距离度量

摘要： 文中首先构建了高光谱遥感图像空间聚类分析技术框架;其次从距离度量相似性方面进行空间聚类的类别划分,并重点阐述了不同类型的聚类方法原理和研究进展;最后分析了不同聚类算法聚类质量限制因素及解决措施。结果表明高光谱遥感图像空间聚类的类别划分为两大类:直接利用距离度量相似性,如划分聚类;间接利用距离度量相似性,如模糊聚类、密度聚类和谱聚类。另外,针对高光谱遥感图像空间聚类存在的初始点敏感、参数设置敏感、时间/空间复杂度大等聚类质量限制因素,有针对性地提出了改变初始聚类中心的选择方式、寻找自适应参数确定方法、矩阵低秩近似等解决措施。文中研究可为高光谱遥感图像空间聚类的相关工作提供理论基础和技术支撑。

摘要： 随着信息化和工业化的融合,物联网和工业互联网蓬勃发展,由此产生了以时间序列为代表的大量工业大数据.时间序列中蕴含着很多有价值的模式,其中,对称模式在各类时间序列中广泛存在.挖掘对称模式对于行为分析、轨迹跟踪、异常检测等领域具有重要的研究价值,但时间序列的数据量往往高达几十甚至上百GB.使用直接的嵌套查询算法挖掘对称模式可能花费数月乃至数年的时间,而索引、下界和三角不等式等典型加速技术最多只能产生一两个数量级的加速.因此,基于动态时间规整算法的启发,提出了一种能够在O(w×|T|)的时间复杂度内挖掘出时间序列所有对称模式的方法.具体来说,给定对称模式长度约束,基于区间动态规划算法计算出对称子序列,进而依据贪心策略选择数量最多且不重叠的对称模式.此外,还研究了在时间序列数据流挖掘对称模式的算法,并根据窗口内数据的特征动态调节窗口大小,保证了对称模式数据的完整性.采用1个人工数据集、3个真实数据集在不同数据量下对上述方法进行实验.由实验结果可知,与其他对称模式挖掘方法相比,该方法在模式挖掘结果及时间开销方面均有较好的表现.

摘要： 为解决行人重识别标注成本巨大的问题,提出了基于单标注样本的多损失学习与联合度量视频行人重识别方法。针对标签样本数量少,得到的模型不够鲁棒的问题,提出了多损失学习(MLL)策略:在每次训练过程中,针对不同的数据,采用不同的损失函数进行优化,提高模型的判别力。其次,在标签估计时,提出了一个联合距离度量(JDM),该度量将样本距离和近邻距离结合,进一步提升伪标签预测的精度。JDM改善了无标签数据标签估计的准确率低、未标记的数据没有被充分利用导致训练过程不稳定的问题。实验结果表明,和单标注样本渐进学习方法PL相比,当每次迭代增加的伪标签样本的比率为0.10时,在MARS和DukeMTMC-VideoReID两个数据集上的rank-1准确度达到了65.5%和76.2%,分别提升了7.6和5.2个百分点。

摘要： 机器人世界杯(RoboCup)是目前智能机器人领域一项重要的国际学术赛事,传球模式识别是RoboCup中一个重要的研究问题.为探究传球模式与球队决策间的关联性,使用Python语言解析比赛日志文件,将球场划分为三个有效区域,提取传球数、传球距离、三个有效区域的传球数共五个特征,应用KNN算法深入挖掘传球特征,得到各球队的传球模式.实际比赛时利用KNN分类模型识别不同球队的传球模式,根据不同传球模式的特点,采用不同的球队策略.最后将这些策略加入到球队代码中,取得了较好的效果.

