中心點(diǎn)
- 絕妙二等分
蛋糕表面矩形的中心點(diǎn)。只要通過中心點(diǎn)，無論怎么作直線，我們都能把表面矩形二等分。那么，如果給你的是這樣一個(gè)不規(guī)則的六邊形蛋糕，你會(huì)怎樣平分它？有趣的平分乍一看，上面的方法似乎不再適用了。但是仔細(xì)一想，這個(gè)蛋糕表面的六邊形可以看成是兩個(gè)矩形的組合圖形，而且每個(gè)矩形的中心點(diǎn)可以通過它們的對角線找到。既然只要通過中心點(diǎn)作線就能將一個(gè)矩形二等分，那么我們不妨這樣作圖，如圖3所示。首先將蛋糕表面的六邊形分成兩個(gè)矩形，再利用矩形的對角線分別找出它們的中心點(diǎn)。最后，只要
數(shù)學(xué)大王·中高年級 2023年6期2023-06-07
- 聚焦黨建“中心點(diǎn)”共繪高質(zhì)量發(fā)展“同心圓”
袁博北京作為全國教育高地，教育資源豐富且集中、市場空間巨大，但由于行業(yè)監(jiān)管嚴(yán)格、知名頭部高校及教培機(jī)構(gòu)信息化能力處于行業(yè)領(lǐng)先水平，電信運(yùn)營商在教育行業(yè)發(fā)展中長期處于弱勢地位，業(yè)務(wù)發(fā)展面臨困境。為此校園市場部作為教育行業(yè)專業(yè)化運(yùn)營管理部門應(yīng)運(yùn)而生，一方面匯聚力量以集中的態(tài)勢實(shí)現(xiàn)教育行業(yè)通信服務(wù)保障工作，另一方面以新部門為試點(diǎn)，探索國有企業(yè)在戰(zhàn)略轉(zhuǎn)型中提升管理、創(chuàng)新及發(fā)展的新思路。聚焦這些痛點(diǎn)，校園市場部結(jié)合自身經(jīng)營壓力大、年輕員工多的情況，不斷思考論證創(chuàng)新工
現(xiàn)代企業(yè) 2022年5期2022-05-31
- 架空輸電線路鐵塔基礎(chǔ)偏心測量裝置的設(shè)計(jì)及應(yīng)用
標(biāo)準(zhǔn)，進(jìn)行基礎(chǔ)中心點(diǎn)與基腳螺栓中心點(diǎn)的偏差測量，確定基礎(chǔ)是否達(dá)標(biāo)。受環(huán)境因素、技術(shù)因素等影響，本地區(qū)電網(wǎng)公司架空輸電線路鐵塔基礎(chǔ)偏心測量難度大，耗時(shí)長，亟待調(diào)整和優(yōu)化，其具體表現(xiàn)在：1）預(yù)投入高。施工單位要投入大量的人力進(jìn)行預(yù)試，由于基礎(chǔ)中心點(diǎn)偏心定位與基礎(chǔ)螺栓中心點(diǎn)偏移驗(yàn)收操作時(shí)間長，效率低下，增加了人工成本；2）精確性差。精確定位基礎(chǔ)中心點(diǎn)的偏移單位都是以毫米為單位進(jìn)行計(jì)算，而目前中心點(diǎn)定位均是由手工進(jìn)行操作，在看尺、劃線、計(jì)算時(shí)容易出現(xiàn)偏差，影響基礎(chǔ)
電氣技術(shù)與經(jīng)濟(jì) 2022年2期2022-04-22
- 緊跟“中心點(diǎn)”，畫好養(yǎng)老防詐“同心圓”
■郝碩今年4月起，由12個(gè)部門參與、持續(xù)半年的打擊整治養(yǎng)老詐騙專項(xiàng)行動(dòng)在全國拉開帷幕。自專項(xiàng)行動(dòng)開展以來，武漢市江岸區(qū)檢察院提高政治站位，高度重視此項(xiàng)工作，圍繞宣傳主題，從提高宣傳作品質(zhì)量入手，踩準(zhǔn)宣傳節(jié)點(diǎn)、創(chuàng)新文案表達(dá)、緊扣百姓焦點(diǎn)，通過動(dòng)漫、短視頻、長圖等形式多樣的新媒體產(chǎn)品，擴(kuò)大宣傳覆蓋面和影響力，增強(qiáng)老年群體的法治意識(shí)和識(shí)騙防騙能力，努力畫好養(yǎng)老防詐“同心圓”。踩上“鼓點(diǎn)”輸出防詐理念今年6月，抖音上“全國各地來上分”系列視頻火爆全網(wǎng)，洗腦神曲引來
法治新聞傳播 2022年5期2022-04-07
- K-means‖隱私保護(hù)聚類算法
k值和聚類初始中心點(diǎn)敏感、離群點(diǎn)[1]處理及分布式數(shù)據(jù)集聚類時(shí)如何保護(hù)數(shù)據(jù)隱私等[2-4]問題。文獻(xiàn)[5]針對k均值聚類算法對初始中心點(diǎn)敏感及中心點(diǎn)更新會(huì)泄露隱私的問題，提出DPk-means++方法，對k均值的改進(jìn)算法k-means++利用拉普拉斯機(jī)制[6]解決了k均值聚類算法隨機(jī)選取k個(gè)中心點(diǎn)不能保證聚類精確度及數(shù)據(jù)隱私泄露的問題，但未考慮數(shù)據(jù)集中離群點(diǎn)問題；文獻(xiàn)[7]提出在k均值算法中應(yīng)用局部差分隱私以適應(yīng)不同用戶的隱私需求，但未考慮整體隱私預(yù)算；綜
計(jì)算機(jī)工程與設(shè)計(jì) 2022年1期2022-02-15
- 基于模糊聚類處理月亮型數(shù)據(jù)的研究與實(shí)現(xiàn)
利用最優(yōu)的聚類中心點(diǎn)的近鄰點(diǎn)進(jìn)行鄰域擴(kuò)展，將擴(kuò)展的樣本點(diǎn)劃分到同一簇內(nèi)，最終得到聚類結(jié)果，實(shí)驗(yàn)研究結(jié)果可以成功將月亮型數(shù)據(jù)進(jìn)行劃分，解決了FCM算法以及DFAC算法對月亮型數(shù)據(jù)表現(xiàn)較差的問題.下面圍繞相關(guān)概念以及本文所提思想、操作步驟、實(shí)驗(yàn)結(jié)果進(jìn)行說明.1 相關(guān)知識(shí)1.1 基本概念密度聚類以及模糊聚類的基本概念如下所述：定義①：ε-鄰域是指存在xi∈數(shù)據(jù)集R，其ε-鄰域指數(shù)據(jù)集R中與xi距離小于ε的樣本個(gè)數(shù)，即N-ε(xi)={xi∈R | dist(xi
河北建筑工程學(xué)院學(xué)報(bào) 2022年3期2022-02-04
- 房式倉散裝糧扦樣方法關(guān)鍵節(jié)點(diǎn)的優(yōu)化探討*
，四角點(diǎn)都是按中心點(diǎn)的1/4、公共點(diǎn)都是按中心點(diǎn)的1/2取舍，同時(shí)分樣量的確定也只能眼觀不能做到量化。2 房式倉散裝糧扦樣方法的優(yōu)化2.1 擺線環(huán)節(jié)設(shè)計(jì)了一款房式倉散裝糧扦樣專用線盤，大線盤外側(cè)兩邊分別加裝可拆離小線盤，大線盤尺寸80 m～100 m，小線盤尺寸10 m～20 m不等，除東北比較大的倉房，一般30 m×70 m以內(nèi)的倉房都能滿足需要。如圖1，以50 m×20 m的倉房為例，分3區(qū)11點(diǎn)，可拆離大線盤放在短邊正中間倉房外接電，小線盤拆離后各放
