摘要： 針對(duì)真空容器微泄漏孔徑無(wú)法準(zhǔn)確識(shí)別的問(wèn)題,提出采用泄漏超聲信號(hào)特征值數(shù)據(jù)模型結(jié)合歐氏距離算法的解決方法。根據(jù)泄漏超聲信號(hào)強(qiáng)度與微泄漏孔徑的對(duì)應(yīng)關(guān)系,選用特征值建立數(shù)據(jù)模型,并利用歐氏距離算法取最小值對(duì)微泄漏孔徑進(jìn)行識(shí)別,有效避免了因泄漏超聲信號(hào)隨機(jī)性引起的誤判,提高了微泄漏孔徑識(shí)別的準(zhǔn)確率。通過(guò)多次實(shí)驗(yàn)驗(yàn)證,以泄漏超聲信號(hào)有效值和互相關(guān)有效值建立的數(shù)據(jù)模型,對(duì)微泄漏孔徑的辨識(shí)效果最好,其對(duì)微泄漏孔徑的辨識(shí)正確率高達(dá)92%以上,達(dá)到了真空容器微泄漏孔徑的檢測(cè)識(shí)別要求。

摘要： 針對(duì)當(dāng)前覆蓋率導(dǎo)向的灰盒模糊測(cè)試路徑覆蓋不均衡問(wèn)題,提出了一種融合種間熱度的灰盒模糊測(cè)試方法.首先利用路徑覆蓋反饋信息度量了種間熱度.進(jìn)一步借鑒熱傳導(dǎo)思想,設(shè)計(jì)了一種融合種間熱度的能量調(diào)控算法,動(dòng)態(tài)計(jì)算變異階段分配給每個(gè)種子的能量.最終使得各路徑被執(zhí)行次數(shù)趨于均衡,從而提高灰盒模糊測(cè)試的代碼覆蓋率.基于5個(gè)真實(shí)應(yīng)用程序與LAVA-M數(shù)據(jù)集對(duì)比了該方法與現(xiàn)有灰盒模糊測(cè)試方法,實(shí)驗(yàn)結(jié)果表明:該方法對(duì)目標(biāo)程序路徑覆蓋更為均衡,在24 h內(nèi)發(fā)現(xiàn)的路徑總數(shù)較之AFL提高28.24%,較之其他先進(jìn)模糊測(cè)試方法平均提高20.25%.

摘要： 為了克服配電混合網(wǎng)絡(luò)線路結(jié)構(gòu)的復(fù)雜性及單相接地故障區(qū)段定位通信量大的問(wèn)題,文中提出利用多點(diǎn)測(cè)量暫態(tài)相電流信息進(jìn)行故障區(qū)段定位的方法。首先將各饋線線路測(cè)量點(diǎn)采集的暫態(tài)相電流信息上傳到對(duì)應(yīng)線路的饋線終端裝置(FTU),利用快速傅里葉變換(FFT)對(duì)暫態(tài)相電流信息進(jìn)行諧波變換,得到相應(yīng)的幅值譜和相位譜;然后計(jì)算相鄰測(cè)量點(diǎn)幅值譜的歐氏距離和相位譜的余弦相似度,作為故障區(qū)段定位的數(shù)據(jù)特征,并將處理后的數(shù)據(jù)特征上傳到主站,利用局部異常因子(LOF)算法進(jìn)行分析,從而實(shí)現(xiàn)故障區(qū)段定位;最后通過(guò)PSCAD仿真實(shí)驗(yàn)表明,能夠較好地判別不同工況下的故障區(qū)段,且能適應(yīng)于分布式電源并網(wǎng)、調(diào)整中性點(diǎn)運(yùn)行方式和部分測(cè)量點(diǎn)被噪聲干擾的情況。

摘要： 鑒于傳統(tǒng)尺度不變特征變換(scale invariant feature transform,SIFT)算法特征描述子維度過(guò)高、匹配時(shí)間長(zhǎng)和誤匹配率較高的問(wèn)題,提出一種改進(jìn)SIFT的圖像特征匹配算法。首先,將SIFT特征點(diǎn)鄰域的方形區(qū)域改為十字形分區(qū)來(lái)簡(jiǎn)化特征描述子,降低描述子的維度,減少匹配計(jì)算量;然后,在由歐式距離獲取初始匹配點(diǎn)對(duì)的基礎(chǔ)上,結(jié)合余弦相似度約束條件過(guò)濾偽匹配;最后,利用漸進(jìn)一致采樣(progress sample consensus,PROSAC)算法進(jìn)一步優(yōu)化匹配結(jié)果,實(shí)現(xiàn)精準(zhǔn)匹配。實(shí)驗(yàn)結(jié)果表明,該算法在模糊、光照、仿射、尺度旋轉(zhuǎn)等變化條件下均顯著提高了正確匹配率,并縮短了匹配耗時(shí),有效提升了在復(fù)雜場(chǎng)景下的匹配性能。

