检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

单木生长模型边缘误差的传播规律

林业科学研究 1994年第1期7卷 1-6页

作者：张守攻中国林业科学研究院林业研究所

研究提出了生长模拟保护带应由边缘效应带和误差阻尼带两部分构成。边缘效应带的宽度等于林分平均优势木影响圈半径的２倍，阻尼带的宽度可根据模拟分期数和模拟精度估计。样地边缘误差呈衰减趋势由外向内逐级传播，各环带中树木竞争指... 详细信息

研究提出了生长模拟保护带应由边缘效应带和误差阻尼带两部分构成。边缘效应带的宽度等于林分平均优势木影响圈半径的２倍，阻尼带的宽度可根据模拟分期数和模拟精度估计。样地边缘误差呈衰减趋势由外向内逐级传播，各环带中树木竞争指数的系统误差，可根据其与样地边缘的距离近似估计。利用生长模型一般形式推导出了竞争指数相对误差与生长模拟相对误差的转换函数，证明由边缘效应造成的不同位置树木生长模拟系统误差是可估的。该研究为单水生长模型生长模拟保护带宽度的确定提供了理论依据和实用的估计方法。

关键词：单木生长模型边缘误差林分动态

在线全文

学校读者我要写书评

暂无评论

逼近散乱数据的矩形网格边缘误差的减小研究

机械设计与研究 2011年第1期27卷 10-12页

作者：张伟曾立赵明岩中国计量学院机电工程学院杭州310018 浙江大学城市学院工程学院杭州310015

基于SOFM神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差。为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点... 详细信息

基于SOFM神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差。为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点集,对矩形网格模型中的所有神经元进行整体训练;第2步采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对矩形网格模型中的网格边界角点神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到提高并覆盖数据点集整体分布范围。

关键词：逆向工程矩形网格神经网络边缘误差散乱数据

在线全文

学校读者我要写书评

暂无评论

逼近点云的三角形网格的边缘误差减小研究

计算机工程与应用 2011年第35期47卷 196-198页

作者：张伟曾立檀中强中国计量学院机电工程学院杭州310018 浙江大学城市学院工程学院杭州310015

基于SOFM神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在边缘误差。为减小三角形网格的边缘误差,改进了三角形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点云,对三角形网格模... 详细信息

基于SOFM神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在边缘误差。为减小三角形网格的边缘误差,改进了三角形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;第2步采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对与边界角点匹配最佳的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到提高并覆盖散乱点云整体分布范围。

关键词：逆向工程三角形网格神经网络边缘误差散乱点云

在线全文

学校读者我要写书评

暂无评论

基于超声波传感器的车位边缘误差分析及补偿

上海汽车 2019年第8期 37-42页

作者：苏松恺上海汽车集团股份有限公司技术中心

针对基于超声波传感器的车位边缘误差问题,文章对测试数据进行了统计分析,研究了间距、车速及传感器偏向角等几个关键因素对车位边缘误差的影响;在实车传感器偏向角固定的前提下,建立了基于间距、车速等因子的车位边缘精度补偿模型。试... 详细信息

针对基于超声波传感器的车位边缘误差问题,文章对测试数据进行了统计分析,研究了间距、车速及传感器偏向角等几个关键因素对车位边缘误差的影响;在实车传感器偏向角固定的前提下,建立了基于间距、车速等因子的车位边缘精度补偿模型。试验结果表明,该模型涵盖了影响车位边缘误差的主要因子,补偿策略有效提升了车位边缘定位的精度。

关键词：自动泊车超声波传感器车位空间边缘误差补偿

Fourier变换轮廓术中采用Gerchberg叠代消除边缘误差

在线全文

学校读者我要写书评

暂无评论

西北师范大学学报（自然科学版） 2002年第1期38卷 103-105页

作者：康小平叶尔肯.加琼州大学物理系海南五指山572200 阿勒泰电视大学新疆阿勒泰836500

运用Gerchberg叠代方法 ,对采集的不满场条纹进行外插处理 ,直到变形条纹的傅里叶频谱的能量集中在正负一基频周围 ,消除两基频的相互混叠 .计算机模拟证实。

