2) Minimized Euclidean distance measurement
最小欧氏距离测度
3) the regulation of the minimum summation of euclid distance
最小欧氏距离和约束
1.
According to the position similarity of corresponding points in multi images of correlation based on computer vision, a corresponding point matching rule based on “the regulation of the minimum summation of euclid distance” is presented when studying the problem of corresponding points matching from X ray images.
在研究相关视觉中的X光图像点匹配问题时,依据相关视觉中两幅图像的点具有位置相似性的特征,提出了基于“最小欧氏距离和约束”的匹配准则。
4) minimum Euclidian distance
最小欧式距离
5) Euclidean distance
欧氏距离
1.
Study on the Quality Control of Flos Chrysanthemi Indici by HPLC Chromatographic Fingerprint with Euclidean Distance;
液相指纹图谱结合欧氏距离对野菊花质量控制的研究
2.
Application study of image Euclidean distance in face recognition;
图像欧氏距离在人脸识别中的应用研究
3.
Line detection based on Euclidean distance;
基于欧氏距离的实时直线检测算法
6) Euclid distance
欧氏距离
1.
Firstly, reconstruct attractors in phase spaces using chaotic theory,Secondly fit the attractor s evolvement using BP neural networks, because selecting neural network s input training data using Euclid distance and correlation, improve neural network s associative memory and ratiocinative ability, can better fit the attractor s evolvement.
提出一种将混沌理论、关联度和神经网络相结合的短期负荷预测模型,首先利用混沌理论重构负荷时间序列的相空间吸引子,然后用BP神经网络来拟合空间吸引子的演化,由于使用空间欧氏距离和关联度联合来选取神经网络的训练样本,这样就提高了神经网络对负荷序列混沌特性的联想和泛化推理能力,能够更好的拟合吸引子的演化。
2.
Secondly,the attractor s evolvement using BP neural networks is made,and the neural network s input data using Euclid distance is selected.
提出一种将混沌时间序列和神经网络相结合的短期负荷预测方法,利用混沌理论重构相空间的吸引子,然后用BP神经网络来拟合空间吸引子的演化,同时利用空间欧氏距离来选取神经网络的输入样本,实例预测结果表明所提出方法的有效性和可行性。
3.
Because the values of Euclid distance limits used in the forecasting evidently impact the fore.
在混沌理论中,采用不同的嵌入维数计算方法所获得的维数略有不同,而在不同嵌入维数下对同一负荷时间序列进行预测的结果也不同,对此,文章提出了多嵌入维数的负荷预测方法,将不同维数下的预测结果进行加权平均;在预测过程中欧氏距离极限的取值对预测结果有很大影响,文中采用动态调整法进行选取以使预测误差最小。
补充资料：最小距离分类
按照模式与各类代表样本的距离进行模式分类的一种统计识别方法。在这种方法中，被识别模式与所属模式类别样本的距离最小。假定c 个类别代表模式的特征向量用R1,...,Rc表示,x是被识别模式的特征向量，|x-Ri|是x与Ri(i＝1,2,...,c)之间的距离，如果|x-Ri|最小，则把x分为第i类。在更复杂的情况下可以用各类的代表样本集合，而不仅仅是用一个样本作为最小距离分类的基础(见近邻法分类)。进行最小距离分类首先要为每个类别确定它的代表模式的特征向量，这是用这种方法进行分类效果好坏的关键。各类代表特征向量可以根据所研究对象的物理、化学、生物等方面的机理来确定，常用的方法是收集各类样本，用各类样本特征向量的平均向量作为各类代表模式的特征向量。其次要选择一种确定的距离度量以计算被识别模式与各类代表模式特征向量之间的距离。常用的距离有欧几里得距离、绝对值距离等。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条