导读:本文包含了加权距离论文开题报告文献综述及选题提纲参考文献，主要关键词:距离反比加权法,降雨空间插值方法,BTOPMC模型,洪水模拟
加权距离论文文献综述
马亚丽,敖天其,王汉涛[1]（2019）在《泰森多边形距离反比加权法在BTOPMC模型中的应用分析》一文中研究指出文章采用泰森多边形的距离反比加权法对BTOPMC模型的降雨空间插值方法进行改进,通过比较泰森多边形的距离反比加权法与模型原来自带的最邻近插值法在明江流域洪水过程的模拟应用结果,探讨该降雨插值方法对BTOPMC模型应用效果的影响,结果表明:在更注重对洪峰时刻及洪峰流量的模拟效果的洪水模拟中,泰森多边形的距离反比加权法优于模型自带的雨量差值方法,对洪峰流量、洪峰时刻的模拟更接近实测值。对BTOPMC模型降雨插值方法的改进,提高了BTOPMC模型洪水模拟精度,并验证了BTOPMC模型各参数具有一定的物理意义。(本文来源于《水利规划与设计》期刊2019年11期）
杨威,龙华[2]（2019）在《基于加权距离进行密度计算的聚类方法研究》一文中研究指出本文主要研究了初始聚类中心选取对于K-means算法性能的影响,并通过更好的初始化技术来增强算法性能。研究发现,在进行K-means聚类时,通过使用加权距离密度计算方法,对数据集的密度计算,使得在传统K-means聚类算法过程局部最优、簇内方差较大所带来的聚类结果不佳的缺陷得到了显着改善。实验结果表明,在使用本改进方法进行聚类时,聚类结果的簇内方差较传统方法降低了15%左右,对聚类中心的聚集性更加紧密,使算法性能得到了较好的提升。(本文来源于《数据通信》期刊2019年04期）
罗涛,冯玉田,王瑞[3]（2019）在《基于曼哈顿距离加权协同表示分类的车辆识别》一文中研究指出加权稀疏表示分类(WSRC)在声频传感器网络下的车辆识别中取得了不错的效果;但是稀疏表示分类(SRC)中实际上起较大作用的是字典中所有类的协同表示,因此协同表示分类(CRC)被提出用来提升算法效率,CRC框架还改进了残差计算方式来提高识别精度;在WSRC中发现保局性对提升识别率起到很好的作用,因此在CRC中引入加权编码,提出了声频传感器网络下基于加权协同表示分类(WCRC)的车辆识别方法,取得了明显的速度(相比WSRC、SRC)以及不错的精度(对比WSRC、CRC、SRC)提升;同时针对欧氏距离对样本相似性判断的不足,将曼哈顿距离引入加权编码,进一步地提出了基于曼哈顿距离加权协同表示分类(Manhattan-WCRC)的车辆识别方法,取得了最高的识别率,而运算速度与WCRC接近。(本文来源于《计算机测量与控制》期刊2019年08期）
晏良,段晓君,刘博文,徐琎[4]（2019）在《基于Kullback-Leibler距离离散度的加权代理模型》一文中研究指出复杂系统的仿真通常具有高维度、高计算量等特点,代理模型因其明晰的数学表达和良好的计算特性可用于逼近真实系统。加权模型对比单个代理模型来说,其稳定性和适应性更广。不同的代理模型其性能不一,根据特定指标,可以构造最优加权代理模型。基于代理模型预测分布以及Kullback-Leibler距离构造各子代理模型之间的离散度,并提出一种新的权函数构造方法。算例表明,该方法与最优子模型的精度相当,同时能提高对真实响应分布的逼近。(本文来源于《国防科技大学学报》期刊2019年03期）
曾情,首照宇,赵晖,张彤[5]（2019）在《基于局部加权距离和的多维指标融合计算方法》一文中研究指出针对高校教学评估存在多元评价主体多维评价指标难以科学评价的问题,提出一种基于局部加权距离和的多维指标融合计算方法。利用局部加权距离和数据处理方法剔除不合理评价数据,利用离差最大化将AHP所得主观权重和信息熵所得客观权重进行指标融合,将处理后的数据和指标融合权重进行融合计算获得评价值。实验结果表明,该方法在数据处理性能和时间复杂度等方面具有显着优势,实例分析验证了该方法的有效性。(本文来源于《桂林电子科技大学学报》期刊2019年03期）
马朋序,丁楠,张书毕[6]（2019）在《加权距离排序的水汽层析算法》一文中研究指出针对代数重构算法中投影顺序对迭代收敛速度及精度的影响,该文提出了基于加权距离排序的算法。该算法可以优化新选择的投影与先前所用的投影序列之间的角距离,同时能够使得投影分布均匀,从而减小相邻投影之间的相关性;同时对层析方程组按照精度高低进行分组,保证了最终解更接近于实际观测数据;并在所有的实验中使用了非负约束,使得结果符合水汽密度的非负特征。基于香港卫星定位参考站网数据的实验结果表明:加权距离排序算法能够提高代数重构算法的收敛速度与精度。(本文来源于《测绘科学》期刊2019年10期）