摘要： Fisher Score(FS)是一种快速高效的评价特征分类能力的指标,但传统的FS指标既无法直接应用于多标记学习,也不能有效处理样本极值导致的类中心与实际类中心的误差。提出一种结合中心偏移和多标记集合关联性的FS多标记特征选择算法,找出不同标记下每类样本的极值点,以极值点到该类样本的中心距离乘以半径系数筛选新的样本,从而获得分布更为密集的样本集合,以此计算特征的FS得分,通过整体遍历全体样本的标记集合中的每个标记,并在遍历过程中针对具有更多标记数量的样本自适应地赋以标记权值,得到整体特征的平均FS得分,以特征的FS得分进行排序过滤出目标子集实现特征选择目标。在8个公开的多标记文本数据集上进行参数分析及5种指标性能比较,结果表明,该算法具有一定的有效性和鲁棒性,在多数指标上优于MLNB、MLRF、PMU、MLACO等多标记特征选择算法。

摘要： Web中包含大量有用的信息,但由于它们是半结构化的,非专家用户在进行数据转换和集成时不能很好地利用。为此本文提出了一种基于实例的数据转换方法,用户只需要提供适当的输入–输出示例就可以得到所需的转换。首先,利用基于序列比对的模式距离度量方法依据用户提供的示例生成代表性示例;其次,提出了一种基于信息熵的代码分析方法,利用该方法与代表性示例结合来筛选与转换任务相关的候选函数;最后,通过函数排名将相关函数先进行列转换,再行合成与所有示例一致的数据转换程序。本文利用房地产领域数据集进行了实验评估,结果表明,该方法可以处理目前许多现有系统不支持的常见转换,并且能够实现实验系统中近80%的数据转换,其准确率远高于其他同类型系统。

摘要： 为解决现有k-modes聚类方法因忽略了变量属性之间的弱相关性,常造成其在实际应用中聚类性能不佳的问题,提出一种包含属性弱相关性的新k-modes聚类方法。引入最大信息系数(maximum information coefficient,MIC)度量数据集中变量属性之间的相关性;将得到的MIC值与原有距离进行融合,建立包含属性弱相关性信息的新度量方法,以增强变量属性间相关信息的完备性,建立更加精细的k-modes聚类方法;调用3种不同的数据集,将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比,并通过仿真结果表明了新方法的有效性。

摘要： 住宅的生活便利度指数指住宅居民在一定范围内可利用的设施种类与数量,是城市宜居度的重要指标.兴趣点(point of interest,POI)数据是一组包含物理实体属性的地理坐标点,具有数据种类详尽、粒度精细、范围广和时效性强的优点.基于高德POI数据,对北京市城区住宅的生活便利度指数进行研究,提出面向地铁出行的各向异性距离度量方法,根据构建的生活便利度指数指标体系将住宅分为优质、良好、中等和待改进4个等级.各等级住宅在城区中的空间分布结果表明,考虑地铁出行后,对住宅的生活便利度指数度量更为合理.

摘要： 本文介绍了光电搜索设备跟踪精度快速计算的背景、快速计算需要解决的问题和快速计算的技术途径.以某型光电搜索设备试飞为例,采用Shi-Tomasi角点检测算法和欧式距离度量的方法计算跟踪精度.结果表明,该计算方法精度高,耗时短.

摘要： 经典机器学习算法假设训练数据和测试数据具有相同的输入特征空间和数据分布,但在很多现实应用中这一假设通常并不成立,导致经典机器学习算法失效.领域自适应是一种新的机器学习策略,其关键技术在于通过学习新的特征表达来对齐源域和目标域的数据分布,使得在有标签源域中训练的模型可以直接迁移到没有标签的目标域上,且不会引起模型性能的明显下降.介绍领域自适应的定义、分类和代表性算法,讨论基于度量学习和基于对抗学习的两类领域自适应算法.在此基础上,分析领域自适应的典型应用和现存挑战,并对其发展趋势及未来研究方向进行展望.

摘要： 奇异位姿是末端工作器工作时的特殊姿态,在这种姿态下并联机构会失去控制.在并联机构的众多研究方向中,关于如何度量操作器距离奇异的距离大小并解释这种度量方法的物理意义是其中最重要的方向之一.基于正运动学分析和数学定义,这篇文章提出了一种基于欧式距离新方法来测量并联机构的奇异距离,并给出了奇异距离度量的详细方法和步骤.