摘要： 當(dāng)前方法對(duì)運(yùn)行電廠設(shè)備進(jìn)行監(jiān)測(cè)時(shí)存在監(jiān)測(cè)運(yùn)行時(shí)間長(zhǎng)、聚類效果差和監(jiān)測(cè)效果差的問(wèn)題,為此提出物聯(lián)網(wǎng)技術(shù)在電廠設(shè)備運(yùn)行監(jiān)測(cè)系統(tǒng)中的應(yīng)用方法。對(duì)電力數(shù)據(jù)的狀態(tài)進(jìn)行評(píng)估聚類,生成電廠設(shè)備狀態(tài)信息類別,基于隸屬度最大原則生成電力狀態(tài)信息集;在物聯(lián)網(wǎng)技術(shù)的基礎(chǔ)上計(jì)算節(jié)點(diǎn)間的歐氏距離,并采用橫向近似的方法分析電力情況,最終經(jīng)過(guò)對(duì)數(shù)據(jù)點(diǎn)的修正,確認(rèn)出設(shè)備的異常數(shù)據(jù)點(diǎn),實(shí)現(xiàn)電廠設(shè)備運(yùn)行監(jiān)測(cè)。實(shí)驗(yàn)結(jié)果表明,所提方法的監(jiān)測(cè)運(yùn)行時(shí)短、聚類效果好、監(jiān)測(cè)效果好,以及監(jiān)測(cè)結(jié)果平均誤差小。

摘要： 側(cè)信道攻擊是密碼學(xué)研究的熱點(diǎn)方向,碰撞攻擊作為側(cè)信道攻擊的重要分支,可從泄露能量中有效提取中間值信息,根據(jù)中間值信息檢測(cè)不同S盒之間的碰撞,并利用碰撞建立不同密鑰字節(jié)之間的線性關(guān)系,縮小密鑰候選值的空間。針對(duì)使用重用掩碼的高級(jí)加密標(biāo)準(zhǔn)(AES)算法,自適應(yīng)選擇明文碰撞攻擊方法需要預(yù)先建立攻擊模板,并且實(shí)施攻擊所需的前提條件較多。提出一種高效的隨機(jī)明文碰撞攻擊方法,基于2個(gè)不同S盒輸入值的漢明距離及其對(duì)應(yīng)能量跡的歐氏距離之間的關(guān)系,從256個(gè)密鑰異或值中找出正確的密鑰異或值。通過(guò)理論分析得出該方法無(wú)需預(yù)先確定碰撞閾值及建立攻擊模板,即可有效利用能量跡中未發(fā)生碰撞的信息,并且所加密的明文是隨機(jī)的,能在沒(méi)有目標(biāo)設(shè)備的情況下實(shí)施攻擊。實(shí)驗(yàn)結(jié)果表明,與自適應(yīng)選擇明文碰撞攻擊、改進(jìn)型相關(guān)性碰撞攻擊等方法相比,該方法減少了實(shí)現(xiàn)碰撞攻擊所需的前提條件,并且擴(kuò)大了攻擊范圍。