糧油倉儲(chǔ)科技通訊 2021年5期2022-01-22
- 基于空間分布優(yōu)選初始聚類中心的改進(jìn)K-均值聚類算法
對最初K個(gè)初始中心點(diǎn)的選取和離群值都非常敏感，當(dāng)用于海量數(shù)據(jù)聚類時(shí)，由于其迭代次數(shù)過多且迭代過程涉及多次文件系統(tǒng)的讀寫操作非常費(fèi)時(shí)[9-11]，所以有必要對K-means聚類算法初始聚類中心點(diǎn)的選取進(jìn)行改進(jìn)以減少聚類過程中的迭代次數(shù)，從而降低聚類所需的時(shí)間并提高聚類效果。針對上述問題，學(xué)者從不同角度對K-means算法進(jìn)行了改進(jìn)。Arthur等[12]在K-means算法的基礎(chǔ)上對中心點(diǎn)的選擇進(jìn)行改進(jìn)，即基于每個(gè)數(shù)據(jù)點(diǎn)到已有中心點(diǎn)的距離采用線性概率選出下一
科學(xué)技術(shù)與工程 2021年19期2021-08-03
- 改良量角器，讓量角不再困難
存在頂點(diǎn)沒有與中心點(diǎn)重合、0刻度線沒有與起始邊重合、在量角器上找不到另一邊等問題，說明學(xué)生沒有認(rèn)清角的性質(zhì)，沒有掌握控制變量法，對量角器的量角原理和放置技巧缺乏認(rèn)識(shí)與練習(xí)。從量角器的度量原理出發(fā)，改良量角器，有效突破教學(xué)難點(diǎn)，有效解決了學(xué)生應(yīng)用量角器量角時(shí)存在的問題。[關(guān)鍵詞]量角器;讀數(shù);中心點(diǎn);重合[中圖分類號] G623.5[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號] 1007-9068（2021）14-0042-02“用量角器度量角的度數(shù)”是蘇教版教材四年級上冊
小學(xué)教學(xué)參考(數(shù)學(xué)) 2021年5期2021-07-11
- 基于磁懸浮軸承的改進(jìn)PID控制分析
控制，往往是以中心點(diǎn)為控制目標(biāo)參考量，故凈差量也是基于中心點(diǎn)，實(shí)際上這樣是存在運(yùn)動(dòng)學(xué)上的問題[1]。例如，在控制重力方向時(shí)，徑向軸承上端給力克服重力，如果想讓軸承到達(dá)中心點(diǎn)，應(yīng)考慮在其還未到達(dá)中心點(diǎn)前就撤銷上端的力，讓轉(zhuǎn)子憑借慣性到達(dá)中心點(diǎn)。但傳統(tǒng)PID 控制顯然沒有考慮到這個(gè)問題，使其到達(dá)中心點(diǎn)后才撤銷上端的力，這樣實(shí)際轉(zhuǎn)子已經(jīng)偏離中心點(diǎn)往上了，很容易造成轉(zhuǎn)子的碰壁，這是在轉(zhuǎn)子高速運(yùn)轉(zhuǎn)中所不允許的。于是論文在進(jìn)行PID 控制時(shí)，凈差量選取的是傳統(tǒng)PID
工程技術(shù)與管理 2021年4期2021-03-24
- 三維激光掃描技術(shù)在中心對稱結(jié)構(gòu)古亭垂直度檢測中的應(yīng)用
頂部采用不同的中心點(diǎn)提取方法，最后采用最小二乘擬合[12]對中心點(diǎn)進(jìn)行擬合，分析古亭的垂直度和偏移量。1 數(shù)據(jù)分層對呈中心對稱結(jié)構(gòu)的古亭進(jìn)行垂直度檢測，需要對點(diǎn)云數(shù)據(jù)依據(jù)Z 坐標(biāo)進(jìn)行分層處理。先檢索點(diǎn)云數(shù)據(jù)中 Z 坐標(biāo)最小值Zmin和最大值 Zmax，設(shè)置分層間距d。 分層具體流程如下：1）依據(jù) Zmin、Zmax和分層間距 d 計(jì)算層數(shù) n：式（3）中：Ci（x，y）為第 i 層中心點(diǎn)坐標(biāo)；k 為紅色圓柱個(gè)數(shù)，取值為 4；（xRj，yRj）為第 i 層紅
江西理工大學(xué)學(xué)報(bào) 2021年1期2021-03-23
- 基于改進(jìn)Canopy-K-means算法的并行化研究
算法也存在聚類中心點(diǎn)的選取具有隨機(jī)性，需要提前確定聚類個(gè)數(shù)等不足[1]。對此，許多學(xué)者對K-means算法進(jìn)行了改進(jìn)并取得了一定的成果。鄧海等人[2]結(jié)合密度法和“最大最小原則”優(yōu)化K-means初始聚類中心點(diǎn)的選擇，算法準(zhǔn)確率得到提高，但是改進(jìn)后算法的時(shí)間復(fù)雜度較高，運(yùn)行時(shí)間較長。趙慶等人[3]通過Canopy算法對數(shù)據(jù)集進(jìn)行“粗”聚類，避免了傳統(tǒng)K-means中心點(diǎn)選取存在的盲目性，極大提升了其準(zhǔn)確性，然而在采用Canopy算法初始閾值需要人為指定，所
計(jì)算機(jī)測量與控制 2021年2期2021-03-04
- 結(jié)合改進(jìn)密度峰值聚類的LGC半監(jiān)督學(xué)習(xí)方法優(yōu)化
計(jì)一種迭代選擇中心點(diǎn)的密度峰值聚類（Iteration Density Peaks Clustering，IDPC）算法。利用該算法進(jìn)行局部聚類，并運(yùn)用每個(gè)簇的聚類中心為頂點(diǎn)構(gòu)造圖，通過迭代篩選出的聚類中心點(diǎn)表征原始數(shù)據(jù)的特征分布，以降低圖的規(guī)模。1 相關(guān)理論1.1 局部與全局一致性算法令數(shù)據(jù)集D=｛xi|xi∈?m，i=1，2，…，n｝，n為D中的樣本數(shù)。其中，Dl=｛（x1，y1），…，（xl，yl）｝為已標(biāo)記樣本集合，l＜＜n，Du=｛xl+1，…，
計(jì)算機(jī)工程 2021年2期2021-02-05
- 柴油發(fā)電機(jī)中性點(diǎn)漂移原因分析及處理
