出了一种考虑双邻域内像素灰度变化的磨痕角自动测定方法：先计算小尺寸近邻域的像素灰度差，得到接近磨痕方向的方位值，再结合大尺寸远邻域的兴趣像素的灰度差异，找到与灰度差异度的极小值所对应的磨痕方位值，最后结合远邻域的尺寸推算出磨痕角。1 磨痕角的自动检测算法1.1 基本概念1.1.1 磨痕角为准确地表征磨痕的方向，定义磨痕角为磨痕沿顺时针方向至行轴正向所旋转的最小正角，用符号θ表示，其满足0°≤θ图1 磨痕角示意图1.1.2 双邻域及邻域像素像素(i,j)的
电子设计工程 2021年16期2021-08-20
- 广义仿拓扑群的若干性质研究*
主要讨论了其广义邻域基、闭包运算、广义分离性质、同构、同态映射的广义连续性、广义乘积性、广义紧性等问题，获得了任意一个抽象群上的广义仿拓扑群化定理和广义仿拓扑群的一个广义拓扑同构定理，证明了每一广义仿拓扑群中单位元的广义开邻域生成的子群是广义开子群以及一族强广义仿拓扑群的广义乘积仍是广义仿拓扑群,并提出了一些问题.2 预备知识定义2.1([3])设X是非空集,X的幂集P(X)的子集族τ如果满足(1)Ø∈τ;(2)对任意i∈I，若Gi∈τ有∪i∈IGi∈τ,
南宁师范大学学报(自然科学版) 2021年2期2021-07-29
- 一元函数的28类不同的极限定义
正掌握的。本文用邻域的概念给出了一元函数极限的一个统一的定义。然后，根据邻域的不同表述，给出了一元函数的28个不同类型的极限的概念。函数是高等数学的主要研究对象，高等数学就是一门研究函数的性质的一门学科。而极限则是高等数学中最基本、最重要的概念，没有之一。包括函数的连续性、导数和定积分等诸多性质都是通过极限来定义的。同时，极限也是高等数学中最难理解和掌握的概念，是学好高等数学的关键。但是，许多初学者却不能真正掌握其内涵，对各种各样的极限的定义一筹莫展。极限
内江科技 2021年5期2021-06-03
- 基于微分邻域和粗糙集的动态障碍路况下智能车的控制
的组成部分，基于邻域系统[1]的动态决策与控制模型是处理和实现智能驾驶技术的一种有效途径，其主要思想源于智能生物随时随地的动态决策和行为方式。智能生物可以根据当前时刻的周围环境特点圈定一定的范围作为其安全活动范围，安全范围之外的一切事物都视为与之无关、静止的，一旦外界事物侵犯了圈定的范围，生物会做出相应的决策和行为来确保自身的安全。我们可以将此思想用于整个决策过程，使无限、复杂的决策环境转变为一个有限、局部的简单环境，即将宏观上复杂的动态决策过程分解为一系
乐山师范学院学报 2021年4期2021-05-24
- 基于邻域漂移的点云法向估计算法研究
-4]和基于局部邻域拟合法.基于Voronoi/Delaunay算法是利用三角剖分建立数据间的拓扑关系,然后基于重建出来的拓扑关系重建法向.这类算法对噪声比较敏感,无法处理大噪声及尖锐特征.基于法向修正的算法主要是一种基于平滑化的滤波方法,虽然这类方法在尖锐特征处可以得到较为理想的结果.但这类方法对输入的初始法向要求较高,当尖锐特征处的初始法向存在严重的光滑和污染,基于法向修正的算法无法准确地恢复模型的尖锐特征.基于局部邻域拟合法是由Hoppe等人[5]首
辽宁师范大学学报（自然科学版） 2021年1期2021-04-02
- 共现邻域关系下的属性约简研究
用的粒计算方法，邻域信息粒化［1-4］因其处理连续型甚至混合型数据的有效性受到广大学者的关注与青睐.事实上邻域信息粒化的核心机制就是从样本之间的距离出发，通过给定一个半径来约束样本间的相似性程度，最终确立合适的邻域关系.不难发现，该过程中指定的半径对最终的信息粒化结果有不容忽视的影响，而不恰当的半径设置往往造成负面的影响，譬如，指定半径较大时不同类别的样本极有可能落入同一邻域，从而引起邻域中信息的不精确或不一致.针对该现象，Yang et al［5］提出一