摘要： 雖然基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的會(huì)話推薦算法可以有效地對(duì)會(huì)話中的長(zhǎng)期依賴關(guān)系進(jìn)行建模,并且可以結(jié)合注意力機(jī)制來(lái)刻畫(huà)用戶在會(huì)話中的主要目的,但它在進(jìn)行會(huì)話建模的過(guò)程中無(wú)法繞過(guò)與用戶主要目的不相關(guān)的物品,易受其影響以致降低推薦精度。針對(duì)上述問(wèn)題,設(shè)計(jì)了成對(duì)編碼方案來(lái)將原始輸入序列嵌入向量轉(zhuǎn)化為一個(gè)三維張量表示,使得非相鄰的行為也能夠產(chǎn)生聯(lián)系。通過(guò)二維卷積神經(jīng)網(wǎng)絡(luò)(CNN)來(lái)處理該張量以捕獲非相鄰物品間的聯(lián)系,并提出了引入用于會(huì)話推薦的二維卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)注意力推薦機(jī)(COS-NARM)模型。該模型能有效跳過(guò)序列中與用戶主要目的不相關(guān)的物品。實(shí)驗(yàn)結(jié)果表明,COS-NARM模型在DIGINETICA等多個(gè)真實(shí)數(shù)據(jù)集上的召回率和平均倒數(shù)排名(MRR)都得到了不同程度的提升,且優(yōu)于NARM、GRU-4Rec+等所有基線模型。在上述研究的基礎(chǔ)上,將歐氏距離引入COS-NARM模型,提出了OCOS-NARM模型。利用歐氏距離直接計(jì)算不同時(shí)刻興趣間的相似度以減少模型的參數(shù),降低模型的復(fù)雜度。實(shí)驗(yàn)結(jié)果表明,歐氏距離的引入不僅使得OCOS-NARM模型在DIGINETICA等多個(gè)真實(shí)數(shù)據(jù)集上的推薦效果得到了進(jìn)一步的提升,而且使OCOS-NARM模型的訓(xùn)練時(shí)間相較COSNARM模型縮短了14.84%,有效提高了模型的訓(xùn)練速度。

摘要： 綜合考慮電網(wǎng)條件、生產(chǎn)和氣象變化因數(shù),計(jì)算電力短期負(fù)荷參數(shù)內(nèi)存在的關(guān)聯(lián),以提高對(duì)負(fù)荷預(yù)測(cè)準(zhǔn)確程度,提出一種基于T-S模糊模型的電力短期不平衡負(fù)荷預(yù)測(cè)方法研究。預(yù)處理和格式化歷史負(fù)荷數(shù)據(jù),去除誤差數(shù)據(jù)。仿真結(jié)果表明,所提方法有較高的預(yù)測(cè)準(zhǔn)確度,有利于保障電網(wǎng)運(yùn)行的安全性、穩(wěn)定性和高效性。

摘要： 針對(duì)AES算法Cache計(jì)時(shí)模板攻擊時(shí)會(huì)觸發(fā)大量的Cache失效,容易被硬件計(jì)數(shù)器檢測(cè)出來(lái)的問(wèn)題,基于Flush+Flush攻擊模型,提出一種基于歐氏距離的AES算法模板攻擊方法,以減少觸發(fā)Cache失效的次數(shù),使攻擊更加隱蔽。使用Flush+Flush攻擊模型獲取AES算法在內(nèi)存中映射的位置;利用已知明文攻擊不斷地觸發(fā)密碼進(jìn)程,通過(guò)該模型建立每一個(gè)密鑰的模板;利用Flush+Flush攻擊模型獲取真實(shí)情況下的Cache計(jì)時(shí)信息,通過(guò)計(jì)算計(jì)時(shí)信息與每一個(gè)密鑰模板之間的歐式距離推算密鑰。通過(guò)實(shí)驗(yàn)驗(yàn)證,以O(shè)penSSL庫(kù)中的AES算法快速實(shí)現(xiàn)為攻擊對(duì)象,攻擊模型能準(zhǔn)確地獲取AES算法密鑰,并與Flush+Reload攻擊模型相比較,觸發(fā)的Cache失效次數(shù)僅為Flush+Reload攻擊模型的17%。

摘要： 為了提高電力能源大數(shù)據(jù)的清洗效果,以及電網(wǎng)數(shù)據(jù)分析的智能程度,對(duì)電力能源大數(shù)據(jù)清洗模型進(jìn)行構(gòu)建。其中,運(yùn)用云計(jì)算進(jìn)行大數(shù)據(jù)存儲(chǔ)。創(chuàng)新性地運(yùn)用時(shí)間序列符號(hào)化方法對(duì)時(shí)間序列進(jìn)行降維,以歐氏距離算法進(jìn)行相似度度量,并使用相似度曲線對(duì)負(fù)荷數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗。結(jié)果表明:當(dāng)數(shù)據(jù)塊數(shù)量從10塊增加到30塊時(shí),相應(yīng)的數(shù)據(jù)傳輸數(shù)量由28個(gè)增加到136個(gè),消耗時(shí)間從0.117 h增加到0.165 h。序列相似性排序?yàn)?序列1和序列4>序列2和序列5>序列3和序列4。清洗以后,各網(wǎng)供區(qū)域的數(shù)據(jù)都清晰可見(jiàn),不同系列之間的數(shù)據(jù)也能清楚辨別和區(qū)分,誤差也在可接受范圍內(nèi)。由此說(shuō)明:電力大數(shù)據(jù)清洗模型效果良好,能夠?yàn)殡娏ζ髽I(yè)內(nèi)部不同部門(mén)、不同需求、不同層次的決策者提供準(zhǔn)確數(shù)據(jù)分析。該研究在電力領(lǐng)域具有很強(qiáng)實(shí)用價(jià)值。