柴油發(fā)電機(jī)發(fā)生中心點(diǎn)漂移的故障，展開故障處理、原因分析，并對三相四線制低壓供電系統(tǒng)發(fā)生中心點(diǎn)漂移的原理進(jìn)行研究，為同類型供電系統(tǒng)中心點(diǎn)漂移故障處理提供參考。關(guān)鍵詞 ： 柴油發(fā)電機(jī) 中心點(diǎn)? 漂移? 三相四線1原理介紹在380V三相四線供電系統(tǒng)中，ABC三相對于中心點(diǎn)O，電壓均為220V，在空間的排列上相差120度，A相和B相，A相和C相，B相和C相之間電壓均為380V。如果負(fù)載平衡，各相對負(fù)荷的中性點(diǎn)電壓是固定的相電壓，即所謂對稱三相系統(tǒng)，如只包括電動(dòng)機(jī)的
裝備維修技術(shù) 2020年4期2020-11-23
- 一種基于標(biāo)準(zhǔn)差的K-medoids聚類算法
，由于初始聚類中心點(diǎn)的選取和中心點(diǎn)迭代更新等原因，存在著聚類精度和效率較低,且需要額外設(shè)置參數(shù)等不足。文中利用標(biāo)準(zhǔn)差選擇候選初始聚類中心，給出了一種K-medoids聚類分析算法。該算法首先利用標(biāo)準(zhǔn)差定義了初始中心點(diǎn)候選集度量公式，有效地避免密集程度較低的樣本點(diǎn),尤其是孤立點(diǎn)作為初始聚類中心；其次采用從兩個(gè)初始中心點(diǎn)逐步增加中心點(diǎn)直到K個(gè)中心點(diǎn)的方式，從初始中心點(diǎn)候選集中確定初始中心點(diǎn)，避免初始中心點(diǎn)選擇在同一個(gè)聚類簇；然后按照將數(shù)據(jù)樣本歸屬于最近的中心點(diǎn)
計(jì)算機(jī)技術(shù)與發(fā)展 2020年8期2020-08-12
- Scratch 3.9更新了什么?
更新解決了角色中心點(diǎn)和背景中心點(diǎn)不易尋找不易操作的痛點(diǎn)。以前版本的角色中心點(diǎn)就是背景圖上一個(gè)點(diǎn)，不會(huì)隨著放大和縮小變化，也會(huì)被阻擋很不好找。新版本加強(qiáng)了背景中心點(diǎn)，當(dāng)移動(dòng)角色時(shí)它就會(huì)凸顯出來，不會(huì)被前景的角色阻擋。選區(qū)也新增了一個(gè)中心點(diǎn)，兩者接近時(shí)還會(huì)吸附在一起。2.0版Scratch尋找中心點(diǎn)小技巧Scratch 2.0版現(xiàn)在還在廣泛使用，現(xiàn)在介紹一個(gè)尋找角色中心點(diǎn)的小技巧——畫輔助線。在造型中用直線工具按Shift可以畫出垂直相交的橫線和垂線作為輔助線
電腦報(bào) 2020年12期2020-06-30
- Scratch做地月公轉(zhuǎn)
1.設(shè)置物體的中心點(diǎn)在Scratch中讓角色旋轉(zhuǎn)起來有很多辦法。最基礎(chǔ)的當(dāng)然是旋轉(zhuǎn)積木，太陽的自轉(zhuǎn)就可以使用這種旋轉(zhuǎn)積木完成。其實(shí)角色是以物體中心點(diǎn)為圓心旋轉(zhuǎn)的，通過移動(dòng)角色中心點(diǎn)可以完成地球圍繞太陽公轉(zhuǎn)的動(dòng)畫。在角色造型中框選地球，把它移開就能看到畫面中心有個(gè)小十字。這就是物體的中心點(diǎn)，角色旋轉(zhuǎn)、計(jì)算距離和畫筆落筆等都是以這個(gè)點(diǎn)為基礎(chǔ)?？s小畫布把地球移到左上角，同樣用旋轉(zhuǎn)積木就可以完成地球圍繞太陽的公轉(zhuǎn)動(dòng)畫。這種通過移動(dòng)物體中心點(diǎn)的方法雖然簡單，卻有缺陷
電腦報(bào) 2020年9期2020-04-28
- 不同的K-means聚類算法比較研究
，初始點(diǎn)也稱為中心點(diǎn)或質(zhì)心（centroid）。傳統(tǒng)的K-means 算法假定質(zhì)心的初始數(shù)量是事先已知的，這種對簇?cái)?shù)的依賴以及質(zhì)心的初始選擇會(huì)影響算法的性能和準(zhǔn)確性。如果初始點(diǎn)的選擇不恰當(dāng)，將會(huì)導(dǎo)致聚類的結(jié)果是局部最優(yōu)，而這樣的局部最優(yōu)解可能存在很多個(gè)。一般常用的確定初始中心點(diǎn)方法如下：3.1 隨機(jī)選取最簡單的方法是隨機(jī)選擇K 個(gè)點(diǎn)作為初始的類簇中心點(diǎn)，有時(shí)候可能選取的點(diǎn)較為接近，因此該方法在有些情況下的效果較差。聚類的結(jié)果與初始的類簇中心點(diǎn)有關(guān)，而初始點(diǎn)
電子技術(shù)與軟件工程 2020年21期2020-02-04
- 如何設(shè)置造型中心點(diǎn)？
0如何設(shè)置造型中心點(diǎn)？”總體來說Scratch3.0設(shè)置造型中心點(diǎn)比起2.0來有一些區(qū)別，下面就來演示如何設(shè)置：1.打開Scratch3.0（圖1），選中一個(gè)角色，然后切換到造型選項(xiàng)卡（本例使用默認(rèn)角色小貓）。2.在默認(rèn)矢量圖模式下，用鼠標(biāo)將造型全部框選住。用鼠標(biāo)移動(dòng)造型，然后你就會(huì)看到造型的中心點(diǎn)位置標(biāo)記（圖2）。3.現(xiàn)在你可以將希望設(shè)置的中心點(diǎn)位置移動(dòng)到這個(gè)標(biāo)記處，比如耳朵（圖3）。4.現(xiàn)在你就可以改變方向，來讓角色以設(shè)置的中心點(diǎn)開始旋轉(zhuǎn)（圖4），幫你
電腦報(bào) 2019年4期2019-09-10
- 磨課，一段痛苦與快樂交織的過程
以哪個(gè)點(diǎn)為旋轉(zhuǎn)中心點(diǎn)呢？誰來指一指。生1：A點(diǎn)。生2：B點(diǎn)。生3：線段中間任意一點(diǎn)都可以。師：請同學(xué)們以AB上的任意一點(diǎn)為旋轉(zhuǎn)中心點(diǎn)進(jìn)行旋轉(zhuǎn)。（1）展示：繞A點(diǎn)順時(shí)針旋轉(zhuǎn)90度師：請你來說說你的想法？生2：我是繞A點(diǎn)順時(shí)針方向旋轉(zhuǎn)了90度。順時(shí)針可以用這樣的符號來表示。師：謝謝！這條旋轉(zhuǎn)后的線段是隨便畫的嗎？那有什么要求，要畫多長呢？生：和原來一樣長，原來有5格，現(xiàn)在也要畫5格。師：為了區(qū)分方便，旋轉(zhuǎn)后B點(diǎn)的對應(yīng)點(diǎn)，我們用B′來表示。師：如果這里有一C點(diǎn)，