南京大学学报(自然科学版) 2021年1期2021-01-30
- 一种扩充粒化的序列邻域分类方法
的重要手段之一,邻域粒化[1]无需采用离散化就可对数值型数据直接进行处理,被广泛应用于属性约简、度量学习、图像识别、多标记学习等领域[2-5]。而其最为直接、重要的应用之一就是邻域分类器[1]。该分类器的核心机制是对给定的测试样本进行邻域的构建,继而依据所生成邻域粒中训练样本所提供的已知类别标签信息,最终采用多数投票策略进行测试样本的预测分类。事实上,邻域分类器构造手段直观、粒度表示灵活并且有着不俗的分类表现,因此一经提出就受到了众多学者的青睐与推广[6-
山西大学学报（自然科学版） 2020年4期2021-01-08
- 邻域概率粗糙集的不确定性度量
价关系更为通用的邻域关系，并广泛应用于不确定性数据的特征提取、属性约简等［8-13］.在邻域系统中，不确定性度量对属性约简具有重要作用.文献［8］提出邻域熵、信息粒、基于邻域熵的近似精度等多种不确定性度量，并研究其相关性质；文献［9］在邻域粗糙集中提出邻域精度、粗糙度及近似精度.由于经典的邻域粗糙集模型对噪声的容忍性相对较差，为此，主要对邻域粗糙集模型进行扩展.首先，通过引入2 个阀值，构造出邻域概率粗糙集模型，提出3 种不确定性度量；再次，将邻域概率粗糙
四川师范大学学报（自然科学版） 2021年1期2021-01-03
- 邻域近似条件熵的特定类属性约简及启发算法
]，故值得推广。邻域粗糙集推广了经典粗糙集，但相关属性约简集中于决策分类约简（如文献[6-7]），还未见特定类约简的报道。信息度量广泛应用于不确定刻画与属性约简。对于经典粗糙集，苗夺谦[8]建立信息熵、条件熵、互信息体系，而条件熵刻画了属性约简[9-10]。对于邻域粗糙集，Hu等[11]建立对数函数信息体系进行特征选择，Chen等[12]提出邻域精度、邻域熵、信息粒度及相关粒化单调性，Chen等[13]利用联合邻域熵来设计基因选择算法，Yuan等[14]采
计算机工程与应用 2020年24期2020-12-26
- 邻域互补信息度量及其启发式属性约简
往往需要离散化。邻域粗糙集引入邻域关系与覆盖结构，具有理论扩张性与应用鲁棒性，能够有效处理符号型数据、数值型数据乃至混合型数据。邻域粗糙集的不确定性度量与属性约简得到了广泛研究[9-15]。特别地，文献[16]建立基于对数函数-log2p的信息体系(包括邻域熵、邻域条件熵和邻域互信息)；文献[17]用邻域互信息进行特征选择与多标签学习；文献[18]提出邻域精度、邻域熵、信息粒度及相关粒化单调性；文献[19]建立一种模糊熵来度量邻域粗糙集的不确定性；文献[2
数据采集与处理 2020年4期2020-08-11
- 基于最大决策邻域粗糙集的不确定性度量方法
但不能有效应用于邻域系统，而对数值型数据进行离散化处理，可能会导致知识的分类能力下降.当前，邻域粗糙集模型是处理数值型数据的一种有效模型，其最大优势在于能够直接处理数值型的数据，对比经典粗糙集模型，邻域粗糙集模型有着更加广泛的应用范围.在邻域信息系统中，不少学者对邻域粗糙集模型的不确定性度量从不同的角度进行了研究.姚晟［21］等人提出了一种基于邻域混合熵的不确定性度量方法，构造了邻域粗糙集属性约简算法.Hu［19］等人提出了邻域软间隔度量方法.黄国顺［20
小型微型计算机系统 2020年6期2020-06-05