摘要： 基于歐氏距離,研究區(qū)域模型和場(chǎng)模型模擬高大空間火災(zāi)煙氣溫度的準(zhǔn)確性.在徐州市黃山工業(yè)園一高大空間廠房?jī)?nèi)進(jìn)行實(shí)體火災(zāi)實(shí)驗(yàn),根據(jù)實(shí)驗(yàn)結(jié)果,選取火源正上方煙氣層溫度為研究對(duì)象,分別建立區(qū)域模型和場(chǎng)模型進(jìn)行火災(zāi)數(shù)值模擬,并利用歐氏距離對(duì)兩種模型模擬結(jié)果的準(zhǔn)確性進(jìn)行評(píng)價(jià).結(jié)果表明,在火災(zāi)增長(zhǎng)階段和旺盛階段,對(duì)于低層煙氣溫度,場(chǎng)模擬值更接近煙氣溫度的真實(shí)值,場(chǎng)模擬準(zhǔn)確性更高;對(duì)于中高層煙氣溫度,區(qū)域模擬值更接近煙氣溫度的真實(shí)值,區(qū)域模擬準(zhǔn)確性更高。

摘要： 模式匹配是數(shù)據(jù)集成領(lǐng)域的一個(gè)重要研究?jī)?nèi)容,列名與數(shù)據(jù)值不確定是模式匹配中的一種常見(jiàn)情況,當(dāng)前較普遍的方法是基于互信息及歐式空間距離.但該方法沒(méi)有解決因?qū)傩韵嗨贫认嗤蛳嘟鸬腻e(cuò)誤匹配問(wèn)題.針對(duì)該問(wèn)題,提出了多重迭代篩選方法,首先確定兩個(gè)關(guān)系模式中能一次性正確匹配的部分屬性對(duì),再?gòu)闹星蟪鲎顑?yōu)屬性對(duì),然后給出基于條件互信息的匹配方法,利用最優(yōu)屬性對(duì)計(jì)算未匹配屬性的條件互信息,進(jìn)一步計(jì)算各屬性之間的歐氏距離,最終得到匹配結(jié)果,從而解決了錯(cuò)誤匹配問(wèn)題.實(shí)驗(yàn)結(jié)果表明所提算法正確、有效.

摘要： 本文針對(duì)一類非線性系統(tǒng)提出了基于局部建模的預(yù)測(cè)控制算法，對(duì)于局部模型的訓(xùn)練數(shù)據(jù)選取，同時(shí)考慮了樣本數(shù)據(jù)之間的歐氏距離與向量的夾角，使得訓(xùn)練數(shù)據(jù)的選取更合理，并對(duì)芳烴異構(gòu)化過(guò)程進(jìn)行了實(shí)驗(yàn)仿真。首先通過(guò)最小二乘支持向量機(jī)進(jìn)行局部建模，并將局部模型作為算法的預(yù)測(cè)模型。然后利用粒子群優(yōu)化算法進(jìn)行滾動(dòng)優(yōu)化，尋找到最優(yōu)控制量。最終仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性和魯棒性。

摘要： 本文提出基于類詞包(CSBOW)技術(shù)的有監(jiān)督圖像分類算法。在訓(xùn)練階段，首先在每一類訓(xùn)練圖像庫(kù)中提取特征點(diǎn)，運(yùn)用SIFT描述符形成特征區(qū)域描述符，然后根據(jù)歐氏距離對(duì)特征矢量進(jìn)行K均值聚類，每一類形成若干聚類中心即所謂類詞包。在測(cè)試階段，首先提取測(cè)試圖像的特征點(diǎn)，運(yùn)用SIFT描述符形成若干特征矢量，然后依次計(jì)算每個(gè)特征矢量與各類聚類中心的歐式距離，運(yùn)用競(jìng)爭(zhēng)投票機(jī)制決定圖像的分類結(jié)果。本文將CSBOW技術(shù)應(yīng)用到商品圖像分類，實(shí)驗(yàn)結(jié)果證明本算法分類正確率高于傳統(tǒng)的基于詞包和SVM的圖像分類算法。