新課程·小學(xué) 2019年1期2019-03-18
- 改進(jìn)的聚類算法在入侵檢測系統(tǒng)中的應(yīng)用*
最終效果。k-中心點(diǎn)算法作為其中的代表性算法之一，具有不易被極端的數(shù)據(jù)影響，適應(yīng)性廣泛，特別是針對“噪聲”點(diǎn)、孤立點(diǎn)不敏感并且在檢測當(dāng)中應(yīng)用廣泛的特點(diǎn)，而且對數(shù)據(jù)屬性的類型沒有局限性，具有比較強(qiáng)的魯棒性等。但是，該算法也存在許多缺陷。主要表現(xiàn)在：在對于處理規(guī)模較大的數(shù)據(jù)集時(shí)，K-中心點(diǎn)算法在聚類過程中的高耗時(shí)性。因此，針對傳統(tǒng)聚類算法的不足，本文結(jié)合算法和有效性指標(biāo)提出了一種基于“密度”信息改進(jìn)的算法。并將優(yōu)化算法應(yīng)用于入侵檢測系統(tǒng)中。用實(shí)驗(yàn)驗(yàn)證了以這種方
火力與指揮控制 2019年2期2019-03-14
- 小小薔薇花
色圓片對折，在中心點(diǎn)處點(diǎn)膠，捏一會(huì)兒，直到它粘住。4.再將半圓對折，中心點(diǎn)膠，捏一會(huì)兒直到它粘住，做成花瓣。用同樣的方法做好其他花瓣。5.把淺綠色花托放好，把四片花瓣按照十字形擺放在花托上，中心點(diǎn)處點(diǎn)膠，粘住。6.把最后一片花瓣放在十字交點(diǎn)處，多點(diǎn)些膠粘住。再用墨綠色的海綿紙剪兩片葉子，來裝飾花朵。7.把兩片葉子粘在花托上，一朵美麗的薔薇花就做好了。
作文小學(xué)中年級 2019年1期2019-02-14
- 淺談恒溫干燥箱在煙草行業(yè)的應(yīng)用與校準(zhǔn)方法
準(zhǔn);溫度偏差;中心點(diǎn)【Keywords】tobacco; moisture; calibration; temperature deviation; center point【中圖分類號】TS43 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2019）12-0140-021 引言在煙草的生產(chǎn)和加工過程中，煙草
中小企業(yè)管理與科技·上旬刊 2019年12期2019-01-13
- 通用六軸工業(yè)機(jī)器人創(chuàng)建與離線編程
劃好機(jī)器人基座中心點(diǎn)到第一軸的位置偏移，第一軸到第二軸的位置偏移，依此類推直到第六軸到TCP的位置偏移。2.機(jī)器人CAD模型利用3維建模工具依據(jù)機(jī)器人運(yùn)動(dòng)學(xué)模型繪制創(chuàng)建機(jī)器人底座及各軸連桿的三維CAD模型，為后續(xù)粘連到機(jī)器人各軸做好準(zhǔn)備。二、機(jī)器人CAD模型1.設(shè)置機(jī)器人關(guān)節(jié)數(shù)及旋轉(zhuǎn)方式EASY-ROB提供了多種機(jī)器人創(chuàng)建模型，通常我們會(huì)選擇創(chuàng)建通用型機(jī)器人，可以選擇1-12軸機(jī)器人創(chuàng)建，根據(jù)需要設(shè)定機(jī)器人的軸數(shù)（6軸）和各關(guān)節(jié)的旋轉(zhuǎn)方向。2.設(shè)置機(jī)器人各
新教育時(shí)代電子雜志(學(xué)生版) 2018年19期2018-12-17
- 需求響應(yīng)式公交乘客出行中心確認(rèn)方法研究
域內(nèi)的乘客出行中心點(diǎn)。乘客在手機(jī)等客戶端確認(rèn)自己的出行地點(diǎn)及支付意愿，系統(tǒng)將會(huì)收集乘客信息，并利用接駁公交提供點(diǎn)到點(diǎn)的接送服務(wù)，將乘客送至乘客出行中心點(diǎn)，再由干線公交到乘客出行中心點(diǎn)接送乘客，提供長距離出行服務(wù)。現(xiàn)有DRT的研究著重點(diǎn)為其適用范圍、可行性分析及車輛調(diào)度模型等，對DRT的干線公交?？空军c(diǎn)，即接駁公交服務(wù)區(qū)域內(nèi)乘客出行中心點(diǎn)和孤立乘客剔除的研究較少，并且均將距離較遠(yuǎn)或者較孤立的乘客出行點(diǎn)直接當(dāng)作孤立點(diǎn)處理，沒有充分考慮偏遠(yuǎn)地區(qū)有支付意愿乘客的出
交通科學(xué)與工程 2018年3期2018-10-11
- 優(yōu)化初始聚類中心的改進(jìn)K-means算法
.隨機(jī)選取初始中心點(diǎn)的方法，使得K-means算法易陷入局部最優(yōu)解，且聚類結(jié)果不穩(wěn)定.針對這一缺點(diǎn)，眾多學(xué)者提出了許多優(yōu)化初始中心點(diǎn)的選擇方法.Arthu[4]等人提出了K-means++算法，該算法首先在數(shù)據(jù)集上隨機(jī)選取一個(gè)數(shù)據(jù)對象作為第一個(gè)初始中心點(diǎn)，再在剩余的數(shù)據(jù)對象中，計(jì)算到已有初始中心點(diǎn)的歐式距離，選擇距離值最大的數(shù)據(jù)對象作為第二個(gè)初始中心點(diǎn)，重復(fù)上述過程，直到選出k個(gè)初始中心點(diǎn)為止.文獻(xiàn)[5,6]引入智能算法的思想，在每次迭代計(jì)算初始中心點(diǎn)的時(shí)
小型微型計(jì)算機(jī)系統(tǒng) 2018年8期2018-09-07
- 一種支持權(quán)重的改進(jìn)K-means聚類算法
據(jù)對象列表和簇中心點(diǎn)坐標(biāo)對象。數(shù)據(jù)對象列表中是該簇中所有的數(shù)據(jù)對象，中心點(diǎn)坐標(biāo)對象表示該簇計(jì)算得到的中心點(diǎn)坐標(biāo)。1.2 算法流程及計(jì)算公式算法流程如下：1）隨機(jī)選擇K個(gè)數(shù)據(jù)對象作為初始簇的中心點(diǎn)。2）循環(huán)遍歷其余數(shù)據(jù)對象，計(jì)算數(shù)據(jù)對象到K個(gè)簇中心點(diǎn)的距離。3）將數(shù)據(jù)對象加入到距離最近的簇中。4）重新計(jì)算加入新數(shù)據(jù)對象后簇的中心點(diǎn)坐標(biāo)。5）直到所有數(shù)據(jù)對象加入完成。6）轉(zhuǎn)到2），直到未出現(xiàn)數(shù)據(jù)對象被重新分配到其他簇的情況。K-means算法常用的計(jì)算簇內(nèi)距離