- 稀疏图平方图的染色数上界
示点v在图G中i邻域的个数(i=2,3).当d(v)≥4时, 对顶点定义如下:1) 如果d(v)-d2(v)≥7, 则v是好顶点.2) 如果d(v)-d2(v)=6, 则v是弱好顶点.3) 如果d(v)-d2(v)=5, 则v是A型弱坏顶点.当d3(v)=0时,v称为A型第一类的; 当1≤d3(v)≤3时,v称为A型第二类的.4) 如果d(v)-d2(v)=4, 则v是B型弱坏顶点.当d3(v)=0时,v称为B型第一类的; 当d3(v)=1时,v称为B型第
吉林大学学报（理学版） 2020年3期2020-05-29
- 商近似空间中粗糙集的研究
定源空间中元素的邻域和余邻域的概念，定义了所研究商近似空间上的2对上下近似算子，并详细介绍其具有的良好性质，结合文献[12]中对商空间性质的保持性的证明，给出一些例子作理解，为进一步解决实际问题提供新的方法和理论支撑．1 基础概念本节简单介绍覆盖粗糙集理论中的一些基础概念及相关性质．定义1[10]设U是一个有限集合，C是由U的非空子集构成的集族且U=∪C∈CC，则称集族C是集合U的一个覆盖，且称有序对(U，C)是一个覆盖近似空间．设U是全集，对于U的每一个
首都师范大学学报（自然科学版） 2020年2期2020-04-21
- 含参广义集值平衡问题近似解映射的连续性
对Z中零元的任何邻域V，存在x的邻域U，使得对任何的z∈U∩M，有f(z)∈f(x)+V+C.(2) 称f在M上是C-连续的当且仅当f在M上的每一点皆C-连续.定义2[8]设Z为实拓扑向量空间，C⊂X为立体凸锥，设W为Z的子集.称W为C-紧当且仅当对W中的任何覆盖{Wα+C:α∈I,Wα为Z中的开集,I为指标集}都有有限子覆盖.定义3[5]设X为拓扑空间，Z为实拓扑向量空间，T:M⊂X→2Z{∅},C:M⊂X→2Z{∅}具有正真凸值的集值映射，设x0∈M，
安徽大学学报（自然科学版） 2020年2期2020-03-23
- 基于变邻域蚁群算法的自动光学检测路径规划
上提出一种基于变邻域蚁群算法的自动光学检测路径规划方法。使用变邻域路径搜索对蚁群算法进行改进，在更大的搜索空间中以更高的搜索效率获得最佳的取像窗口访问顺序；在此基础上，通过分析由3个取像窗口组成的三元邻域窗口组的几何位置关系，采用变邻域窗口位置调整方法解决取像窗口位置调整问题以获得最短的检测路径。实验结果表明，该方法可高质量快速求解大规模自动光学检测路径规划问题。1 自动光学检测路径规划问题模型近年来，基于机器视觉的自动光学检测(automatic opt
计算机工程与设计 2020年2期2020-03-07
- 基于邻域关系矩阵的属性约简算法
学中内点和闭包的邻域关系及邻域模型相关的概念.Yao［13］研究了1-step邻域系统与粗糙集近似的关系.基于此，胡清华等［14］研究了邻域系统的粗糙计算及属性约简，以邻域关系代替等价关系提出了基于邻域粗糙集模型的特征选择算法NRS，它可直接处理混合型属性数据集，是传统基于属性重要度的约简算法的直接拓展.因NRS的正域启发只考虑某类样本邻域信息粒的决策信息，忽略了邻域信息粒中多类样本的情形，导致约简效果不理想.于是文献［15］提出基于邻域决策误差最小化的特
小型微型计算机系统 2019年8期2019-08-13
- 介于T5与T6空间之间的拓扑空间
