基于自适应曲面拟合的红外图像背景估计

针对红外弱小目标检测,提出了一种新的基于自适应曲面拟合的红外图像背景估计方法。采用三角函数作为基函数,对红外图像进行拟合。为提高拟合精度,引入了权值矩阵对拟合误差进行约束,并采用分步策略对拟合结果进行优化。在初步拟合的基础上,为抑制奇异点（强边缘点,噪声和小目标）对拟合的＂干扰＂,采用迭代寻优的方法,自适应地对拟合权值和拟合系数进行调整。此外,针对迭代处理的阈值选取,采用概率统计的方法对噪声方差进行估计,提高了拟合的准确性。实验表明：利用该方法估计背景进行背景抑制,可有效提高残差图像的信噪比,显著减少虚警点干扰,提高单帧内目标检测概率。     

常规螺杆元件四面体间隙的拟合

文中利用了两种对非规则边界参数区域进行拟合的方法,对同向双螺杆挤出机四面体间隙进行了拟合,并建立了一种曲面拟合误差测量的新方法;应用此法,从度量曲面的整体贴近程度方面对拟合曲面进行了误差分析。     

希尔排序效率的真实性拟合尝试——Sedgewick增量序列(1982)

为了对复杂性未知的希尔排序算法进行合理、可信的数值估计,提出拟合不变性结合拟合准确性和显著性的拟合思想和方法,并对采用Sedgewick增量序列4*22i+3*2i+1的希尔排序算法的平均比较次数进行了数值估计,从cnαlnβ(n)形式开始,在规模为104~108的测试数据的不同区段分别拟合,根据拟合参数的变动特点,进行合理推断并再次拟合及验证,从而逐步分离和确定出α=1,c=1,β=1.41,最终获得了对各区段拟合几乎不变的结果nln1.41(n).拟合方法本身的正确性用已知结果的排序数据进行了验证.     

光机扫描的热波图像的数据拟合研究

介绍了光机扫描的热波图像的应用,详细描述了这类热波图像的拟合方法。采用对连续多帧同一坐标像点的温度数据进行多项式拟合计算,利用拟合函数对特定的时间点进行温度取值,进而得到类似于焦平面阵列形式的图像。另外为了加快拟合速度、增强拟合效果,在数据中设定了一个虚拟起始点,并且只提取有效的数据来拟合。     

GPS高程拟合模型对比分析

本文对GPS高程拟合中存在的若干问题进行了较为详细的讨论,概述了GPS高程拟合的常用方法,通过编程序计算了多项式曲线拟合、多项式曲面拟合、加权平均拟合、BP神经网络拟合似大地水准面的实例,分析得出了一些结论。     

平坦地区GNSS水准模型研究与实践

为提高GNSS水准高程测量的精度以及解决测区内高程数据建模的问题,本论述提出二次曲面拟合、神经网络拟合等各种方法对比,分析拟合结果的极值,寻找最适合平原地区的高程拟合方法。利用实际工程数据对各种模型拟合结果进行跟踪分析,提出曲面拟合和神经网络拟合模型解决了平坦测区进行GNSS代替水准测量问题。     

宿豫区似大地水准面的精细化研究

对GPS高程的多项式曲面拟合、多面函数拟合和BP神经网络拟合算法进行了比较分析．结果表明,三种拟合算法均能达到四等几何水准的要求,但BP神经网络拟合算法精度最高,多面函数拟合算法精度最低．     

用于GPS高程拟合的多面函数模型的应用研究

基于GPS高程拟合的特点,采用多面函数对高程异常值进行拟合计算。详细论述了多面函数模型的基本原理及方程,并与二次曲面拟合的结果进行比较。结果表明,多面函数模型在GPS高程拟合中,能够较好的逼近区域内起伏较大的高程异常特征,其拟合精度较高。通过实例验证,利用多面函数模型进行高程拟合,核函数的选取及节点的确定对拟合结果影响显著,需要根据应用区域的实际情况适当选定。     

一种平面域中三维散乱点的曲面重构方法

针对已知一般平面域的一些三维散乱点数据,提出采用最小二乘法原理求出拟合曲面的系数,根据误差的需求利用切比雪夫逼近原理对拟合系数进行修正的方法,对三维散乱点数据进行拟合,并以叶片为例,利用CAD软件对拟合数据进行曲面重构.实验数据证明,该方法有效地提高了对三维散乱点的处理速度和拟合精度,在复杂曲面表示、加工等领域有广泛应用.     