新鄉(xiāng)學(xué)院學(xué)報(bào) 2018年3期2018-04-24
- 基于密度峰值優(yōu)化的Canopy-Kmeans并行算法*
選取的K個(gè)初始中心點(diǎn)可能會(huì)使聚類結(jié)果產(chǎn)生局部最優(yōu)解，算法效果受噪聲點(diǎn)影響大。針對K-means算法存在的缺點(diǎn)，學(xué)者們從不同角度提出了改進(jìn)方法。文獻(xiàn)[2]提出一種優(yōu)化初始中心點(diǎn)的算法，采用密度敏感的相似性度量來計(jì)算對象密度。文獻(xiàn)[3]提出運(yùn)用Canopy[4]算法和K-means算法結(jié)合，解決初始中心點(diǎn)選擇問題，但Canopy算法初始參數(shù)的確定也需依靠人工選取，因此效果并不穩(wěn)定。文獻(xiàn)[5]提出了用最大距離法選取初始簇中心的K。文獻(xiàn)[6]提出一種基于最大最小化
通信技術(shù) 2018年2期2018-03-13
- 基于大數(shù)據(jù)對運(yùn)營商基站覆蓋中心點(diǎn)的預(yù)測及對比分析
運(yùn)營商基站覆蓋中心點(diǎn)的預(yù)測及對比分析唐忠林，許盛宏，譚志遠(yuǎn)（中國電信股份有限公司廣東研究院，廣東 廣州 510630）為深入了解運(yùn)營商的網(wǎng)絡(luò)覆蓋程度，提升網(wǎng)絡(luò)資源投放效率，通過Mean-Shift算法對基站的MR數(shù)據(jù)做首次聚類分析，預(yù)測出局部最優(yōu)的基站覆蓋中心點(diǎn)，再用DBSCAN算法預(yù)測出全局最優(yōu)的基站覆蓋中心點(diǎn)。在此基礎(chǔ)上分析三大運(yùn)營商基站小區(qū)在地理位置上的部署密集程度，從而獲得每個(gè)運(yùn)營商的網(wǎng)絡(luò)熱點(diǎn)區(qū)域分布，為網(wǎng)絡(luò)規(guī)劃和智慧網(wǎng)優(yōu)提供全方位的分析方法。MR
移動(dòng)通信 2017年22期2017-12-27
- 改進(jìn)K中心點(diǎn)算法在入侵檢測的應(yīng)用
000)改進(jìn)K中心點(diǎn)算法在入侵檢測的應(yīng)用魏明軍，田 昆(華北理工大學(xué)，河北 唐山 063000)傳統(tǒng)K中心點(diǎn)算法雖然改進(jìn)了K均值算法對噪聲和孤立點(diǎn)數(shù)據(jù)敏感的不足，但是仍存在著初始聚類中心和聚類個(gè)數(shù)k難以確定的問題，因此，針對算法存在的問題，提出一種基于密度的改進(jìn)K中心點(diǎn)算法。該算法會(huì)根據(jù)數(shù)據(jù)集數(shù)據(jù)的分布情況自主確定聚類個(gè)數(shù)k和k個(gè)聚類中心點(diǎn)。最后，通過在入侵檢測領(lǐng)域KDD Cup99數(shù)據(jù)集上實(shí)驗(yàn)測試表明，改進(jìn)K中心點(diǎn)算法不僅能夠自動(dòng)形成k個(gè)聚類，而且具有較
- 基于Spark平臺(tái)的聚類算法的研究和實(shí)現(xiàn)
指定個(gè)樣本作為中心點(diǎn)開始聚類，中心點(diǎn)選取不同，聚類算法每次執(zhí)行的結(jié)果可能不一樣，這樣會(huì)導(dǎo)致不穩(wěn)定的結(jié)果。為了使聚類結(jié)果更加穩(wěn)定，在聚類算法開始之前怎樣得到準(zhǔn)確的中心點(diǎn)個(gè)數(shù)以及正確地挑選合適的初始中心點(diǎn)[2]的研究具有非常重要的價(jià)值。Mean shift算法[3]是一種非參數(shù)密度估計(jì)算法。Mean shift算法可以通過不停的循環(huán)調(diào)用，可以很快地收斂于概率密度函數(shù)最大的地方。算法的過程就是不斷尋找概率密度局部最大值的過程。通過Mean shift算法可以很快
電子世界 2017年23期2017-12-19
- 鼻咽癌調(diào)強(qiáng)放射治療中心點(diǎn)Y軸精度的臨床分析
癌調(diào)強(qiáng)放射治療中心點(diǎn)Y軸精度的臨床分析任 珺1,2許 青1,2目的：探討鼻咽癌調(diào)強(qiáng)放射治療中心點(diǎn)Y軸精度的情況。方法：2016年1月至5月病理明確診斷鼻咽低分化鱗癌患者50例進(jìn)入本研究。年齡43～58歲，平均年齡55歲，男女比例為3：1；使用飛利浦CT模擬機(jī)進(jìn)行常規(guī)CT螺旋掃描，掃描層厚為5mm；使用Pinnacle放射治療計(jì)劃系統(tǒng)制訂放射治療計(jì)劃，并確保進(jìn)行研究的50例患者的放射治療計(jì)劃所生成的中心是采用原始的中心點(diǎn)即標(biāo)記點(diǎn)（放療中心點(diǎn)），重建生成數(shù)字重
中國醫(yī)學(xué)計(jì)算機(jī)成像雜志 2017年3期2017-08-16
- 急性腦梗死不同中醫(yī)證型與NIHSS評分時(shí)相性演變的相關(guān)性研究*
HSS評分聚類中心點(diǎn)動(dòng)態(tài)演變規(guī)律：0～3 d NIHSS聚類中心點(diǎn)變化不明顯，在3～4 d之后下降明顯，8 d之后下降趨勢平穩(wěn)。3）風(fēng)痰瘀阻證重度NIHSS評分聚類中心點(diǎn)在4～8 d時(shí)線形圖斜率最大，評分下降速度最快。結(jié)論急性腦梗死不同中醫(yī)證型與NIHSS評分時(shí)相性演變規(guī)律密切相關(guān)，其結(jié)論對針對不同證型腦梗死患者在不同時(shí)相的辨證治療具有一定的指導(dǎo)意義。急性腦梗死 中醫(yī)證型 NIHSS評分 相關(guān)性急性腦梗死屬于中醫(yī)學(xué)“中風(fēng)”范疇，辨證分型是中風(fēng)病辨證論治的核
中國中醫(yī)急癥 2017年7期2017-08-16
- 免疫算法優(yōu)化的RBF在入侵檢測中的應(yīng)用