则称U为点x的邻域, 点x的所有邻域构成点x的邻域簇, 记作V(x).定义2设X是一个拓扑空间，若对X的任意两点x1和x2，x1≠x2，存在V1∈V(x1),V2∈V(x2)，满足x1∉V2,x2∉V1,则称X为T1空间.定义3设X是一个拓扑空间，如果X的任意两个隔离子集A,B，分别有开邻域U和V，使得U∩V=∅,则称拓扑空间是一个完全正规空间.完全正规的T1空间称为T5空间.定义4设X是一个拓扑空间，任意非空闭集F,存在连续映射f:X→[0,1],使得
安徽大学学报（自然科学版） 2019年1期2019-01-21
- 尖锐特征曲面点云模型各向异性邻域搜索
理时需要以点云的邻域为基础。点云邻域的准确性直接影响点云处理结果，如法向量估计、去噪和曲面重建等。点云数据处理一般基于点云的k邻域。对任意点pi求其k邻域最直接的方法是计算该点与其他数据点的欧氏距离，取距离最近的k个点。然而，这种方法计算量大、效率低。为了提高计算效率，提出了许多快速邻域搜索算法。这些方法可以大致分为四类：多步递归法，并行法，栅格法(空间划分法)和数据重组算法[1]，栅格法和数据重组法是比较常用的点云邻域搜索方法。栅格法[2-5]计算邻域的
计算机应用与软件 2018年12期2018-12-13
- 基于邻域组合熵的属性约简算法
进行扩展，提出了邻域关系。邻域关系能够处理同时有名义性和数值型数据的混合型信息系统，因此基于邻域关系的邻域粗糙集模型得到广泛应用[5-6]。属性约简是粗糙集领域中研究的关键问题之一，目的是在不影响系统分类能力的前提下剔除冗余的条件属性。为了对信息系统进行属性约简，从信息论的角度出发，文献[7]提出了基于信息熵的决策表约简算法;文献[8]提出了基于条件信息熵的决策表约简；文献[9]提出了基于边界域的条件信息熵属性约简算法。以上算法主要处理符号型数据，不能直接
计算机应用与软件 2018年12期2018-12-13
- 粒化单调的条件邻域熵及其相关属性约简
有局限性.对此，邻域粗糙集拓展经典粗糙集并适用于数值型及混合型数据分析.文献[9]提出邻域关系，文献[10]提出邻域互信息，文献[11]提出邻域类，文献[12-19]则对邻域信息系统进行了深入研究.其中，文献[12]在邻域信息系统中提出邻域熵，并进行系列研究；文献[13]将Shannon 熵与邻域熵结合提出邻域互信息并做属性约简；文献[15]利用邻域互信息[10]发展属性约简；文献[16]提出基于3支决策的邻域熵与条件邻域熵并做属性约简；文献[17]构造基
计算机研究与发展 2018年11期2018-11-13
- 含参广义集值优化问题解集映射的连续性
, 且存在μ0的邻域N(μ0), 使得对任何μ∈N(μ0), 都有V∩H(μ)≠Ø；2) 称H在μ0处上半连续当且仅当对任何开集V⊂X, 均满足H(μ0)⊂V, 且存在μ0的邻域N(μ0), 使得对任何μ∈N(μ0), 都有H(μ)⊂V；3) 称H在μ0处为闭的当且仅当对每个网(μn,xn)∈graphH∶={(μ,x):x∈H(μ)}, (μn,xn)→(μ0,x0), 均有(μ0,x0)∈graphH；4)H在Ω上下半连续(上半连续)当且仅当H在每个μ
吉林大学学报（理学版） 2018年4期2018-07-19
- 邻域决策的随机约简与集成分类研究
，Hu等人提出了邻域粗糙集的概念[2，3].邻域粗糙集以其简单直观的建模手段且灵活的尺度表示方式，受到了众多学者的广泛关注，近年来相关领域研究取得了丰硕的成果[4-11].在邻域粗糙集理论中，邻域决策错误率是一个重要的概念[12].所谓邻域决策错误率，实际上是借助留一验证的技术，描述邻域分类器在样本集中发生错误判断的程度.与传统粗糙集方法中基于近似质量、条件熵等约简形式[13-16]不同，邻域决策错误率为从分类学习的视角研究属性约简问题提供了一种度量标准.