黄胜,宁博文,向劲松,李长萍[7]（2019）在《基于强度组合与距离加权的室内可见光定位算法研究》一文中研究指出对于室内可见光定位,非视距(NLOS)信道的能量会明显干扰接收信号强度(RSS)算法的精度。为了提高NLOS情况下的可见光定位性能,研究了NLOS传输散射功率对二维室内定位的影响。针对视距(LOS)与NLOS功率强度总和情况,提出一种接收功率强度组合与距离加权因子(I CDWF)相结合的室内定位算法。该算法将接收的功率通过数值的大小进行分组,通过RSS算法分别算出各组的估计坐标。然后引入一种以距离放大系数为基础的权重系数,最后将权重系数引入各组的坐标来得到最终的估计坐标。仿真结果表明:在所搭建的5 m×5 m×3 m室内环境中,该方案与传统RSS算法相比,在室内NLOS能量较高的区域平均误差降低了0. 23 m。(本文来源于《光通信技术》期刊2019年08期）
周克媛[8]（2019）在《基于加权欧式距离法剥线机刀架多目标拓扑优化设计》一文中研究指出基于加权欧式距离法将护套线剥线机主传动机构刀架进行多目标拓扑优化设计,建立了静态多刚度拓扑优化数学模型、模态固有频率拓扑优化数学模型和刀架多目标拓扑优化数学模型,通过有限元法对主传动机构刀架进行了优化改进,改进后其质量减少了约14.3%,提高了一阶固有频率和刀架静刚度,优化效果明显.(本文来源于《江苏建筑职业技术学院学报》期刊2019年02期）
周冲,张鹏程,刘欢,桂志国[9]（2019）在《自适应反距离加权法滤除椒盐噪声》一文中研究指出针对传统降噪算法在去除椒盐噪声的同时,不能很好地保护图像边缘结构信息的问题,改进了自适应的反距离加权插值(IDWI)滤除椒盐噪声.该算法通过自适应选择滤波窗口,通过计算待处理图像椒盐噪声密度,自适应选择反距离加权的权值系数.最后将图像噪声点处的值替换成反距离加权的插值,此插值使用所选自适应窗口内非噪声点像素值的距离加权和.实验结果表明,该算法在滤除椒盐噪声上优于其它算法,滤除噪声的同时能更好地保留图像细节、有更好的峰值信噪比,改善图像视觉效果.(本文来源于《中北大学学报(自然科学版)》期刊2019年04期）
孙锐,黄启恒,陆伟明,高隽[10]（2019）在《联合多级深度特征表示和有序加权距离融合的视频行人再识别方法》一文中研究指出针对目前视频行人再识别中存在视角、光线变化,背景干扰与遮挡,行人外观与行为相似,以及相同行人在不同模态特征下距离的差异性而导致的匹配不正确问题,提出一种联合多级深度特征表示和有序加权距离融合的视频行人再识别方法。在行人特征表示阶段,提出了行人多级深度特征表示网络,该网络不仅能学习视频序列中行人的时空特征,还能获取行人的全局外观特征和局部外观特征。在有序加权距离融合阶段,将行人的特征表示输入到距离测度学习中,分别计算行人在叁类特征下的独立距离,并将距离排序后,根据距离的排名优化距离权值,最后融合叁类距离得到最终距离,从而准确匹配行人。通过在公共数据集中的实验表明,所提方法不仅能够提高视频行人再识别的识别率,还具有丰富和完整的行人特征表示能力。(本文来源于《光学学报》期刊2019年09期）
加权距离论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要研究了初始聚类中心选取对于K-means算法性能的影响,并通过更好的初始化技术来增强算法性能。研究发现,在进行K-means聚类时,通过使用加权距离密度计算方法,对数据集的密度计算,使得在传统K-means聚类算法过程局部最优、簇内方差较大所带来的聚类结果不佳的缺陷得到了显着改善。实验结果表明,在使用本改进方法进行聚类时,聚类结果的簇内方差较传统方法降低了15%左右,对聚类中心的聚集性更加紧密,使算法性能得到了较好的提升。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
加权距离论文参考文献
[1].马亚丽,敖天其,王汉涛.泰森多边形距离反比加权法在BTOPMC模型中的应用分析[J].水利规划与设计.2019
[2].杨威,龙华.基于加权距离进行密度计算的聚类方法研究[J].数据通信.2019
[3].罗涛,冯玉田,王瑞.基于曼哈顿距离加权协同表示分类的车辆识别[J].计算机测量与控制.2019
[4].晏良,段晓君,刘博文,徐琎.基于Kullback-Leibler距离离散度的加权代理模型[J].国防科技大学学报.2019
[5].曾情,首照宇,赵晖,张彤.基于局部加权距离和的多维指标融合计算方法[J].桂林电子科技大学学报.2019
[6].马朋序,丁楠,张书毕.加权距离排序的水汽层析算法[J].测绘科学.2019
[7].黄胜,宁博文,向劲松,李长萍.基于强度组合与距离加权的室内可见光定位算法研究[J].光通信技术.2019
[8].周克媛.基于加权欧式距离法剥线机刀架多目标拓扑优化设计[J].江苏建筑职业技术学院学报.2019
[9].周冲,张鹏程,刘欢,桂志国.自适应反距离加权法滤除椒盐噪声[J].中北大学学报(自然科学版).2019
[10].孙锐,黄启恒,陆伟明,高隽.联合多级深度特征表示和有序加权距离融合的视频行人再识别方法[J].光学学报.2019