一组基于三角函数的类三次参数曲线

给出了一组基于函数空间{1,sinu,cosu,sin2u)的类三次三角参数曲线,称之为QCT-曲线,主要包括QCT-Ferguson曲线、QCT-Bézier曲线及均匀QCT-B样条曲线.讨论了QCT-曲线的性质、应用及相互之间的关系,事实表明,QCT-曲线不仅具有三次多项式曲线的诸多性质,而且在一定条件下可相互转化.另外,QCT-曲线无需有理形式即可精确地表示圆、椭圆、抛物线等二次曲线弧.     

基于遗传算法的三次样条函数拟合

介绍了遗传算法（ＧＡ）的一种新应用－三次样条函数拟合中的参数估计问题。三次样条函数拟合是曲线拟合的一个认的较好方法,它具有很好的分段光滑性,但三次样条函数拟合涉及到矩阵求逆,离散样本点越多,矩阵就越大,求逆就越繁琐。文中将用ＧＡ用于三次样条函数拟合的系数求解,避开了矩阵求逆的繁琐问题,结合具体例子作了一些探索。文中还对标准遗传算法进行了适当的改进,实验结果说明遗传算法是用于参数估计、优化的有力工具     

基于三次样条函数拟合的过程神经元网络训练

过程神经元网络的提出为大样本识别问题开辟了新途径，但其训练方法目前主要基于权函数正交基展开。这种方法基函数个数选取目前尚无理论依据。提出了基于三次样条函数拟合的过程神经元网络训练方法。首先将样本函数、过程神经元权函数的离散化数据拟合成分段表示的三次样条函数，然后计算样本样条函数与权值样条函数乘积在给定采样区间上的积分，并将此积分值提交给网络的过程隐层神经元，输出层由普通神经元组成。三次样条函数具有很好的光滑性、可积性、阶数低、参数少等优点，有效地简化了网络的时空聚合运算。实验表明该方法是可行的。     

基于多项式拟合的稀疏编码图像去噪算法研究

为解决传统稀疏编码在图像去噪的过程中无法根据图像数据特点来决定稀疏编码的收缩函数的问题,提出了一种基于多项式拟合的稀疏编码图像去噪算法,该方法采用多项式来拟合稀疏系数的概率密度函数,进而估计稀疏系数的收缩函数,有效地解决了传统的去噪变量的概率密度模型无法反映图像数据特点的问题。仿真计算结果验证了该算法的有效性,并且在效果上要明显优于最大似然估计算法。     

多项式方程区间内求根基于R2空间的3次裁剪方法

多项式方程的求根问题在求交、最近距离计算等方面有着广泛的应用.3次裁剪求根方法充分利用了Bernstein基函数较好的计算稳定性,避免了数值迭代求解的不稳定性,同时具有4次收敛的速度.不同于传统的基于R1空间内的3次裁剪方法,提出了基于R2空间内的3次裁剪方法.首先引入R2空间中一条曲线(t,f(t)),在该曲线给定的区间上选取3个点,并计算这3个点及其对应的切向;然后求解3次多项式曲线Ai(u),满足同时插值这3个点及其中2个点处的切向;最后选择适当的重新参数化函数φ(t),使得Ai(φ(t))和f(t)之间具有5次逼近阶.若给定的参数区间Φ充分小,A1(φ(t))和A2(φ(t))可以在区间Φ内直接包住f(t),从而节省了用于求解包围多项式的大量计算.实例结果表明,该方法具有更好的逼近效果、更快的收敛速度和更高的计算效率.     

一类可调控的三次多项式曲线

为拓展Bézier曲线的表示方法,本文首先给出了一组带有两个形状参数的三次调配函数,是二次Bernstein基函数的一种扩展。然后,基于该调配函数生成了一类可调控的三次多项式曲线,并讨论了该曲线与二次Bézier曲线及三次Bézier曲线之间的关系。事实表明,该曲线是二次Bézier曲线的一种扩展,不仅具有二次Bézier曲线的诸多特性,而且由于带有两个形状参数,使得曲线具有更强的表现能力,在控制顶点不变时,可通过修改两个形状参数对曲线进行局部或全局调节。为方便自由曲线的设计,还讨论了两段曲线的拼接条件,给出了该曲线在曲线设计中的实例应用。     