摘要： 靜止氣象衛(wèi)星云圖在天氣預(yù)報(bào)、公眾服務(wù)等領(lǐng)域發(fā)揮著非常重要的作用，由于衛(wèi)星、地面系統(tǒng)等多方面原因經(jīng)常導(dǎo)致分發(fā)云圖的質(zhì)量難以保證，因此，本文利用基于圖像的歐氏距離算法，提出了一套對(duì)實(shí)時(shí)生產(chǎn)的靜止衛(wèi)星云圖進(jìn)行質(zhì)量評(píng)估的方法，并對(duì)其業(yè)務(wù)可行性進(jìn)行討論。通過(guò)對(duì)歷史數(shù)據(jù)的比對(duì)，此方法可以實(shí)現(xiàn)對(duì)90％以上的錯(cuò)誤云圖的判識(shí)。

摘要： 對(duì)于有n個(gè)正則點(diǎn)的歐幾里得距離斯坦納樹(shù)最小樹(shù)問(wèn)題, 設(shè)計(jì)了一種啟發(fā)式算法，稱為逐步調(diào)優(yōu)法。先依次按輔助點(diǎn)數(shù)k 從1 取到n-2，求出這n+k個(gè)點(diǎn)的最小生成樹(shù)，然后利用這些樹(shù)的樹(shù)長(zhǎng)產(chǎn)生一個(gè)離散型的概率分布，接著按計(jì)算機(jī)模擬的方法，抽取一棵樹(shù)作優(yōu)化調(diào)整，這樣多次迭代后，最后再按一定的算法作進(jìn)一步的優(yōu)化調(diào)整，獲得一個(gè)近似最優(yōu)解。算法較簡(jiǎn)單實(shí)用，經(jīng)編程實(shí)現(xiàn)驗(yàn)證，效果良好。

摘要： 對(duì)多屬性群決策問(wèn)題,構(gòu)建了一種基于灰色關(guān)聯(lián)度和理想解法(TOPSIS)的多屬性群決策方法。該方法將歐氏距離和灰色關(guān)聯(lián)度有機(jī)結(jié)合,構(gòu)造了一種相對(duì)貼近度以實(shí)現(xiàn)對(duì)方案的評(píng)價(jià)。所構(gòu)造的貼近度同時(shí)反映了方案與理想方案和負(fù)理想方案之間的位置關(guān)系和數(shù)據(jù)曲線的相似性差異。最后通過(guò)一個(gè)供應(yīng)商選擇的示例以及靈敏度分析進(jìn)一步說(shuō)明了方法的可行性。

摘要： 本文針對(duì)廣義空間調(diào)制(Generalized Spatial Modulation,GSM)天線選擇問(wèn)題,為了進(jìn)一步提高GSM系統(tǒng)的傳輸速率,提出了基于最大化互信息量的天線選擇算法.通過(guò)理論分析,同最大化歐式距離天線選擇算法相比,所提的方法具有更低的計(jì)算復(fù)雜度.通過(guò)仿真驗(yàn)證,所提出的方法在傳輸速率性能方面優(yōu)于現(xiàn)有的方法:最大化歐式距離和傳統(tǒng)的隨機(jī)天線選擇.

摘要： 本文針對(duì)廣義空間調(diào)制(Generalized Spatial Modulation,GSM)天線選擇問(wèn)題,為了進(jìn)一步提高GSM系統(tǒng)的傳輸速率,提出了基于最大化互信息量的天線選擇算法.通過(guò)理論分析,同最大化歐式距離天線選擇算法相比,所提的方法具有更低的計(jì)算復(fù)雜度.通過(guò)仿真驗(yàn)證,所提出的方法在傳輸速率性能方面優(yōu)于現(xiàn)有的方法:最大化歐式距離和傳統(tǒng)的隨機(jī)天線選擇.

