一种基于BFGS修正的正态分布变换点云配准方法

点云配准是点云数据处理中的关键问题,针对原始正态分布变换算法求解Hessian矩阵时间复杂度高的问题,本文提出一种基于BFGS算法修正的正态分布变换点云的配准方法。通过利用目标函数的梯度值及增量参数更新正定矩阵,以正定矩阵近似代替Hessian矩阵的逆矩阵,确保算法每次迭代方向均为函数值下降方向,降低了算法的时间复杂度;通过模拟数据试验及实测数据试验,验证了本文算法的可行性,其在保持原始正态分布变换算法精度的前提下,提高了算法的配准效率。     

一种Dijkstra算法改进方法的研究与实现

从路径冗余角度研究了传统Dijkstra算法中的“交会路径”和“循环路径”问题,并针对上述问题提出了一种Dijkstra算法改进方法.该方法优化了路径搜索空间,降低了原算法的时间复杂度和空间复杂度,提高了算法的运行效率.最后,通过实验对该改进算法进行了验证.     

一种基于N-FINDR的优化端元提取算法

N-FINDR算法是一种广泛应用的端元提取算法。由于N-FINDR算法时间复杂度高导致此算法运行时间长,相关学者提出了迭代N-FINDR算法(IN-FINDR)。基于IN-FINDR算法及凸体几何性质,提出了一种候选像元迭代N-FINDR算法(CIN-FINDR)。实验结果表明,该算法时间复杂度较小,效率更高。     

二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。     

道路网stroke生成问题的形式化表达与新算法

首先,将道路网stroke生成问题形式化表达为聚类问题;然后,在该表达下提出了基于层次聚类思想的stroke生成算法,并进行了算法的时间复杂度分析和算法特性分析。最后,用深圳市1∶5万道路网对该算法进行了验证。     

基于混合像元空间与谱间相关性模型的NMF线性盲解混

基于相关性分析的高光谱解混算法,通常缺少对高光谱图像空间和光谱相关性特征的综合分析与利用,或对于先验知识的依赖程度较高。本文提出一种基于混合像元空间与谱间相关性模型的NMF线性盲解混算法。具体包括：通过改进马尔科夫随机场（MRF）模型,建立相邻像元间的空间相关模型;利用复杂度映射技术,建立相邻波段间的光谱相关模型;在NMF目标函数外部和内部分别引入上述两种模型,作为盲解混算法的约束条件。试验结果表明,该算法相对于区域相关的NMF解混算法（ACBNMF）、最小化光谱相关度约束的NMF方法（MSCCNMF）和最小体积约束的非负矩阵分解（MVCNMF）等代表性NMF解混参考算法,解混精度有所提高;同时,降低了对于先验知识的依赖程度,拓宽了适用范围。     

城市公交线路快速查询实现

介绍了公交换乘查询的普通算法,在此基础上详细介绍了如何对该算法进行改进,并比较了二者所需的时间复杂度,得出后者比前者查询效率大大提高,最后将改进算法运用到公交查询系统中。     

基于矩阵乘法的可压缩门限图像共享方案

基于矩阵乘法秘密共享思想,提出了一种新的可压缩的图像秘密共享方案.本方案利用可压缩矩阵乘法算法直接生成影子图像,有效地克服了秘密图像需进行置乱预处理的缺陷,并且方案的复杂度较低.本方案生成的影子图像仅为原秘密图像的1/t,有效地压缩了影子图像的尺寸.     

一种基于Dijkstra并行线程算法的研究与实现

针对传统Dijkstra算法运行效率的问题,提出了一种基于传统Dijkstra并行线程的算法,该算法动态地将交通网络进行子网分割。通过实验测试了不同网络节点数量和弧段数量下传统Dijkstra算法和本文算法运行时间,实验结果表明本文算法能够缩减网络节点搜索空间,降低算法的时间复杂度,提高算法的运行效率。     

K均值聚类算法的研究与并行化改进

K均值算法是一种常用的聚类分析方法,广泛应用于图像处理和机器学习等领域。但该算法具有较高的计算复杂度,导致了算法具有较大的局限性。为了提高算法的运行效率,本文在深入分析算法基本原理的基础上,利用CUDA架构提供的强大计算能力对该算法进行了并行化改进。实验结果表明,算法在取不同的聚类数时均取得了较高的加速比。     

基于布尔矩阵的空间关联规则提取方法研究

空间关联规则是空间数据挖掘(SDM)中的重要内容之一。由于空间数据的复杂性,传统的空间关联规则挖掘方法主要是将空间数据库变换为非空间数据库,通过挖掘算法挖掘空间关联规则。目前,Apriori算法是关联规则挖掘中使用最为普遍的算法,但是,由于该算法在关联规则提取过程中需要多次扫描数据库,并且产生冗余的候选项集,因此,在执行大型数据库的关联规则挖掘时,具有效率低下的缺陷。本文基于Apriori算法提出了基于布尔矩阵的空间关联规则挖掘算法,并以挖掘福建省厦门市土地覆盖现状与地形特征因子的空间关联关系作为试验案例,对比Apriori算法的提取结果与提取效率,结果表明:该算法不仅减少了扫描数据库的次数,而且减少了冗余候选项集的产生,提高了空间关联规则的提取效率。     

