共查询到20条相似文献，搜索用时 78 毫秒
1.
为了提高不规则三角网的构网效率,提出一种改进算法,该算法执行效率高,构网速度快,实现较简单,并用VC 6.0编程语言对算法进行实现,最后用实验数据对算法进行了测试。 相似文献
2.
3.
4.
地形建模中不规则三角网构建的优化算法研究 总被引：5，自引：0，他引：5
对利用数字线划图（DLG）重建地形三维模型进行了研究，提出了基于三角形拓扑关系的自动联结三角网算法，并构造了复杂地形的三维数据模型。基于此模型，设计实现了构网优化算法，实现了复杂地形的自动三维重建。试验证明，本文提出的构网优化算法是稳健、高效的。 相似文献
5.
6.
7.
为解决球面Delaunay构网中的拼接问题,顾及球面数据的位置特点,提出了利用透视投影模型将球面构网整体平面化的算法,其核心是置投影中心于球面,通过球面位置（x、y与z坐标）共同约束,进而构成球面与投影平面位置间的一一映射。实验结果表明,此算法具有有效性及通用性,其时间复杂度取决于所采用的平面Delaunay三角网构建算法。 相似文献
8.
分析常规三角网生长算法的优缺点,提出点角概念,在生成Delaunay三角形的过程中,逐步缩小离散点的搜索范围,克服常规算法时间效率低的缺点。构网过程中,完全遵守Delaunay三角网的剖分准则,验证算法的稳定性和高效性。 相似文献
9.
10.
11.
为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。 相似文献
12.
阐述了GIS网络分析中不确定性选址问题的基本模型及特性。从问题的定义可知其为NP完备类问题。推导了最优解在紧条件的下界算法,并结合广义Powell算法及遗传算法,提出了不确定性选址问题的混合遗传算法,实验证明,在最优解的品质和收敛速度上都达到了比较好的效果。同时,实验的结果从另一个角度证明,如果兼顾收敛速度和解的品质这两个指标,单纯的遗传算法未必比其他搜索算法更优越,采用一些局部搜索性能较好的算法结合遗传算法,可以从两方面改善求解效果。 相似文献
13.
针对传统BP神经网络收敛速度慢、易陷入局部最优和遗传算法优化BP神经网络(GA-BP)算法过早收敛的问题,提出了遗传模拟退火算法优化BP神经网络(GSA-BP)算法. 在遗传算法(GA)的种群更新中加入模拟退火算法(SA),保留种群的多样性. 用GSA-BP算法对某地区进行高程异常拟合,并与BP算法和GA-BP算法结果进行比较. 结果显示:GSA-BP算法精度可分别提高约51%、25%,速度提高约77%、39%,且能基本满足四等水准测量精度要求. 该方法在GPS高程拟合中具有可行性. 相似文献
14.
15.
遗传算法具有较好的全局收敛性,蚁群算法具有较好的正反馈性,结合二者的优点,对混合算法进行了研究。定义了自适应交叉率和变异率,用遗传算法得到的一组最优解初始化蚁群算法初始状态下信息素的浓度,结合2-opt算法对结果进行优化,得到最优的物流车辆配送方案。实验验证了将混合算法运用于单配送中心车辆路径问题的有效性。 相似文献
16.
针对标准粒子滤波算法中存在的计算量大和粒子的权值退化的缺陷,将均值漂移算法和PF算法进行融合,设计基于均值漂移搜索算法的粒子滤波新算法。该算法仍遵从粒子滤波算法的计算框架,基本原理是利用MS算法对粒子的聚类作用,将均值漂移思想融合到粒子滤波算法的重要性采样过程中,对粒子集进行确定性搜索,使每个粒子收敛于局部最优值,这样粒子的状态表示更接近真实的状态分布,因此只需较少的粒子数便可达到未嵌入MS的使用大量粒子数的粒子滤波状态估计的性能,从而在缓解粒子的权值退化的同时提高粒子滤波算法的实时性。大量的数值试验和对GPS/DR组合导航数据处理的结果验证了该方法的有效性。 相似文献
17.
讨论了建立约束Delaunay三角网算法的研究现状,采用“逐点插入法”和“多对角线交换算法”构成“两步法”,在此基础上,从建立高精度三角网模型的需求出发,研究以大数据量等高线为约束边进行Delaunay三角剖分的改进算法。针对“逐点插入法”,采用网格分块的方法对构网点集和已生成的三角网建立索引,提高了点的查询速度和点在三角网中的定位速度,提高了三角网的生成效率;针对“多对角线交换算法”,增加了一些特殊情况的处理,提高了算法的健壮性和交换速度。 相似文献
18.
针对传统超宽带（UWB）室内定位中非线性跟踪问题,基于当前统计（CS）模型和容积卡尔曼滤波（CKF）,本文提出了一种新的定位算法。即采用奇异值分解（SVD）代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器（SCKF）。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型（MCS）,实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法（CS-KF）和CS模型-SCKF算法（CS-SCKF）,提高了UWB室内定位的定位精度。 相似文献
19.
一种针对激光雷达强度图像的滤波算法研究 总被引：5，自引：1，他引：5
基于激光雷达数据的特点．提出了一种融合的中值滤波算法。运用此算法和传统的中值滤波算法以及均值算法对激光雷达数据进行了处理，并且使用多种指标对处理的结果进行了比较，证明本算法既保持了传统中值滤波的优点，又改进了对弱边缘目标的保护。 相似文献
20.
利用A-AKAZE算法进行喀斯特地区无人机影像匹配 总被引：1，自引：1，他引：0
喀斯特地区地形复杂,无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率,本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟;然后利用AKAZE算法对模拟影像进行特征点提取和描述,并获得原始影像的特征点和描述符;最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配,进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究,并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明,对喀斯特地区无人机影像匹配而言,与ASIFT算法相比,在保持相当匹配正确率的情况下,基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右,可以较大幅度地减少匹配总耗时;与AKAZE算法相比,基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数,本文算法优于AKAZE和ASIFT等常用算法,更适合于喀斯特地区的无人机影像匹配。 相似文献