摘要： 本文針對(duì)廣義空間調(diào)制(Generalized Spatial Modulation,GSM)天線選擇問(wèn)題,為了進(jìn)一步提高GSM系統(tǒng)的傳輸速率,提出了基于最大化互信息量的天線選擇算法.通過(guò)理論分析,同最大化歐式距離天線選擇算法相比,所提的方法具有更低的計(jì)算復(fù)雜度.通過(guò)仿真驗(yàn)證,所提出的方法在傳輸速率性能方面優(yōu)于現(xiàn)有的方法:最大化歐式距離和傳統(tǒng)的隨機(jī)天線選擇.

摘要： 本發(fā)明提供一種基于三維歐氏距離的巖石空間結(jié)構(gòu)距離圖的計(jì)算方法，提出空間分割和空間距離游標(biāo)結(jié)合的方法，將原始的三維二值圖像沿x?z,y?z面分割成多塊，分別送入多個(gè)計(jì)算機(jī)中，對(duì)每個(gè)分塊采用空間游標(biāo)兩次遍歷圖像更新距離值，從xy坐標(biāo)最小的分塊開(kāi)始進(jìn)行融合，以面為基礎(chǔ)單位，兩個(gè)塊的融合通過(guò)面的融合來(lái)更新整體距離值，對(duì)所有塊均進(jìn)行融合后更新距離值便生成了整體歐氏距離圖。其優(yōu)點(diǎn)在于，以距離游標(biāo)為單位遍歷整張圖像兩次便可生成精確歐氏距離圖，大大簡(jiǎn)化了計(jì)算復(fù)雜度，且對(duì)待處理的圖像按一定規(guī)則分割后，同時(shí)在多條線程或計(jì)算機(jī)上進(jìn)行并行運(yùn)算，既解決了單個(gè)圖像過(guò)大內(nèi)存難以承擔(dān)的問(wèn)題，并加快了計(jì)算速度。

摘要： 本發(fā)明涉及一種基于歐氏距離收費(fèi)的彈性公交即時(shí)需求動(dòng)態(tài)響應(yīng)方法，該方法根據(jù)時(shí)刻表信息更新車(chē)輛位置，若乘客遲到導(dǎo)致誤車(chē)則該乘客下車(chē)站點(diǎn)將從原線路中刪去，車(chē)輛線路及時(shí)刻表信息對(duì)應(yīng)進(jìn)行更新；車(chē)輛當(dāng)前所在位置之后的運(yùn)行線路與新需求的上下車(chē)站點(diǎn)間距在車(chē)輛服務(wù)范圍之內(nèi)時(shí)，該線路能夠?yàn)樾滦枨筇峁┓?wù)；利用乘客上下車(chē)站點(diǎn)間的歐幾里得距離計(jì)算乘車(chē)票價(jià)，線路上所有乘客的票價(jià)與運(yùn)營(yíng)成本之差構(gòu)成了線路運(yùn)營(yíng)收益；當(dāng)新需求存在多個(gè)備選服務(wù)方案時(shí)，預(yù)期運(yùn)營(yíng)收益的將被選為最終方案；本發(fā)明使得彈性公交具備了即時(shí)需求的動(dòng)態(tài)響應(yīng)能力，同時(shí)能夠處理乘客遲到、誤車(chē)的突發(fā)情況，并在滿足乘客時(shí)間窗的前提下充分保障公交運(yùn)營(yíng)商的運(yùn)營(yíng)收益。

摘要： 本發(fā)明公開(kāi)了一種基于歐氏距離的移動(dòng)機(jī)器人重復(fù)定位精度測(cè)試方法，包括以下步驟：測(cè)試環(huán)境選取、SLAM定位建圖、激光測(cè)距儀測(cè)量真實(shí)位移、傳感器定位數(shù)據(jù)采集、高斯分布擬合、定位精度計(jì)算。定位精度即系統(tǒng)輸出的定位值和真實(shí)值的誤差，定位數(shù)據(jù)即車(chē)體的Pose，包含二維平面坐標(biāo)和航向角，相比于已有技術(shù)，本發(fā)明成本低、高效、測(cè)量方便、精度高、適用場(chǎng)景多、可靠性高、覆蓋區(qū)域廣、隱私入侵度低等優(yōu)點(diǎn)。