基于多项式拟合的扩展卡尔曼滤波算法

弹道修正弹内的弹载计算机必须实时对卫星定位接收机获取的弹丸状态数据进行滤波降噪,用于预测弹丸落点,传统滤波方法滤波时间长,滤波实时性差,提出一种基于多项式拟合的方法。通过适当降低卫星定位接收机数据更新频率,并用多项式拟合插值出的数据代替数据更新时间间隔内的弹丸状态数据。仿真实验表明,该算法在不降低滤波效果的前提下,较普通扩展卡尔曼滤波时间降低7/8,提高了滤波实时性,对于弹道修正弹关键技术的研究提供了重要参考。同时该方法可推广应用到其他滤波算法当中,具有很强的可移植性。     

一种基于三次样条函数求离子浓度的自动算法

本文提出了一种用三次样条函数模拟双次标准加入法测量方程，直接求解离子浓度的自动算法。比较了三咱不同边界条件下用要池数计算离子浓度的结果。造出节点区间两极端点的二阶导数为零时的三次样条函数为最佳模拟函数。并讨论了该方法在实际分析中误差的来源及消除办法。经对一系列文献数据的验算对比，表明本法完全可代替传统的迭代法和查图法，且能方便地设置在智能化的电位分析系统中。     

三次参数曲线段拟合算法的优化研究

目前出版的计算机图形学专著1，2，3，4和译著5，6都对三次参数曲线的参数拟合算法做了一些讨论，但在曲线方程确定下来后，如何进行快速的拟合，尚没有一个统一的优化算法。文章通过分析研究，给出了可适用于任意三次曲线段拟合的优化算法。     

基于多项式变换的二维整型离散余弦变换快速算法

提出了一种基于多项式变换的二维整型离散余弦变换（DCT）快速算法,利用多项式变换将二维DCT变换的计算转化为一系列一维DCT变换及其变换系数的求和运算,减少了乘法和加法的计算量;利用提升矩阵,实现了整型DCT变换,进一步提高了运算效率的同时,使信号可精确重构。     

基于弯曲距离三支决策的时序相似性算法

动态时间弯曲距离算法(DTW)是目前公认的最有效的时间序列相似性计算方法之一,但是较高的时间复杂度一直是其主要缺点。快速弯曲距离算法(FTW)能有效提高DTW的计算速度,但是该算法对不同粒度时间序列剪枝的行为是典型的二支决策,与人类处理不确定问题时普遍采用的三支判断不同。因此,通过将三支决策理论引入到DTW算法的优化工作中,建立了DTW三支决策模型;然后对DTW三支决策模型中的决策阈值α和β进行了基于误识别率的推导,并且给出了具体求解阈值α和β的模拟退火算法;最后基于上述理论提出了基于弯曲距离三支决策的时序相似性算法(3WD-DTW)。通过对比实验表明,与FTW算法相比,3WD-DTW算法在保持较快的计算速度的前提下明显提升了计算准确度,使其接近DTW的水平。     

基于三角基线性拟合算法的后视镜外形优化

针对现有后视镜的缺陷,采用双曲镜设计,将视镜分为主视野区和副视野区（主视野区接近平面镜,副视野区是凸面镜）,在满足两个区域镜面平滑过渡的前提下建立曲面拟合模型,通过三角基线性拟合算法对复杂的曲面进行拟合,实现后视镜的曲面外形优化.该优化主要体现在可视区域变大,盲区减小,图像失真率小,在分界示意线过渡期间图像连贯且车身周围的图像失真率在3%以下.     

基于空间角度-距离-速度的三维模糊函数

传统模糊函数是针对距离-速度两维目标分辨力提出的,从而给相邻目标距离-速度联合分辨提供一个评判标准,用以表征雷达发射波形的分辨能力。本文由模糊函数的定义出发,将二维模糊函数进行空间角度上的扩展,可用于阵列雷达系统在距离-速度-方位角三维上评估雷达发射波形的分辨力,即模糊函数能够定量表示“干扰目标”和观测目标可分辨能力,并且能够作为雷达波形选择优化、设计的依据。仿真实验和性能分析证明了本文所推导三维模糊函数的正确性和合理性。     

基于多项式拟合算法的EMD端点问题的处理

经验模态分解(EMD)是由Huang等发展的一种新的数据分析方法,但是在利用样条插值获得上下包络过程中存在着棘手的端点问题。文章在解决该问题已有算法的基础上,提出了多项式拟合算法。它利用多项式来拟合临近端点处的极值点序列,再由此多项式求出极值点序列在端点处的近似取值,使得对极值点进行插值的三次样条在端点处不会发生大的摆动。通过对三种算法进行比较,证明了多项式拟合算法可以有效地抑制端点效应。     

基于拼贴误差拟合（补偿）的分形压缩算法

采用分形压缩算法来提高压缩速度和压缩比的一种有效途径是降低对拼贴误差的要求 ,然而这往往导致图象失真 .为克服该问题 ,在经典分形压缩算法的基础上 ,提出了一种新的基于拼贴误差拟合 (补偿 )的分形压缩算法 .该算法可以提供两种不同拼贴误差的分形编码 ,由于通过对不同区块使用与之相适应的相似变换类型 ,可以有效地补偿拼贴误差 ,从而可降低压缩图象的失真度 .理论研究和实际应用表明 ,该算法为分形压缩图象所面临的失真度和压缩比的矛盾提供了一种有效的解决方案 .     