小型微型计算机系统 2018年6期2018-07-04
- 基于自适应邻域空间粗糙集模型的直觉模糊熵特征选择
10-11]运用邻域关系代替等价关系，提出邻域粗糙集模型，这种模型可以直接处理连续型属性，放宽了粗糙集理论的适用范围.同时，基于邻域粗糙集模型的特征选择算法也相继提出[6,9,12].目前，基于邻域粗糙集模型的特征选择算法中，利用邻域关系刻画对象之间的相似性[10]进行特征评估，并通过邻域半径来限定对象的邻域，这种方式虽然可以直接处理连续型数据，但是也存在一些问题.由于现实中很多的数据集是海量高维的，且有些数据可能是分布式的，因此这可能导致不同特征下的数据
计算机研究与发展 2018年4期2018-04-16
- 基于kd-树的快速邻域分类方法
3-5]中提出的邻域粗糙集方法尤其引人关注．这主要是因为邻域粗糙集方法采用距离度量来构建邻域信息粒,不仅可以有效处理连续型数据,还可以对符号型与连续型共存的混合数据进行分析[6-12]．除此之外,更为重要的是邻域粗糙集利用半径来控制样本间的距离,以判定不同样本是否属于同一邻域信息粒,因此在不同半径下,自然地为邻域信息粒构建了一个多粒度结构．这种多粒度结构符合人类分层递阶的认知机理与自然思维模式．以邻域粗糙集模型为基本框架，文献[3-4]中提出了一种基于多数
江苏科技大学学报(自然科学版) 2018年6期2018-02-15
- 基于邻域分类AUC的属性选择方法＊
12003）基于邻域分类AUC的属性选择方法＊张艳芹1，窦慧莉2（1.徐州工程学院 经济学院，江苏 徐州 221008；2.江苏科技大学 计算机科学与工程学院，江苏 镇江 212003）为了提升邻域分类器的分类性能，提出了一种利用邻域AUC作为分类性能度量指标的启发式属性选择算法。首先，利用邻域分类器得到邻域AUC，然后在此基础上，借助贪心搜索策略，逐步加入使得邻域AUC尽可能大的属性，当邻域AUC不再增大时，算法终止。7个UCI数据集上的实验结果表明，使
科技与创新 2017年24期2017-12-13
- ÉVOLUTIONDIGAE Style de vie tactile
，Ni为像素i的邻域像素集合，定义为以i为中心rr窗口内的像素，r为指定的窗口尺度.邻域像素连接关系表达像素的局部连接关系，且使得连接矩阵E为稀疏矩阵[21].Selon le rapport du CICRI, en juin 2017, les applications de shopping en ligne en Chine ont atteint les 514,43 millions d’utilisateurs, dont 480,42 mi
中国与非洲(法文版) 2017年10期2017-11-23
- 邻域粗糙集中不确定性的熵度量方法*
昌 330027邻域粗糙集中不确定性的熵度量方法*陈玉明1,2+，曾志强1，田翠华11.厦门理工学院 计算机与信息工程学院，福建 厦门 3610242.江西师范大学 国家网络化支撑软件国际科技合作基地，南昌 330027CHEN Yuming,ZENG Zhiqiang,TIAN Cuihua.Uncertainty measures using entropy and neighborhood rough sets.Journal of Frontier
计算机与生活 2016年12期2016-12-19
- 关于-型邻域空间
]设(X,V)是邻域空间，如果X的任意两个隔离子集A,B分别有开邻域U和V使得U∩V=∅,则称邻域空间是一个完全正规邻域空间.完全正规的T1-型邻域空间称为T5-型邻域空间.定义4[7]设(X,V)是邻域空间，对任意非空闭集F,存在连续映射f:X→[0,1],使x∈F,f(x)=0和x∈Fc,f(x)≠0,则称邻域空间是一个完备正规邻域空间.完备正规的T1-型邻域空间称为T6-型邻域空间.定义5[8]若邻域空间(X,V)是正规空间并且每一个闭子集为一个Gδ
周口师范学院学报 2016年5期2016-10-17
- 一种建筑物点云轮廓线的自动提取方法