摘要： 本發(fā)明公開(kāi)了一種基于歐氏距離和pearson相似度的差動(dòng)保護(hù)方法、裝置及系統(tǒng)，屬于配電網(wǎng)繼電保護(hù)領(lǐng)域，方法包括：采樣獲取差動(dòng)保護(hù)區(qū)中本側(cè)繼電保護(hù)裝置的電流時(shí)間序列并從中提取電流正序分量時(shí)間序列；分別接收差動(dòng)保護(hù)區(qū)中其他各側(cè)繼電保護(hù)裝置發(fā)送的電流正序分量時(shí)間序列；分別計(jì)算本側(cè)繼電保護(hù)裝置的電流正序分量時(shí)間序列與每一其他各側(cè)繼電保護(hù)裝置的電流正序分量時(shí)間序列之間的歐氏距離以及pearson相關(guān)系數(shù)；當(dāng)任一歐氏距離大于歐氏距離閾值或任一pearson相關(guān)系數(shù)大于pearson相關(guān)系數(shù)閾值時(shí)，本側(cè)保護(hù)啟動(dòng)，否則，本側(cè)保護(hù)閉鎖。對(duì)于各類故障，該方法具有更高的判據(jù)值靈敏度，可靠性更高，能夠有效解決逆變型電源接入配電網(wǎng)后傳統(tǒng)三段式電流保護(hù)失效的問(wèn)題。

摘要： 本發(fā)明提供一種基于三維歐氏距離的巖石空間結(jié)構(gòu)距離圖的計(jì)算方法，提出空間分割和空間距離游標(biāo)結(jié)合的方法，將原始的三維二值圖像沿x?z,y?z面分割成多塊，分別送入多個(gè)計(jì)算機(jī)中，對(duì)每個(gè)分塊采用空間游標(biāo)兩次遍歷圖像更新距離值，從xy坐標(biāo)最小的分塊開(kāi)始進(jìn)行融合，以面為基礎(chǔ)單位，兩個(gè)塊的融合通過(guò)面的融合來(lái)更新整體距離值，對(duì)所有塊均進(jìn)行融合后更新距離值便生成了整體歐氏距離圖。其優(yōu)點(diǎn)在于，以距離游標(biāo)為單位遍歷整張圖像兩次便可生成精確歐氏距離圖，大大簡(jiǎn)化了計(jì)算復(fù)雜度，且對(duì)待處理的圖像按一定規(guī)則分割后，同時(shí)在多條線程或計(jì)算機(jī)上進(jìn)行并行運(yùn)算，既解決了單個(gè)圖像過(guò)大內(nèi)存難以承擔(dān)的問(wèn)題，并加快了計(jì)算速度。

摘要： 本發(fā)明提供一種基于歸一化歐氏距離的寬帶時(shí)域單脈沖測(cè)量方法涉及一種單脈沖雷達(dá)測(cè)量方法，該方法使用寬帶單脈沖天線發(fā)射寬帶脈沖信號(hào)以及接收由被測(cè)目標(biāo)反射的寬帶脈沖信號(hào)；使用寬帶單脈沖天線的和端口接收的信號(hào)為參考信號(hào)，計(jì)算方位差端口以及俯仰差端口的接收信號(hào)到參考信號(hào)的歸一化歐氏距離方向性系數(shù)；轉(zhuǎn)動(dòng)寬帶單脈沖天線，在歸一化歐氏距離方向性系數(shù)達(dá)到最小值時(shí)得到被測(cè)目標(biāo)的方位和俯仰信息，并根據(jù)傳輸時(shí)延得出目標(biāo)距離。該方法具有較低的復(fù)雜度和較高的精度，隨著帶寬拓寬精度提高且復(fù)雜度不提高，同時(shí)具備對(duì)抗窄帶電磁隱身和干擾的能力。

摘要： 本發(fā)明公開(kāi)了一種基于歐氏距離算法的排污顏色視頻分析方法，該方法包括以下步驟：在排污口正常排水的情況下，選取預(yù)定目標(biāo)區(qū)域作為閾值標(biāo)準(zhǔn)數(shù)據(jù)，并得到污水監(jiān)控圖像，且對(duì)管道閥門(mén)處進(jìn)行監(jiān)控；加載污水監(jiān)控圖像；對(duì)當(dāng)前目標(biāo)區(qū)域數(shù)據(jù)與預(yù)定目標(biāo)區(qū)域數(shù)據(jù)進(jìn)行灰度圖轉(zhuǎn)換及灰度值比較，且進(jìn)行RGB轉(zhuǎn)換及RGB歐式距離比較，并計(jì)算當(dāng)前目標(biāo)區(qū)域數(shù)據(jù)與預(yù)定目標(biāo)區(qū)域數(shù)據(jù)的顏色距離；根據(jù)顏色距離得到排污程度，若排污程度大于污染閾值則報(bào)警，并記錄報(bào)警時(shí)間及相對(duì)應(yīng)圖片；計(jì)算報(bào)警持續(xù)時(shí)間，同時(shí)對(duì)每一幀污水監(jiān)控圖像進(jìn)行標(biāo)注分類。本發(fā)明可以準(zhǔn)確判斷識(shí)具體哪家工廠排污，明確每個(gè)排污口各個(gè)工廠之間的責(zé)任。