際應(yīng)用中隱含層中心點(diǎn)難求，不能被廣泛地應(yīng)用于入侵檢測系統(tǒng)中。免疫算法是基于免疫系統(tǒng)的學(xué)習(xí)算法，免疫算法不僅對干擾具有較強(qiáng)維持系統(tǒng)平衡的能力，而且具有較強(qiáng)的模式分類能力。為了得到最優(yōu)的RBF神經(jīng)網(wǎng)絡(luò)并將其應(yīng)用到入侵檢測系統(tǒng)中，提出了一種免疫算法優(yōu)化的基于最小均方差的聯(lián)合RBF神經(jīng)網(wǎng)絡(luò)，即IA-LMS-RBF算法。仿真實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的K-means和隨機(jī)法選取基函數(shù)中心點(diǎn)相比，基于免疫算法求取中心點(diǎn)的LMS-RBF神經(jīng)網(wǎng)絡(luò)，不僅能明顯地提高對已知攻擊的檢
計(jì)算機(jī)技術(shù)與發(fā)展 2017年6期2017-06-27
- 一種基于矩陣?yán)碚摰亩鄨D組合變換研究
需要按照圖形的中心點(diǎn)進(jìn)行變換即可。當(dāng)圖形的中心點(diǎn)確定后，整個(gè)圖形的位置就確定了。在進(jìn)行平移操作時(shí)，只需平移中心點(diǎn)，依據(jù)原有中心點(diǎn)，根據(jù)平移量計(jì)算出新的中心點(diǎn)位置，就能重新將圖形移動(dòng)到想要的位置，此時(shí)圖形的寬和高無需做任何變化。在進(jìn)行縮放操作時(shí)，我們可以將圖形先移動(dòng)至Canvas原點(diǎn)，根據(jù)縮放系數(shù)計(jì)算出圖形新的寬和高，當(dāng)圖形在原點(diǎn)縮放成功后，再進(jìn)行一次平移，將圖形移動(dòng)到原位置，就完成了圖形在Canvas中的縮放。在進(jìn)行旋轉(zhuǎn)操作時(shí)，我們也將圖形的中心點(diǎn)移動(dòng)到C
綏化學(xué)院學(xué)報(bào) 2017年6期2017-06-15
- 前交叉韌帶前嵴與前交叉韌帶下止點(diǎn)關(guān)系的核磁影像學(xué)研究
緣距離和ACL中心點(diǎn)距離。結(jié)果：矢狀面上ACL中心點(diǎn)位于整個(gè)脛骨平臺(tái)的百分比為42.21%±4.3%（28.43%～50.94%），有58例小于43.3%。ACL前嵴距離為13.61±2.17mm（8.03～18.65mm），占整個(gè)脛骨平臺(tái)的百分比為26.80%±3.89%（17.74%～33.94%）。ACL前嵴距離與ACL前緣距離高度相關(guān)（P＜0.001，ICC= 0.954）。ACL前嵴與ACL前緣的間距為0.56±0.68mm（－0.28～2.71
中國運(yùn)動(dòng)醫(yī)學(xué)雜志 2017年4期2017-05-03
- 半徑自適應(yīng)的初始中心點(diǎn)選擇K-medoids聚類算法
徑自適應(yīng)的初始中心點(diǎn)選擇K-medoids聚類算法王 勇，王李福，饒勤菲，鄒 輝(重慶理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，重慶 400054)針對K-medoids(K為中心點(diǎn))聚類算法對初始聚類中心敏感、聚類結(jié)果依賴于初始聚類中心的缺陷，提出一種新的半徑自適應(yīng)的初始中心點(diǎn)選擇算法。該算法在每次迭代過程中都重新根據(jù)剩余樣本點(diǎn)的分布特征計(jì)算半徑，從而實(shí)現(xiàn)動(dòng)態(tài)計(jì)算相應(yīng)樣本點(diǎn)的局部方差和領(lǐng)域半徑，選取較優(yōu)的初始聚類中心點(diǎn)，實(shí)現(xiàn)良好的聚類效果。采用不同規(guī)模的UCI數(shù)據(jù)
- 云環(huán)境下的高效K-Medoids并行算法
opy區(qū)域內(nèi)對中心點(diǎn)進(jìn)行替換，再采用優(yōu)化的準(zhǔn)則函數(shù)，最后利用順序組合MapReduce編程模型的思想實(shí)現(xiàn)了算法的并行化擴(kuò)展；實(shí)驗(yàn)結(jié)果表明，該改進(jìn)算法與傳統(tǒng)算法相比對初始中心的依賴降低，提高了聚類的準(zhǔn)確性，減少了聚類的迭代次數(shù)，降低了聚類的時(shí)間。云環(huán)境；K-Medoids聚類；Canopy算法；最大最小原則；MapReduce0 引言隨著數(shù)據(jù)規(guī)模的爆炸性增長，傳統(tǒng)的數(shù)據(jù)挖掘工作在處理大規(guī)模數(shù)據(jù)時(shí)會(huì)出現(xiàn)用時(shí)過長、存儲(chǔ)量不足等缺點(diǎn)。云計(jì)算的提出將這些問題迎刃而解
計(jì)算機(jī)測量與控制 2016年12期2017-01-16
- 基于影響空間的初始中心點(diǎn)優(yōu)化K-means聚類算法
影響空間的初始中心點(diǎn)優(yōu)化K-means聚類算法趙文沖，蔡江輝，張繼福(太原科技大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，太原 030024)針對K-means聚類算法依賴初始點(diǎn)、聚類結(jié)果受初始點(diǎn)的選取影響較大的缺陷，給出了一種穩(wěn)定的基于影響空間的初始點(diǎn)優(yōu)化K-means聚類算法。該算法借助了影響空間數(shù)據(jù)結(jié)構(gòu)和定義的加權(quán)距離吸引因子，將特殊中心點(diǎn)合并為K個(gè)微簇，并對微簇中的數(shù)據(jù)點(diǎn)加權(quán)平均得到K個(gè)初始中心點(diǎn)，然后執(zhí)行K-means算法；最后，理論分析和實(shí)驗(yàn)結(jié)果表明，該初始點(diǎn)
太原科技大學(xué)學(xué)報(bào) 2016年5期2016-11-14
- 六邊形暈斑圖等離子體參數(shù)的光譜測量
電中，研究了由中心點(diǎn)和六邊形暈組成的六邊形暈斑圖。從照片中觀察六邊形暈斑圖結(jié)構(gòu)，發(fā)現(xiàn)中心點(diǎn)和六邊形暈的亮度有明顯的差異，說明中心點(diǎn)和六邊形暈可能處的等離子體狀態(tài)不同。利用發(fā)射光譜法，詳細(xì)研究了該六邊形暈斑圖結(jié)構(gòu)的中心點(diǎn)和六邊形暈的等離子體參數(shù)隨壓強(qiáng)的變化關(guān)系。實(shí)驗(yàn)根據(jù)氮分子第二正帶系(C3Πu→B3Πg)譜線計(jì)算了中心點(diǎn)和六邊形暈的分子振動(dòng)溫度； 通過氮分子離子(391.4nm) 與氮分子(394.1nm)譜線強(qiáng)度比，反映中心點(diǎn)和六邊形暈的電子平均能量；