计算每个点的最佳邻域，再根据几何位置关系，滤除散乱点和平面中的点，保留轮廓线点云。针对不同地面激光点云数据，无需反复调整阈值。实验证明，该方法提取的建筑物点云轮廓线清晰完整，与现有方法提取的结果相比正确率有一定的提高，且冗余点云几乎全部被滤除，自动化程度高，具有良好的适用性。地面激光扫描仪；主成分分析；熵函数；最佳邻域；轮廓线提取；LiDAR0 引 言地面激光扫描仪可以快速、精确、多方位地获取建筑物的三维信息［1］，但点云数据通常包括大量冗余数据，限制了后
遥感信息 2015年4期2015-03-11
- 流形学习算法中邻域大小参数的递增式选取
功应用还依赖于其邻域大小参数的选取是否合适，然而，目前该参数在实际中通常还难以高效选取，另外，数据中的噪音对邻域大小参数的合适性也会产生一定的影响［7］，从而限制了它们的实际应用［7-10］。针对流形学习算法敏感于邻域大小参数的这一问题，目前大多数方法都基于残差来选取合适的邻域大小参数［3，11-12］，但这需要多次运行整个流形学习算法以计算相应的残差(尽管文献［11 -12］都只对其中具有极小重建误差或极小成本函数的少数几个邻域大小参数分别计算相应的残差
计算机工程 2014年8期2014-12-02
- 面向聚类分析的邻域拓扑势熵数据扰动方法
0］提出了一种保邻域隐藏的思想，基于邻域属性熵维持数据集中节点的k邻域稳定性，实现保护数据集聚类质量和数据隐私安全的目的，但其仅处理数据点的邻域主属性值，具有较高的隐私泄露风险。针对现有数据扰动方法不能较好地维持原始数据的聚类可用性问题，提出一种基于节点邻域拓扑势熵的数据扰动方法DPTPE，该方法将数据集中节点划分为不同类型，针对不同类型使用不同的隐私保护策略，能够有效地保持数据集的聚类效用和隐私安全。1 相关概念1.1 邻域拓扑势熵数据发布中的隐私保护目
哈尔滨工程大学学报 2014年9期2014-10-25
- 基于纹理结构异常的织物疵点检测算法研究
点检测算法。1 邻域结构图为了充分利用具有大量重复模式的纹理图像中的高冗余性，本研究提取了织物纹理的全局特征。通常情况下，冗余性越高意味着不同像素之间的灰度越相似。如果比较给定像素i与其局部邻域(该局部邻域称为搜索窗Si)内其他像素灰度的相似性，则可以得到像素i的邻域相似性，那么纹理图像中的高冗余性意味着图像中大部分像素的邻域相似性是相同的。利用以像素i和像素j为中心，大小为r×r的方形局部邻域窗Ni和Nj之间的欧式距离来定义给定像素i和j之间的不相似性，
中原工学院学报 2014年3期2014-04-01
- 对函数极值定义的探讨
）在点x0的某一邻域U（x0）内有定义，并且 ，有f（x）≤f（x0）（或f（x）≥f（x0）），则称f（x0）为函数f（x）的一个极大值（或极小值），x0称为函数f（x0）的一个极大值点（或极小值点）.例1 设函数f（x0）在x0=1的某个邻域内有定义，且对邻域中任何点x恒有f（x）≤f（x0），按定义1，f（x0）为函数f（x）的极大值，而x0=1为极大值点。这显然是错误的。二、21世纪大学数学精品教材《高等数学》中的定义如下：定义2 设函数f（x）在
知识力量·教育理论与教学研究 2013年11期2013-11-11
- 亚像元定位之邻域像元选取问题研究
离决定了在亚像元邻域范围内参与其所属类别判定的像元位置和个数，从而也决定亚像元空间排布结果.因此针对亚像元定位过程中邻域像元选取问题，本文就常见的邻域选取方法进行介绍和对比试验，在此基础上展开分析和探讨.1 理论基础和方法1.1 理论基础作为空间相关性理论最直接的应用，反距离加权方法是基于该理论亚像元定位方法中被用来具体制定空间化规则最早的一种方法，同时也具有明确的物理意义，在亚像元定位方法中具有代表性，本文以反距离模型为理论基础，比较不同邻域选取方法的效
华中师范大学学报（自然科学版） 2013年3期2013-08-29
- 复杂体目标之间三维拓扑关系描述模型
