最小二乘建筑物多邊形化簡與直角化

通過帶約束的delaunay三角形表達建筑物間的空間拓撲關(guān)系,提出了取建筑物間delaunay三角形的最短邊同閾值比較,實現(xiàn)了基于sds(simplicialdatastructure)模型的建筑物多邊形合并的改進算法,及根據(jù)最長邊最優(yōu)原則實現(xiàn)合并后對象的直角化處理.探討了利用直接面狀要素綜合算法進行建筑物多邊形化簡,和化簡過程中閾值及轉(zhuǎn)折點處理的不確定性帶來的綜合前后數(shù)據(jù)質(zhì)量的變化,由此提出了建筑物多邊形合并和化簡的整體平差處理模型.算例分析表明,對建筑物合并和化簡過程中的平差處理,能提高建筑物在綜合過程中的數(shù)據(jù)質(zhì)量,并能較好地保持建筑物的形態(tài)特征.

在地圖綜合中,許多建筑多邊形化簡的方法都是針對于直角多邊形的,建筑多邊形的直角化也是地圖數(shù)據(jù)在進入gis之前對數(shù)據(jù)完整性檢驗的必經(jīng)過程。本文介紹了一種利用條件極值來計算直角地物中各點坐標改正數(shù)的方法,該方法成功用于大比例綜合縮編軟件gentool,并獲得了滿意的效果。

對建筑物形變監(jiān)測數(shù)據(jù)進行分析,首次運用最小二乘配置方法,得到了建筑物平面監(jiān)測數(shù)據(jù)處理的擬合模型和預(yù)測模型,并進行了精度評定。

針對在工程實踐中,應(yīng)用單一方法預(yù)測建筑物沉降存在著局限性,提出了基于最小二乘支持向量機回歸綜合單一方法預(yù)測沉降量。該方法能綜合單一方法的特點,增強了模型的普適性,從而提高了預(yù)測精度和預(yù)報期次。文中討論了如何實現(xiàn)和運用該方法,最后通過實例驗證了其有效性。

介紹了一種城市地圖中基于建筑物矩形幾何特征的多邊形全自動綜合算法。采用delaunay三角網(wǎng)探測多邊形之間的拓撲鄰近關(guān)系，根據(jù)視覺鄰近關(guān)系聚合多邊形。采用基于分割柵格多次掃描的方法對建筑物多邊形進行化簡以及形狀優(yōu)化。

在大比例地圖綜合中,建筑多邊形的形狀化簡占有很大的比重,本文用形狀數(shù)來描述建筑多邊形的形狀,通過形狀數(shù)間的最小編輯距離在動態(tài)模板庫中匹配相似的模板,用匹配成功的模板來置換原要素而實現(xiàn)建筑多邊形的化簡。實驗證明,基于形狀數(shù)的建筑物形狀相似性匹配結(jié)果與人的視覺感知基本一致;基于形狀匹配的建筑物化簡方法具有很強的實用性。

為了研究時間序列理論中自回歸ar（p）模型，采用最小二乘方法求解模型參數(shù)時末考慮數(shù)據(jù)相關(guān)性的問題，引進總體最小二乘這種能夠處理系數(shù)矩陣和觀測矩陣同時存在偶然誤差的平差方法，將總體最小二乘平差準則用于自回歸ar（p）模型的參數(shù)解算，討論了ar（p）模型的階數(shù)p的確定方法。結(jié)合建筑物沉降數(shù)據(jù)的分析與預(yù)測結(jié)果，表明基于總體最小二乘準則的時問序列分析方法得出的模型更加準確，短期預(yù)測效果更好。

偏最小二乘回歸方法在提取主成分方面具有很好的解釋性,而且可以避免因素之間的多重相關(guān)性,提取的成分作為輸入變量再用神經(jīng)網(wǎng)絡(luò)進行預(yù)測仿真,影響因素考慮周全,不用計算工程量,計算速度快,克服了普通神經(jīng)網(wǎng)絡(luò)運算量大,樣本有限情況下易出現(xiàn)問題的弊端。

11.3多邊形及其內(nèi)角和

通過影響因素分析,確定了軟土層厚度、軟土層壓縮模量、地表硬層厚度、地表壓縮模量、路堤高度、路堤頂寬、路基填筑時間和填筑竣工時沉降量等參數(shù)對公路軟基沉降有影響。對公路軟基的觀測數(shù)據(jù)進行分析和取樣,輸入樣本為各參數(shù),輸出樣本為路堤中線下地表沉降值,利用最小二乘支持向量機的非線性映射和泛化能力,通過訓(xùn)練,建立了公路軟基沉降預(yù)測模型。研究表明,所建立的模型對公路軟基沉降進行預(yù)測具有較高的精度,同時具有很好的泛化性能。

多邊形鋪滿地面

通過帶有約束條件的最小二乘優(yōu)化模型研究企業(yè)在非合作模式下、動態(tài)下浮比例時相鄰兩批每包貨物投標報價問題,提出了每類貨物平均價及每包最優(yōu)報價的概念.將其應(yīng)用于國家電網(wǎng)電容器項目招標.結(jié)果表明:模型提高了中標率,而且具有很強的穩(wěn)健性.最后就基準價b=a_l×1(-a)計算公式提出了改進建議.

基于最小二乘支持向量機回歸的基坑變形預(yù)測——將最小二乘支持向量機回歸用于基坑變形預(yù)測．根據(jù)基坑位移的實測時間序列資料，應(yīng)用最小二乘支持向量機回歸建立了基坑位移與時間的關(guān)系模型．研究結(jié)果表明，最小二乘支持向量機回歸用于基坑變形預(yù)測，具有較高的預(yù)...