基于有理函数的高速轧机角接触球轴承接触角曲面拟合

利用有理函数拟合方法,在轴向力和转速变化的条件下对轴承接触角的变化进行曲面拟合,得出函数表达式,并对实例进行了分析。     

越江盾构隧道纵向变形曲率与管环渗漏的关系

分析了三次样条插值法在越江隧道纵向变形曲线拟合中的适用性与计算方法,应用三次样条插值对越江盾构隧道纵向变形曲线进行了拟合,并通过曲线拟合方程计算了隧道全长纵向的变形曲率.应用越江隧道纵向结构分析模型计算了隧道不同纵向变形临界状态下的纵向变形曲率与环缝张开量的关系,并通过与越江隧道渗漏现场检测结果的分析对比,对越江隧道纵向变形曲率与管环渗漏间的相关性进行了评价.研究表明:与地铁隧道相比,越江隧道曲率半径的限值要求可适当放宽.越江隧道纵向变形曲率半径小于2 407.1m、环缝张开量大于3 mm时,隧道发生渗漏的概率较大.越江隧道纵向变形曲率半径小于1 256.8 m、环缝张开量大于6mm时,环缝密封止水措施失效,隧道可能会出现较严重的渗水漏泥现象.     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

数据似合分析

在MEMS器件中,经常涉及到它的力学性能.对实验测得的数据,通过对非线性部分做基于Mtlab的最小二乘法的多项式拟合和BP神经网络逼近,得到如下结论：最小二乘法多项式拟合的误差较大,拟合精度低,而BP神经网络逼近误差小,精度高.同时最小二乘法拟合的多项式次数不同逼近的误差也有所不同.     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

共轭斜量法在BP2模式Dirichlet级数参数辨识中应用

研究一种大型结构混凝土徐变函数指数形式表达式参数辨识与拟合方法. 选用混凝土徐变国际标准BP2模式,构建了最普遍的退化核Dirichlet级数形式作为基函数,针对拟合过程中实际变量多于方程未知变量情况,应用最小二乘法原理将矛盾方程转化为相应的法方程,引入共轭斜量法求解法方程,克服了求解过程中的数值不稳定性.在此基础上编制的程序,可将BP2模式的Dirichlet级数形式的所有参数辨识出来.拟合公式和原公式结果吻合良好,验证了该方法的有效性和正确性. 文中给出的BP2模式Dirichlet级数形式的拟合公式,能适应跟踪分析大型结构长期徐变效应,为较为准确和高效地进行服役结构状态评定,提供了必要的准备和依据.     

BP神经网络在方钢管混凝土轴心受压试验数据拟合中的应用

本文使用BP神经网络对方钢管混凝土轴心受压试验的数据进行拟合，并将BP神经网络的拟合曲线与10次多项式的拟合曲线进行了对比。结果表明，建立的BP神经网络模型能够准确拟合方钢管混凝土轴心受压的试验数据，具有较好的非线性拟合效果，拟合精度高。     

基于中轴线的隧道点云去噪算法

隧道作为一个狭长的封闭空间,其点云内部噪声影响点云分析精度,有效去除隧道点云内部的噪声是基于点云隧道形变分析的关键.提出一种基于中轴线的隧道点云去噪算法.通过对点云双向投影获取隧道在水平和垂直方向的姿态变化,根据高阶多项式拟合两条平面曲线并插值中轴线控制点,通过定义空间线段的夹角加密控制点以表达中轴线.通过计算各控制点处的切平面实现对隧道点云的分割,计算各分块内点到中轴线的距离,并根据给定的距离阈值实现隧道内部点云噪声的过滤.通过两组实验分析证实该方法的可行性与精确性.第一组通过模拟隧道点云数据并采用该方法拟合中轴线,比较分析其与已知中轴线的精度.第二组通过分析处理实际的隧道点云数据,实现隧道点云内部噪声的去除.     

遗传算法优化BP神经网络的泊车位数量预测

为了提高停车场空余泊车位短时预测的精度,利用遗传算法优化BP(back propagation)神经网络的权值和阈值,建立了基于GABP(genetic algorithm back propagation)神经网络的有效泊车位数量的预测模型,并对该预测模型进行训练,最终得到最优解。实验结果表明,该方法对泊车位数量预测具有更高的预测精度,且非线性拟合能力显著。     

基于BP神经网络的美国人口预测模型

BP算法神经网络是一种曲线拟合方法,因为其内在的自适应性,可以以任意精度逼近非线性系统,通过曲线拟合能够较好的反映社会自然现象的本质。本文把这一理论应用于美国人口预测模型,体现了BP神经网络在人口估计中的优越性。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。