摘要： 文章分别从基本思想、向量表示、距离度量、收敛性和误差率、计算复杂度等方面对KNN算法作了全面的概述,并分析了其优点和不足.总结和评价了KNN的一系列改进方法.最后,指出它们的发展方向.

摘要： 业务流程预测性监控是过程管理的重要内容,已有的研究大部分集中于基于显式的工作流模型进行预测.但是在实际应用中,企业可能并没有对整个过程实施端到端的工作流建模和管理,或者由于权限原因只能够获得部分执行日志,在这些情况中,难以基于完整的业务流程模型进行预测.因此,本文提出了一种基于频繁活动集的序列编码处理日志中的低频活动、并通过搜寻历史相似数据进行预测的方法.该方法能够随着日志的更新适应由于概念漂移导致的模型改变.在真实的数据集上进行的测试验证了算法的有效性.

摘要： 语音信号的频谱分布在语言感知中 具有关键作用。本文基于汉语韵母的频域 特征,提出了一种韵母感知差异的度量方法。首先选取韵母的三个关键帧,然后计 算三帧附近的平均LPC 谱,进而计算特定 频率段上的积分,以此作为每个韵母的特 征向量。最后定义韵母之间距离的计算方 式，并算出了韵母的感知距离矩阵。通过 对比韵母的视位混淆树、单韵母共振峰分 布图，看出基于LPC 谱的汉语韵母距离分 布与两者有着很好的一致性。通过对汉语 言语听辨实测数据中的韵母进行混淆度计 算，并将混淆度与基于LPC 谱的距离矩阵 相对比，发现两者也具有很好的一致性。 表明了本文提出的基于LPC 谱的汉语韵母 感知度量方法的合理性和有效性。

摘要： 语音信号的频谱分布在语言感知中 具有关键作用。本文基于汉语韵母的频域 特征,提出了一种韵母感知差异的度量方法。首先选取韵母的三个关键帧,然后计 算三帧附近的平均LPC 谱,进而计算特定 频率段上的积分,以此作为每个韵母的特 征向量。最后定义韵母之间距离的计算方 式，并算出了韵母的感知距离矩阵。通过 对比韵母的视位混淆树、单韵母共振峰分 布图，看出基于LPC 谱的汉语韵母距离分 布与两者有着很好的一致性。通过对汉语 言语听辨实测数据中的韵母进行混淆度计 算，并将混淆度与基于LPC 谱的距离矩阵 相对比，发现两者也具有很好的一致性。 表明了本文提出的基于LPC 谱的汉语韵母 感知度量方法的合理性和有效性。

摘要： 语音信号的频谱分布在语言感知中 具有关键作用。本文基于汉语韵母的频域 特征,提出了一种韵母感知差异的度量方法。首先选取韵母的三个关键帧,然后计 算三帧附近的平均LPC 谱,进而计算特定 频率段上的积分,以此作为每个韵母的特 征向量。最后定义韵母之间距离的计算方 式，并算出了韵母的感知距离矩阵。通过 对比韵母的视位混淆树、单韵母共振峰分 布图，看出基于LPC 谱的汉语韵母距离分 布与两者有着很好的一致性。通过对汉语 言语听辨实测数据中的韵母进行混淆度计 算，并将混淆度与基于LPC 谱的距离矩阵 相对比，发现两者也具有很好的一致性。 表明了本文提出的基于LPC 谱的汉语韵母 感知度量方法的合理性和有效性。