］为基础，提出点邻域模型（Point Neighborhood Model，PNM）。给出点邻域结构的定义，研究所有可能存在的点邻域结构类型，设计了描述两个复杂体目标间三维拓扑关系的编码。对点邻域模型与9IM模型进行比较分析，结合实例说明点邻域模型对三维拓扑关系的描述更精细。1 点邻域模型点邻域模型的基本思路是通过三维空间中点邻域内各点的归属关系刻画体目标之间的拓扑关系。基于点集拓扑理论，将体目标建模为三维欧氏空间中的特定无限点集，研究含有洞或由多个部分组
地理与地理信息科学 2013年1期2013-08-08
- 关于有限个超越整函数迭代的若干性质
C|H在z的某个邻域上正规}以及H的Julia集为J(H)=CF(H).同时，对于z∈C，定义O-(z)={ω∈C存在一个g∈H满足g(ω)=z}以及H的例外点集E(H)={z∈C︱O-(z)是有限的}.Hiroki Sumi在文献[3]中讨论了当G是有理半群的情形，得到了跟古典Fatou-Julia理论中相似的关于有理半群的斜积的Fatou集和Julia集的一些基本性质，但是并没有给出一个完整的证明.称一个集合M在某个映射ɡ下是完全不变的，指的是z∈M当
苏州市职业大学学报 2012年1期2012-12-22
- 改进的邻域均值滤波去噪算法研究
0066)改进的邻域均值滤波去噪算法研究牛秀琴(四川师范大学 数学与软件科学学院，四川 成都 610066)邻域均值滤波算法作为图像去噪算法的经典方法，不仅可以有效地消除噪声对图像的干扰程度，并且能够快速平滑图像，但它的缺点是会使图像边缘模糊，窗口越大，模糊程度越明显。本文针对椒盐噪声，分析原邻域均值滤波算法，通过与能量最小化原理相结合，提出新的改进的邻域均值滤波算法，这个算法构造了两个不同能量最小化函数模型，即E1模型和E2模型。两个模型均从图像像素点局
长治学院学报 2012年2期2012-01-12
- ＊ 基于流形弯曲度的有序自适应邻域选择算法
曲度的有序自适应邻域选择算法李德玉1，2，高翠珍1，翟岩慧1（1.山西大学 计算机与信息技术学院，山西 太原 030006；2.山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006）针对传统邻域选择方法不能根据流形样本密度和弯曲度合理选择邻域的缺点，提出了一种有序自适应的邻域选择算法.该算法从流形上曲率最小的点开始，以宽度优先的次序不断地处理每个点.对搜索到的数据点，基于流形结构的局部线性特性，利用已有的邻域信息估算其局部切空间，然后
山西大学学报（自然科学版） 2012年2期2012-01-11
- 导函数极限和连续的特殊性及其应用
足函数f(x)在邻域U(x0,δ)内连续，且在邻域U(x0-δ,x0)及U(x0,x0+δ)内分别可导的条件下，导函数f′(x)在点x0处只要存在极限，则导函数f′(x)在该点处必然连续；反之，如果导函数f′(x)在一点连续，那么导函数f′(x)在该点处也必然存在极限。推论1函数f(x)在邻域U(x0,δ)内连续，且在邻域U(x0-δ,x0)及U(x0,x0+δ)内分别可导，且f′(x)在点x0处极限存在是f′(x)在该点处连续的充要条件。推论2函数f(x
长江大学学报(自科版) 2011年34期2011-11-18
- 一种基于二元粗糙关系的栅格数据局部运算方法
．1 局部运算与邻域算子GIS栅格数据分析的局部运算一般是由多个栅格输入数据通过算术运算(加、减、乘、函数等)对于数值型数据进行运算，从而生成一个新的图层，这些局部运算都是涉及统计量的局部运算．还有一种称为Combine的局部运算，是一种不涉及统计量的局部计算．假设有如图1的A，B两个输入栅格数据层，A图代表坡度共有3个像元值(A1：0～20%，A2：20%～40%，A3：>40%),B图代表坡向也有3个像元值(B1：北，B2：东，B3：西)．经过Comb
湖南师范大学自然科学学报 2010年3期2010-11-26
- 邻域平均法对矢量图平滑处理
空间域处理方法的邻域平均法及改进邻域平均法的原理、算法用改进的邻域平均法对缩放时产生锯齿的矢量图进行具体处理的过程。利用改进邻域平均法处理有锯齿的矢量图，可以给出在视觉上表现光滑、精细化的图像。改进邻域平均法的具体程序是在windows平台下以C++Builder为开发工具实现的。
现代电子技术 2009年14期2009-09-05