摘要： 一種基于歐氏距離的漏電臺(tái)區(qū)斷零竊電用戶檢測(cè)方法，針對(duì)低壓居民斷零竊電時(shí)負(fù)荷電流轉(zhuǎn)化為配電臺(tái)區(qū)剩余電流導(dǎo)致漏電、危及人身安全的問(wèn)題。首先將剩余電流超標(biāo)的臺(tái)區(qū)識(shí)別為漏電臺(tái)區(qū)；然后獲取漏電臺(tái)區(qū)剩余電流數(shù)據(jù)及各接入用戶的負(fù)荷電流數(shù)據(jù)，構(gòu)建臺(tái)區(qū)單位時(shí)間剩余電流時(shí)間序列以及各接入用戶的單位時(shí)間負(fù)荷電流時(shí)間序列；計(jì)算各用戶單位時(shí)間負(fù)荷電流時(shí)間序列和臺(tái)區(qū)單位時(shí)間剩余電流時(shí)間序列之間的歐氏距離，將歐氏距離值最小的用戶識(shí)別為漏電臺(tái)區(qū)下存在斷零竊電的異常用戶。針對(duì)該異常用戶進(jìn)行用電稽查，及時(shí)消除斷零竊電用戶造成漏電帶來(lái)的居民觸電人身安全風(fēng)。

摘要： 本發(fā)明涉及一種融合歐氏距離和同態(tài)加密的人臉識(shí)別方法，包括以下步驟：S1、用戶進(jìn)行身份識(shí)別時(shí)，本地獲取人臉特征值，然后基于同態(tài)加密對(duì)人臉特征值加密，得到人臉特征值密文，再將人臉特征值密文、密鑰發(fā)送至云端服務(wù)器；S2、云端服務(wù)器加載密鑰及人臉特征值密文，對(duì)本地當(dāng)前上傳的人臉特征值密文與用戶注冊(cè)時(shí)上傳的已知姓名的人臉特征值密文進(jìn)行歐氏距離計(jì)算，獲得密文差值；然后將計(jì)算得到的密文差值發(fā)送回本地進(jìn)行后續(xù)計(jì)算；S3、本地對(duì)密文差值進(jìn)行密文解密，再進(jìn)行明文局部歐氏距離計(jì)算，得到人臉歐幾里得距離，最后基于得到的人臉歐幾里得距離給出用戶身份識(shí)別結(jié)果。該方法有利于提高人臉識(shí)別的準(zhǔn)確率和安全性，同時(shí)提高計(jì)算效率。

摘要： 本發(fā)明涉及一種基于小樣本文本分類原型網(wǎng)絡(luò)歐氏距離計(jì)算方法，屬于計(jì)算機(jī)技術(shù)領(lǐng)域。該方法包括以下內(nèi)容：通過(guò)對(duì)數(shù)據(jù)進(jìn)行劃分為support與query，度量學(xué)習(xí)的學(xué)習(xí)范式通過(guò)support來(lái)獲得樣本的估計(jì)類別，然后通過(guò)query來(lái)對(duì)估計(jì)類別進(jìn)行比較，從而來(lái)進(jìn)行分類。本發(fā)明利用孿生網(wǎng)絡(luò)結(jié)合高速網(wǎng)絡(luò)提升對(duì)原型特征進(jìn)行提取計(jì)算，不同孿生層對(duì)support以及query的處理均不相同；通過(guò)特征級(jí)注意力模塊來(lái)將support與query的進(jìn)行特征級(jí)關(guān)注，通過(guò)特征融合將結(jié)果通過(guò)激活函數(shù)獲得注意力分?jǐn)?shù)系數(shù)，通過(guò)注意力分?jǐn)?shù)提升歐氏距離對(duì)于高維稀疏矩陣的特征進(jìn)行判別，提高分類準(zhǔn)確度。