為了更好地進行原木端面識別,研究了一種基于非線性最小二乘原理的橢圓擬合算法。橢圓擬合的精度在很大程度上受初始值的影響,該方法通過對目標圖像的邊界點進行距離計算,得到了適當?shù)某跏贾?之后運用最小二乘原理,計算邊界點到擬合橢圓之間歐式距離的最小值,確定最優(yōu)擬合橢圓的長短軸參數(shù)。實驗結(jié)果表明,提出的算法在原木端面的識別中,具有良好的擬合精度和適用性。

針對最小二乘支持向量機在利用產(chǎn)生于工業(yè)現(xiàn)場的非理想數(shù)據(jù)集進行建模預(yù)測時,稀疏化模型魯棒性差的問題,提出了一種基于模糊c均值聚類和密度加權(quán)的稀疏化方法.首先通過模糊c均值聚類將訓(xùn)練樣本劃分為若干個子類;然后計算每個子類中各樣本的可能貢獻度,依次從每個子類中選取具有最大可能貢獻度的樣本作為支持向量;最后更新每個樣本的可能貢獻度,繼續(xù)從各個子集中增選支持向量,直至稀疏化后的模型性能滿足要求.仿真結(jié)果和磨機負荷實際應(yīng)用表明,該方法能夠兼顧模型在整體樣本集和各工況子集上的性能,在實現(xiàn)模型稀疏化的同時,能夠顯著改善最小二乘支持向量機模型的魯棒性.

介紹了典型的圓管變?nèi)切渭岸噙呅涡筒牡淖冃畏椒?。通過等邊三角形和等邊六邊形的設(shè)計舉例,說明該孔型設(shè)計簡便易行,思路清晰,計算準確,易于掌握。

第1頁（共4頁） 第9章《多邊形》?？碱}集（14）：9.3用正多邊形拼地板 選擇題 1．下列圖形中，不能用同一種作平面鑲嵌的是（） a．正三角形b．正方形c．正五邊形d．正六邊形 2．只用下列圖形不能進行平面鑲嵌的是（） a．正六邊形b．正五邊形c．正四邊形d．正三邊形 3．只用下列正多邊形地磚中的一種，能夠鋪滿地面的是（） a．正十邊形b．正八邊形c．正六邊形d．正五邊形 4．如圖所示，已知等邊三角形abc的邊長為1，按圖中所示的規(guī)律，用2008個這樣的三 角形鑲嵌而成的四邊形的周長是（） a．2008b．2009c．2010d．2011 5．如圖，房間地面的圖案是用大小相同的黑、白正方形鑲嵌而成．圖中第1個黑色形由 3個正方形組成，第2個黑色形由7個正方形組成，?那么組成第6個黑色形的正 方形個數(shù)是（） a．

在pcb板的生產(chǎn)過程中,為了滿足實時性檢測和快速準確定位的要求,根據(jù)pcb板的顏色特征和焊點的形狀特征,論文提出一種基于最小二乘法擬合圓的快速定位方法。首先對圖像進行校正;然后利用背景和焊點區(qū)域顏色的明顯差異,選擇其單通道顯示并進行形態(tài)學(xué)操作,從而突出顯示焊點區(qū)域;最后針對焊點輪廓為圓形這一關(guān)鍵特征,采用最小二乘法對其進行擬合,從而確定圓心和半徑。實驗測量結(jié)果表明了文中算法的的有效性。

采用最小二乘支持向量機的方法,利用現(xiàn)場測量的數(shù)據(jù),建立水泥粒度軟測量模型;通過交叉驗證方法優(yōu)化參數(shù),并用仿真實驗驗證了該方法的有效性,解決了非線性、小樣本、高維數(shù)等常規(guī)測量方法難以實現(xiàn)的問題,實現(xiàn)了水泥粒度的在線測量。

目的:提出一種快速測定布渣葉浸出物含量的新方法。方法:運用偏最小二乘法(pls)建立紫外光譜(uv)與浸出物含量測定值之間的多元校正模型,對未知樣品進行含量預(yù)測。結(jié)果:校正模型相關(guān)系數(shù)(r2)為0.9641。驗證集預(yù)測平均相對偏差為1.73%。結(jié)論:pls-uv法具有分析速度快、預(yù)測結(jié)果準確等優(yōu)點,適合對組成復(fù)雜的中藥浸出物進行快速分析,可用于布渣葉藥材浸出物的快速測定。

根據(jù)沉降數(shù)據(jù)的特性,以最小二乘支持向量機為核心技術(shù)構(gòu)建預(yù)測模型,提出了一種路基沉降預(yù)測的新方法。由于測量誤差不可避免,沉降數(shù)據(jù)通常含有噪聲,不宜直接進行擬合,因此首先采用小波分析的方法對原始沉降數(shù)據(jù)進行降噪預(yù)處理,然后饋送到最小二乘支持向量機完成沉降預(yù)測。最后用某高速公路實測數(shù)據(jù)進行了實例分析,并與bp神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進行了對比,計算結(jié)果表明,小波分析結(jié)合支持向量機的模型有較好的預(yù)測精度,將該模型應(yīng)用于公路軟基沉降預(yù)測是可行的和值得研究的。

建筑物是城市地圖中數(shù)量最多的地物，本文介紹了由多邊形頂點生成普通建筑物、棚房和暖房等三種建筑物符號的算法。