摘要： 语音信号的频谱分布在语言感知中 具有关键作用。本文基于汉语韵母的频域 特征,提出了一种韵母感知差异的度量方法。首先选取韵母的三个关键帧,然后计 算三帧附近的平均LPC 谱,进而计算特定 频率段上的积分,以此作为每个韵母的特 征向量。最后定义韵母之间距离的计算方 式，并算出了韵母的感知距离矩阵。通过 对比韵母的视位混淆树、单韵母共振峰分 布图，看出基于LPC 谱的汉语韵母距离分 布与两者有着很好的一致性。通过对汉语 言语听辨实测数据中的韵母进行混淆度计 算，并将混淆度与基于LPC 谱的距离矩阵 相对比，发现两者也具有很好的一致性。 表明了本文提出的基于LPC 谱的汉语韵母 感知度量方法的合理性和有效性。

摘要： 语音信号的频谱分布在语言感知中 具有关键作用。本文基于汉语韵母的频域 特征,提出了一种韵母感知差异的度量方法。首先选取韵母的三个关键帧,然后计 算三帧附近的平均LPC 谱,进而计算特定 频率段上的积分,以此作为每个韵母的特 征向量。最后定义韵母之间距离的计算方 式，并算出了韵母的感知距离矩阵。通过 对比韵母的视位混淆树、单韵母共振峰分 布图，看出基于LPC 谱的汉语韵母距离分 布与两者有着很好的一致性。通过对汉语 言语听辨实测数据中的韵母进行混淆度计 算，并将混淆度与基于LPC 谱的距离矩阵 相对比，发现两者也具有很好的一致性。 表明了本文提出的基于LPC 谱的汉语韵母 感知度量方法的合理性和有效性。

摘要： 用于测量公共信号空间中两个信号分布之间距离的方法和装置。测量网络用于接收第一信号分布和第二信号分布作为输入，并且输出所述第一信号分布与所述第二信号分布之间的瓦瑟斯坦距离的测量。所述测量网络可以使用神经网络实现。

摘要： 本发明公开一种基于距离度量的无线网络干扰攻击场景识别方法，能对干扰攻击场景进行准确分类。本发明的无线网络干扰攻击场景识别方法，包括如下步骤：(10)干扰攻击聚类中心获取：设定不同的攻击场景，对于每种攻击场景，收集本节点与邻居节点的报文交互过程数据，形成离线测度向量集合，并基于该集合，计算该攻击场景的干扰攻击聚类中心；(20)在线测度向量形成：在线收集本节点与邻居节点的报文交互过程数据，形成在线测度向量；(30)干扰攻击场景确定：计算本节点在线测度向量到每个干扰攻击聚类中心的距离，以距离最小的干扰攻击聚类中心对应的干扰攻击场景作为识别结果输出。

摘要： 本发明公开了一种融合局部度量的半监督多标记距离度量学习方法，对任一多标记应用场景提取训练数据，并对少量数据进行标注；对于已标注数据，过滤掉标记占有率小于设定阈值的样本，对于未标注数据，通过聚类等操作去除异常点，提高样本质量；将待学习的距离度量表示为组合距离度量形式；基于距离度量表示构造优化项；构建多标记损失项和流形正则化项联合优化模型，学得距离度量；将原数据映射到距离度量空间，然后使用已有半监督多标记学习算法进行学习，从而得到融合局部度量的半监督多标记分类器；将待预测样本输入上述分类器，得到标注样本。采用本发明可以降低人力标注成本，促进了多标记学习框架的实际应用。

摘要： 本发明涉及一种多层次网络空间实体距离度量方法，属于地理学、测绘学和网络安全交叉的新兴领域。本发明通过将网络空间实体划分为物理层、逻辑层和社交层，考虑每一层在空间、时间、信息流三个维度的距离，通过三个维度的距离描述每一层的距离；综合各层在三个维度上的距离，确定出网络空间实体间的距离。本发明充分考虑了网络空间实体本身的复杂性，采用先分层，再对每一层进行三个维度的度量，得到的网络空间实体距离能够全面表征网络空间实体间的关联关系和关联强度，为后续网络空间实体信息的处理、可视化和分析提供可靠的支撑。