活套张力矩实时计算的多项式逼近算法

通过对带钢张力矩计算理论公式的分析并结合工程实际,提出了一种采用多项式逼近来拟合活套张力矩非线性曲线的方法。该方法以有限个理论计算数据为样本,采用多项式函数离线进行回归,在保证高的逼近精度的前提下,以显著提高在线计算速度为目的。该算法在某热轧带钢的数字化改造中取得了非常好的应用效果,精度明显提高且能满足快速实时计算的要求,证明非常适合类似的实时控制场合。     

正交多项式拟合在EMD算法端点问题中的应用

经验模态分解(EMD)是由Huang等人提出的一种全新的针对非线性非平稳信号处理的算法.通过EMD,可以把一个信号分解为若干个固有模态函数(IMF),再将这些IMF进行希尔波特变换,从而得到具有真正意义的瞬时频率,因此解决了传统信号处理方法的不足之处。与此同时,EMD算法是一个全新的算法,本身也存在不足,如端点问题。文章在现有的解决方法的基础上,提出了用正交多项式拟合的方法来解决EMD的端点问题,并通过和已有算法的比较来证明这种方法的有效性。     

基于提升小波和自适应多项式拟合的传感器网络多模数据压缩算法

为提高无线传感器网络的感知精度,提出了一种基于提升小波变换和自适应多项式拟合的多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on lifting wavelet and adaptive polynomial fitting,简称AMLP）。在给定相关度阈值的前提下,AMLP算法先对数据进行灰色关联聚类,再对类中的相关数据进行自适应的多项式拟合,然后把未拟合的特征数据抽象成一个矩阵,利用提升小波变换去除数据的时间和空间相关性。最后,通过游程编码对数据作进一步压缩。仿真结果表明,AMLP算法能够有效去除不同数据间的冗余信息以及同种数据间的时间和空间冗余信息,提高压缩比,降低网络能耗。与基于小波的自适应多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on wavelet,简称AMMC）相比,AMLP算法的数据恢复精度大大优于AMMC算法,压缩比和能耗相近。因此,AMLP算法更适用于要求高精度数据的传感器网络应用,如地质灾害监测、医疗和军事领域。     

基于空间距离自适应权重度量的粗糙K-means算法

粗糙K-means算法中下近似和边界区域权重系数的设置对算法的聚类效果有着重要的影响。传统的粗糙K-means算法及很多改进的粗糙K-means算法对所有类簇的下近似和边界区域设置固定的权重,忽视了簇内数据对象分布差异性的影响。针对这个问题,根据下近似和边界区域的数据对象相对于类簇中心的空间分布情况,提出一种新的基于空间距离自适应权重度量的粗糙K-means算法。该算法在每次迭代过程中,根据每个类簇的下近似和边界区域的数据对象相对于类簇中心的平均距离,综合度量下近似和边界区域对于类簇中心迭代计算的不同重要程度,动态地计算下近似和边界区域的相对权重系数。通过实例验证及实验仿真证明了所提算法的有效性。     

一种基于广义期望首达时间的形状距离学习算法

形状距离学习是形状匹配框架中引入的后处理步骤, 能够有效改善逐对计算得到的形状间距离.利用期望首达时间分析形状间相似度可能导致距离更新不准确, 针对这一问题提出了一种基于广义期望首达时间 (Generalized mean first-passage time, GMFPT) 的形状距离学习方法.将形状样本集合视作状态空间, 广义期望首达时间表示质点由一个状态转移至指定状态集合所需的平均时间步长, 本文将其视作更新后的形状间距离.通过引入广义期望首达时间, 形状距离学习方法能够有效地分析上下文相关的形状相似度, 显式地挖掘样本空间流形中的最短路径, 并消除冗余上下文形状信息的影响.将所提出的方法应用到不同形状数据集中进行仿真实验, 本文方法比其他方法能够得到更准确的形状检索结果.