光譜學(xué)與光譜分析 2016年6期2016-07-12
- 介質(zhì)阻擋放電中超四邊斑圖沿面放電的光譜研究
面放電，它是由中心點(diǎn)和暗點(diǎn)組成的。通過觀察普通相機(jī)的斑圖照片，可以發(fā)現(xiàn)中心點(diǎn)位于周圍四個(gè)暗點(diǎn)的中心處。利用高速錄像機(jī)對斑圖進(jìn)行短曝光拍攝，觀察發(fā)現(xiàn)中心點(diǎn)對應(yīng)體放電，暗點(diǎn)對應(yīng)沿面放電，暗點(diǎn)由這些沿面放電形成。中心點(diǎn)和暗點(diǎn)的亮度有所不同，這說明中心點(diǎn)和暗點(diǎn)的等離子體狀態(tài)可能不同。采用發(fā)射光譜法，研究了超四邊斑圖沿面放電的的中心點(diǎn)和暗點(diǎn)的等離子體參量隨氬氣含量的變化趨勢。利用氮分子第二正帶系(C3Πu→B3Πg)發(fā)射譜線，計(jì)算得出了中心點(diǎn)和暗點(diǎn)的分子振動(dòng)溫度；
光譜學(xué)與光譜分析 2016年2期2016-06-15
- 根軌跡的中心點(diǎn)研究
摘要：根軌跡的中心點(diǎn)性質(zhì)確定了根軌跡中心點(diǎn)的坐標(biāo)。本文給出了根軌跡中心點(diǎn)性質(zhì)的新證明方法。首先，證明了當(dāng)被控對象的傳遞函數(shù)為嚴(yán)真時(shí)，根軌跡存在漸近線；然后，計(jì)算了根軌跡漸近線的傾斜角；最后，通過建立漸近線的矢量方程，確定了根軌跡的中心點(diǎn)坐標(biāo)。與傳統(tǒng)的證明方法相比，本文提出的證明方法具有明確的幾何意義。關(guān)鍵詞：根軌跡；中心點(diǎn)；矢量方程中圖分類號：G642.4 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-9324（2016）13-0211-03一、引言根軌跡法是一種基
教育教學(xué)論壇 2016年13期2016-05-30
- 梨核的故事
己是所有東西的中心點(diǎn)。一次，梨核對梨皮和梨肉說：“我是你們的中心點(diǎn)，你們要聽我的。”梨皮梨肉異口同聲地說：“憑什么我們要聽你的?！薄耙?yàn)槲沂悄銈兊?span id="j5i0abt0b" class="hl">中心點(diǎn)?！崩婧俗孕艥M滿地說。后來，梨皮梨肉不再理梨核，讓梨核自己一邊去。有一天，一只巨大的手臂把梨從冰柜里拿出來，讓梨所有的部分嚇?biāo)懒?。只有梨核故作?zhèn)定地說：“害……害怕什么?！薄澳悴缓ε聠?？自己被嚇得連話都說不好了。”梨肉說?！罢l說的，我才不害怕呢！”梨核狡辯到。突然有水嘩嘩地流了下來。梨皮說：“我要去游個(gè)泳，
青少年日記·小學(xué)生版 2016年3期2016-05-30
- 農(nóng)田視覺導(dǎo)航基準(zhǔn)線的識(shí)別與提取方法研究
去噪后的圖像的中心點(diǎn)，確定導(dǎo)航中心點(diǎn)位置。基于中心點(diǎn)的分布規(guī)律，將圖像中識(shí)別出的中心點(diǎn)進(jìn)行篩選，得到有效的導(dǎo)航基準(zhǔn)中心點(diǎn)，使用改進(jìn)霍夫變換與最小二乘法相結(jié)合的方法提取導(dǎo)航基準(zhǔn)線。本文方法能夠準(zhǔn)確地識(shí)別和提取導(dǎo)航基準(zhǔn)線，實(shí)驗(yàn)證明了該方法的有效性和實(shí)時(shí)性。關(guān)鍵詞：農(nóng)作物；中心點(diǎn)；導(dǎo)航基準(zhǔn)線0引言“精確農(nóng)業(yè)”技術(shù)已被國際農(nóng)業(yè)科技界認(rèn)為是21世紀(jì)實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的先導(dǎo)性技術(shù)之一[1]。農(nóng)業(yè)自動(dòng)化裝備的自動(dòng)導(dǎo)航技術(shù)是現(xiàn)代智能農(nóng)業(yè)機(jī)械的一個(gè)重要組成部分。視覺方法是近
農(nóng)機(jī)化研究 2016年7期2016-03-23
- 變壓器接地保護(hù)影響和技術(shù)措施分析
，分析了變壓器中心點(diǎn)單項(xiàng)接地的影響，闡述了變壓器接地電阻值過大的影響，提供了從技術(shù)和施工兩個(gè)環(huán)節(jié)做好變壓器接地保護(hù)的措施和要點(diǎn)，希望為穩(wěn)定變壓器接地保護(hù)功能，建立變壓器接地保護(hù)體系，制定變壓器接地保護(hù)措施，實(shí)現(xiàn)變壓器接地保護(hù)安全有所借鑒和啟發(fā)。關(guān)鍵詞：變壓器；接地保護(hù)；中心點(diǎn)；單項(xiàng)短路；接地電阻；技術(shù)；施工1 前言在經(jīng)濟(jì)和社會(huì)迅猛發(fā)展的今天，電力的供應(yīng)和安全成為全社會(huì)和電力行業(yè)的關(guān)注要點(diǎn)，隨著電力網(wǎng)系統(tǒng)的復(fù)雜和承載負(fù)擔(dān)的增加，實(shí)現(xiàn)電力穩(wěn)定和運(yùn)行安全的難度越
中國新技術(shù)新產(chǎn)品 2015年2期2015-07-31
- CT系統(tǒng)MT F自適應(yīng)測量方法
檢測點(diǎn)擴(kuò)展區(qū)域中心點(diǎn)位置，可避免手動(dòng)選點(diǎn)的隨意性及噪聲對最大CT值的影響。方法 根據(jù)點(diǎn)擴(kuò)展區(qū)域是圓形的特征，通過圖像處理方法分割出圓形區(qū)域，再利用數(shù)學(xué)變換的方法找出中心點(diǎn)位置，繪制MTF曲線。結(jié)果 自動(dòng)檢測中心點(diǎn)位置的方法簡化了CT系統(tǒng)評估的檢測流程，得到了正確、穩(wěn)定的中心點(diǎn)位置，并測得了統(tǒng)一的MTF曲線。結(jié)論 本文提出的MTF自適應(yīng)測量方法準(zhǔn)確有效，為CT系統(tǒng)評估帶來了方便。CT機(jī)；調(diào)制傳遞函數(shù)；空間分辨率；CT系統(tǒng)評估0 前言調(diào)制傳遞函數(shù)（Modula
中國醫(yī)療設(shè)備 2015年1期2015-06-01