关键词： Fourier变换轮廓术 Gerchberg叠代测量精度边缘误差计算机模拟图像处理

在线全文

学校读者我要写书评

暂无评论

二维快速傅里叶变换干涉图相位提取误差分析

中国激光 2013年第3期40卷 179-184页

作者：张敏唐锋王向朝戴凤钊中国科学院上海光学精密机械研究所信息光学与光电技术实验室上海201800 中国科学院大学北京100049

基于ZYGO干涉仪实测干涉图,利用二维快速傅里叶变换(FFT)法进行相位提取,并与相移干涉相位测量结果进行比对,对影响FFT法相位提取精度的边缘误差、窗函数、滤波器设计、干涉图延拓以及载波条纹数等因素进行了综合分析。结果表明直接二维... 详细信息

基于ZYGO干涉仪实测干涉图,利用二维快速傅里叶变换(FFT)法进行相位提取,并与相移干涉相位测量结果进行比对,对影响FFT法相位提取精度的边缘误差、窗函数、滤波器设计、干涉图延拓以及载波条纹数等因素进行了综合分析。结果表明直接二维FFT法干涉图边缘0.05R环形区域的相位提取误差最大,且决定了全局误差的大小。窗函数对边缘误差改善不明显,优化滤波器设计对边缘误差有一定改善。干涉图延拓能有效减小边缘误差,对于连续光学面检测而言是提高二维FFT法相位提取精度的最佳方法。干涉图载波频率为干涉图空间分辨率的1/13～1/3时均能得到较准确的测量结果,相位提取误差峰谷值(PV)可优于λ/20;载波频率越高,细节分辨能力越强。

关键词：测量干涉图相位提取二维快速傅里叶变换边缘误差干涉图延拓

在线全文

学校读者我要写书评

暂无评论

提高无人机倾斜矿山测量精度的方法研究

山西冶金 2023年第6期46卷 136-137,156页

作者：刘小龙晋能控股煤业集团麻家梁煤业公司山西朔州036000

无人机倾斜测量可通过搭载多个镜头进行图像的拍摄,依据生成的三维模型进行矿山测量。依据对矿山测量的模型,对其决定误差及相对误差进行分析,得到测量距离是影响测量精度的重要因素;采用方格网法进行无人机测量,并对数据分析可知网格... 详细信息

无人机倾斜测量可通过搭载多个镜头进行图像的拍摄,依据生成的三维模型进行矿山测量。依据对矿山测量的模型,对其决定误差及相对误差进行分析,得到测量距离是影响测量精度的重要因素;采用方格网法进行无人机测量,并对数据分析可知网格的边缘误差是造成测量误差的主要因素。由此,采用无人机进行矿山测量,采用网格法减小测量的距离,并尽量划分规整的网格,减小边缘误差,可提高无人机测量的精度。

关键词：无人机倾斜测量矿山测量误差精度边缘误差

在线全文

学校读者我要写书评

暂无评论

逼近散乱点云数据的三角形网格精确剖分

图学学报 2014年第2期35卷 188-194页

作者：张伟中国计量学院机电工程学院浙江杭州310018

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在逼近误差和边缘误差。为减小三角形网格的逼近误差和边缘误差,构建了精确逼近的三角形网格模型。首先采用整个测量点云,对... 详细信息

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在逼近误差和边缘误差。为减小三角形网格的逼近误差和边缘误差,构建了精确逼近的三角形网格模型。首先采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练。算例表明,应用该模型,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围。

关键词：逆向工程三角形网格神经网络逼近误差边缘误差散乱点云

在线全文

学校读者我要写书评

暂无评论

精确逼近密集散乱点数据的矩形网格

现代制造工程 2013年第1期 31-37页

作者：张伟陈颖中国计量学院机电工程学院杭州310018

基于自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成双有序点列,但该模型存在矩形网格的逼近误差和边缘误差。为减小矩形网格的逼近误差和边缘误差,改进了矩形网... 详细信息

基于自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成双有序点列,但该模型存在矩形网格的逼近误差和边缘误差。为减小矩形网格的逼近误差和边缘误差,改进了矩形网格模型的训练模式。首先采用整个测量点集对矩形网格模型中的所有神经元进行整体训练;然后对矩形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到大幅提高并覆盖散乱数据点集整体分布范围。

关键词：逆向工程矩形网格神经网络逼近误差边缘误差散乱点数据