摘要： 本发明公开了一种基于距离度量边带能量比的行星齿轮箱故障诊断方法，包括如下步骤：S1、获取多种健康状态下的行星齿轮箱齿轮数据，并构建样本集；S2、通过傅里叶变换将时域信号映射到频域；S3、根据行星齿轮箱的固有参数和电机转动频率计算各特征频率，基于频谱分析获取各特征频率的幅值；S4、基于边带能量比算法计算各关键参数下样本的SER值，获得包含所有故障类型和样本的SER矩阵；S5、联合度量每个SER矩阵的故障类内距离和故障类间距离，获得SER性能指标，找到最优SER参数，即DMSER，并测试DMSER的诊断性能。本发明自适应地监测不同操作条件下行星齿轮箱的健康状况，关键参数是可动态更新的，能够完成不同工况的诊断任务。

摘要： 本发明涉及一种可能性分布距离度量下鲁棒的域适应视觉分类方法，包括：步骤(1)：获取源域和目标域；步骤(2)：根据可能性聚类假设，将源域与综合域进行匹配，得到距离度量；其中，所述综合域为源域和目标域的集合；步骤(3)：通过在所述距离度量中加入模糊熵来提高距离度量的匹配贡献度对源域噪声数据的鲁棒性；步骤(4)：通过拉普拉斯正则化对加入模糊熵后的距离度量进行优化，得到分类器；步骤(5)：利用目标域对所述分类器进行训练，得到训练好的分类器；步骤(6)：通过训练好的分类器对图像进行分类。本发明的方法具有显著的鲁棒性和分类精确度。

摘要： 一种距离度量的政务服务事项协同过滤推荐方法，分别构建政务服务事项画像、用户基础画像和用户行为画像；采用上述画像计算用户之间的相似度；根据用户位置信息表达方式，计算用户与政务服务中心之间的相对位置；根据用户相似度，用户与事项之间的距离，计算目标用户对于相关事项的拟推荐得分，从而推荐相关事务。本发明提出的用户办事频度计算方法能够充分反映用户与办理政务服务事项的关联程度，引入空间邻域关系和距离计算方法，参与到事项得分计算；可以为用户优先推荐相同属地的事项，提高推荐结果的准确度，弥补了传统协同过滤对空间位置考虑不足的问题，发展和丰富了协同过滤推荐方法。

摘要： 本发明公开了一种基于区域和距离度量的病理图像分割处理方法及装置，其中该方法包括：获取待分割的病理三维图像；将待分割的病理三维图像输入预先训练生成V‑net模型，得到分割处理结果；所述V‑net模型根据可变权重值的区域损失函数和基于距离的损失函数的组合损失函数预先训练生成。本发明可以实现基于区域和距离度量的病理图像分割处理，提高了病理图像分割处理的性能。

摘要： 本发明公开了一种基于巴氏距离度量损失函数旋转目标精细检测方法和系统，包括：获取可见光遥感影像旋转目标检测样本数据集，统一样本数据集的标签格式，并划分为训练样本集和测试样本集；构建旋转目标精细检测网络；将训练样本集作为输入，构建巴氏距离度量损失函数作为目标函数对旋转目标精细检测网络进行训练，得到训练好的旋转目标精细检测网络；将测试样本集输入训练好的旋转目标精细检测网络中，输出目标的精确位置及类别。本发明解决了深度学习网络提取的特征图被密集分布的目标强烈干扰，对于分布密集的旋转目标，细化的位置特征难以有效提取的技术问题，实现对目标特征的精细化提取，抑制了复杂背景对目标的干扰，准确定位出目标旋转框。

摘要： 循环神经网络中的距离度量和聚类。例如，一种方法，包括：响应于到循环人工神经网络中的第一数据的输入，确定拓扑模式的集合中的活动的拓扑模式是否发生在所述循环人工神经网络中；以及基于被确定为响应于所述第一数据的所述输入而发生的活动的所述拓扑模式，确定所述第一数据与第二数据或一个参考之间的距离。