基于显著性图像与纹理特征的遥感影像云检测

遥感影像云检测是遥感影像处理中非常关键的环节,准确识别影像含云区域能够提升影像的利用价值.根据遥感影像的成像特点,将阈值法和纹理特征结合实现云和下垫面的分割.首先将影像从RGB(red-green-blue)空间转化为HSI(hue-saturation-intensity)空间,进而构建影像的显著性图像,利用Otsu...     

测量平差中求解协因数的简化算法

本文从测量平差精度评定的求解协因数阵的过程中,寻找了一种有关协因数阵的简便算法,此算法的特点在于从已知的解法中,提炼出一种便于理解和记忆的方法,从经典的平差解答中找出规律,从而避免了去死记硬背复杂的结论。本文针对提出的简便算法,在条件平差、间接平差、附参数的条件平差和附限制条件的间接平差中通过验证,结果是正确的。     

关于Toeplitz循环矩阵的讨论

讨论了重力场理论中常用的Toeplitz循环矩阵的若干性质，给出了 Toeplitz循环矩阵的求逆公式。     

Applications of Lodrigues matrix in 3D coordinate transformation

Three transformation models (Bursa-Wolf, Molodensky, and WTUSM) are generally used between two data systems transformation. The linear models are used when the rotation angles are small; however, when the rotation angles get bigger, model errors will be produced. In this paper, we present a method with three main terms: the traditional ? rotation angles θ, φ, ψ are substituted with a,b,c which are three respective values in the anti-symmetrical or Lodrigues matrix; ? directly and accurately calculating the formula of seven parameters in any value of rotation angles; and ? a corresponding adjustment model is established. This method does not use the triangle function. Instead it uses addition, subtraction, multiplication and division, and the complexity of the equation is reduced, making the calculation easy and quick.     

空间目标方向关系的定性扩展描述

由于空间问题固有复杂性不确定性，空间关系的描述和推理普遍采用定性方法以符合人们的空间认知行为，方向关系是一类重要的空间关系，用以确写目标的方位，以往的方向关系描述模型通常将空间目标作为一个抽象点，或者用目标的最小外接矩形表示目标，这两种方法都丰在明为不足，为了更细致，准确的描述方向方法，文章提出一种方面关系描述的分层多处理方法,在以点，线，面为参照目标的空间目标间建立方向关系描述的3层模式结构，每层模式又由基本方向关系描述，推理模型和方向关系描述，推理化模型组成，从而扩展了方向关系的描述。     

线要素化简算法的时间复杂度分析

线状要素是地图中数量最大、要素类型最多样的要素,其化简在地图自动综合中占据了重要的地位.目前对线状要素化简算法的改进、化简质量、化简精度等方面的研究较多,对线状要素化简算法的效率研究较少.此处是在兼顾化简质量的前提下研究算法效率,通过分析化简算法约束参数的特征,将线状要素化简算法分为6类,选取其中的几个典型算法,分析了其时间复杂度,并按照线状要素化简算法的时间复杂度将其分为线性算法和非线性算法两类,初步探讨了适合这两类算法的并行计算方法.     

Measurement of similarity for spatial directions between areal objects

Similarity for spatial directions plays an important role in GIS. In this paper, the conventional approaches are analyzed. Based on raster data areal objects, the authors propose two new methods for measuring similarity among spatial directions. One is to measure the similarity among spatial directions based on the features of raster data and the changes of distances between spatial objects, the other is to measure the similarity among spatial directions according to the variation of each raster cell centroid angle. The two methods overcome the complexity of measuring similarity among spatial directions with direction matrix model and solve the limitation of small changes in direction. The two methods are simple and have broader applicability.     

Applications of Lodrigues Matrix in 3D Coordinate Transformation

Three transformation models (Bursa-Wolf, Molodensky, and WTUSM) are generally used between two data systems transformation. The linear models are used when the rotation angles are small; however, when the rotation angles get bigger, model errors will be produced. In this paper, we present a method with three main terms: ① the traditional rotation angles θ , φ ,ψ are substituted with a , b, c which are three re-spective values in the anti-symmetrical or Lodrigues matrix; ② directly and accurately calculating the formula of seven parameters in any value of rotation angles; and ③ a corresponding adjustment model is established. This method does not use the triangle function. Instead it uses addition, subtraction, multiplication and division, and the complexity of the equation is reduced, making the calculation easy and quick.