- 古塔變形量的分析與研究
第十三層各層的中心點(diǎn)坐標(biāo)，本研究利用SPSS軟件分別對第一層至第十二層的第五號測量點(diǎn)的橫坐標(biāo)、縱坐標(biāo)、豎坐標(biāo)分別進(jìn)行擬合，并預(yù)測出第十三層第五號測量點(diǎn)的測量數(shù)據(jù)。首先，利用SPSS軟件所提供的十一種模型對所給數(shù)據(jù)進(jìn)行初步分析，發(fā)現(xiàn)對于橫坐標(biāo)和縱坐標(biāo)，二次模型效果最好；對于豎坐標(biāo)，立方模型效果最好。以1986年數(shù)據(jù)為例：擬合優(yōu)度（調(diào)整R方） 分別為 0.979，0.995，1.000， 顯著性檢驗(yàn)值（Sig．）均為 0。經(jīng)過計(jì)算，1986 年和 1996 年
重慶電子工程職業(yè)學(xué)院學(xué)報(bào) 2014年1期2014-05-05
- 輪形圖K1∨Cn和扇形圖K1∨Pn的解析
1，輪形圖G的中心點(diǎn)v0與圈中所有點(diǎn)都相連，所以去掉圈上的點(diǎn)，最后包含v0的子圖要么是C3要么是P3（此時(shí)v0為中間頂點(diǎn)），所以相對于中心點(diǎn)v0的鏈的數(shù)目a(G,v0)。由對稱性，圈上所有頂點(diǎn)的鏈的數(shù)目都相等?，F(xiàn)取v為圈上一個(gè)頂點(diǎn)，設(shè)在關(guān)于頂點(diǎn)v的鏈中v0排在第m位，由于頂點(diǎn)v的每一個(gè)鏈必含有v0，故現(xiàn)對m進(jìn)行分類來計(jì)算G中相對于v的鏈的數(shù)目。1)m=1中心點(diǎn)v0在鏈的第一位，即首先去掉v0剩余是Cn。在Cn中相對于每個(gè)點(diǎn)的鏈數(shù)目是相等的，由命題 1，得所
商洛學(xué)院學(xué)報(bào) 2013年2期2013-09-16
- 基于劃分的聚類分析算法的改進(jìn)
。1.3 K-中心點(diǎn)輪換算法K-平均算法在計(jì)算簇內(nèi)平均值時(shí)很容易被 “噪聲”和孤立點(diǎn)所影響。為了改進(jìn)這個(gè)缺點(diǎn)，可以采用用簇中位置最中心的點(diǎn)（中心點(diǎn)）來取代K-平均算法中簇中點(diǎn)的平均值。這種劃分方法仍然是基于最小化所有點(diǎn)與其參照點(diǎn)之間的相異度(如常采用歐氏距離來度量)之和的原則來執(zhí)行的。K-中心點(diǎn)輪換算法(K-mediods)是以k為輸入?yún)?shù)，試圖以窮舉的方式重復(fù)地使用目標(biāo)函數(shù)值更小的對象來代替當(dāng)前的中心點(diǎn)，從而將n個(gè)對象分為k個(gè)簇。具體的算法過程描述如下：
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2012年18期2012-08-15
- 基于改進(jìn)聚類算法的傳感器非線性數(shù)據(jù)擬合研究*
的關(guān)鍵點(diǎn)(聚類中心點(diǎn))，本文對差動(dòng)式結(jié)構(gòu)的雙線圈脈沖電渦流傳感器的輸出電壓與位移之間存在非線性問題，提出了一種改進(jìn)的模糊C－均值曲線擬合算法，通過輸出電壓來估計(jì)位移量。該方法利用改進(jìn)的粒子群優(yōu)化算法對聚類中心點(diǎn)初始化，其中在改進(jìn)的粒子群優(yōu)化算法中主要采用Logistic混沌映射式產(chǎn)生混沌初始粒子建立種群，解決了以往模糊C－均值算法容易陷入局部最優(yōu)的問題。該方法算法簡單、精度高、可靠性好、應(yīng)用方便，有效的減少了單片機(jī)內(nèi)存的占用空間，并提高了電渦流位移傳感器的
傳感技術(shù)學(xué)報(bào) 2012年6期2012-06-12
- 一種新的邊界跟蹤算法
蹤算法。通過對中心點(diǎn)周圍里層點(diǎn)和外層點(diǎn)分別進(jìn)行搜索，然后把里層點(diǎn)和上一層中心點(diǎn)的外層點(diǎn)合并，并將并集中的點(diǎn)分別作為下一步搜索的中心點(diǎn)，循環(huán)向下搜索。同時(shí)充分考慮了起始中心點(diǎn)單向搜索的情況，并在一次搜索過程中完成了對斷點(diǎn)的補(bǔ)齊工作，從而彌補(bǔ)了“記憶爬蟲”法和八鄰域法在跟蹤分支、斷點(diǎn)和“厚”邊緣過程中存在的不足。實(shí)驗(yàn)證明該方法效果較好。區(qū)域生長；邊界跟蹤；爬蟲；八鄰域區(qū)域的邊緣為圖像中灰度變化劇烈的地方，它含有豐富的信息。邊緣描述了圖像中所包含物體的輪廓，表達(dá)
圖學(xué)學(xué)報(bào) 2011年3期2011-07-31
- 基于最小聚類求解k-means問題算法
空間中選取k個(gè)中心點(diǎn)，使P中點(diǎn)與其距離最近的中心點(diǎn)的距離平方和最小。形式化描述為實(shí)例：點(diǎn)集 P ∈Rd，正整數(shù)k∈Z+。k-means問題相當(dāng)于在d維空間中計(jì)算k個(gè)中心點(diǎn)，以中心點(diǎn)為核心將給定點(diǎn)集P劃分為k個(gè)子集，優(yōu)化目標(biāo)為給定點(diǎn)到其所屬子集中心點(diǎn)的距離平方和最小。該問題是NP-Hard問題[1]。其教科書算法為Lloyd給出的啟發(fā)式算法[2,3]，Lloyd算法簡單而容易實(shí)現(xiàn)，但運(yùn)行結(jié)果依賴于初始值，算法無法保證一個(gè)確切的求解近似度。Kanungo[4]
通信學(xué)報(bào) 2010年7期2010-09-18
- 基于Ｍａｔｌａｂ的Ｓｏｂｅｌ算子的指紋中心點(diǎn)定位
確定位判斷指紋中心點(diǎn)具有重要的意義。通過研究指紋中心點(diǎn)的特征，將指紋圖像的點(diǎn)方向圖以及直方圖與sobel算子結(jié)合，提出了一種新的指紋中心點(diǎn)定位方法，并在Mat-lab下進(jìn)行仿真。實(shí)驗(yàn)證明，該算法編程簡單，中心點(diǎn)的定位準(zhǔn)確，具有較高的可行性。關(guān)鍵詞：指紋；中心點(diǎn)；Matlab；Sobel算子中圖分類號：TP391文獻(xiàn)標(biāo)識(shí)碼：B文章編號：1004—373X(2009)08—079—02
現(xiàn)代電子技術(shù) 2009年8期2009-06-25