锐客网

  1. 首页 > 睿知 > it技术 > >

欧式距离java代码 欧式距离应用

匹配IT技术

机器学习 海明距离和欧式距离怎么计算的在信息编码中，两个合法代码对应位上编码不同的位数称为码距，又称海明距离 。两个码字的对应比特取值不同的比特数称为这两个码字的海明距离 。一个有效编码集中,任意两个码字的海明距离的最小值称为该编码集的海明距离 。
海明距离的几何意义：n位的码字可以用n维空间的超立方体的一个顶点来表示 。两个码字之间的海明距离就是超立方体两个顶点之间的一条边 ， 而且是这两个顶点之间的最短距离 。
欧几里得度量（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离） 。在二维和三维空间中的欧氏距离就是两点之间的实际距离 。
扩展资料：
海明距离用于编码的检错和纠错，为了检测d个错误，需要一个海明距离为d 1的编码方案 。因为在这样的编码方案中，d个1位错误不可能将一个有效码字改编成另一个有效码字 。当接收方看到一个无效码字的时候 ， 它就知道已经发生了传输错误 。
类似地，为了纠正d个错误，需要一个距离为2d 1的编码方案，因为在这样的编码方案中，合法码字之间的距离足够远，因而即使发生了d位变化 ， 则还是原来的码字离它最近，从而可以确定原来的码字，达到纠错的目的 。
参考资料来源：百度百科—海明距离
参考资料来源：百度百科—欧几里得度量
java计算二维点的欧式距离没法帮你了，一点都不会呀 。
请问 你写这个程序 总得输入数据吧？
类的方法总的有人调用吧？
什么都没有，直接输出对象的属性？
你还是在看看书吧
如何实现两张图片的匹配？一、特征点（角点）匹配
图像匹配能够应用的场合非常多 ， 如目标跟踪，检测 ， 识别，图像拼接等，而角点匹配最核心的技术就要属角点匹配了，所谓角点匹配是指寻找两幅图像之间的特征像素点的对应关系，从而确定两幅图像的位置关系 。
角点匹配可以分为以下四个步骤：
1、提取检测子：在两张待匹配的图像中寻找那些最容易识别的像素点（角点），比如纹理丰富的物体边缘点等 。
2、提取描述子：对于检测出的角点，用一些数学上的特征对其进行描述，如梯度直方图 ， 局部随机二值特征等 。检测子和描述子的常用提取方法有：sift，harris，surf，fast ， agast，brisk ， freak，brisk，brief/orb等 。
3、匹配：通过各个角点的描述子来判断它们在两张图像中的对应关系，常用方法如 flann等 。
4、消噪：去除错误匹配的外点，保留正确的匹配点 。常用方法有KDTREE ， BBF，Ransac ， GTM等 。
二、SIFT匹配方法的提出
为了排除因为图像遮挡和背景混乱而产生的无匹配关系的关键点，SIFT的作者Lowe提出了比较最近邻距离与次近邻距离的SIFT匹配方式：取一幅图像中的一个SIFT关键点，并找出其与另一幅图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离得到的比率ratio少于某个阈值T，则接受这一对匹配点 。因为对于错误匹配，由于特征空间的高维性 ， 相似的距离可能有大量其他的错误匹配，从而它的ratio值比较高 。显然降低这个比例阈值T，SIFT匹配点数目会减少，但更加稳定，反之亦然 。
Lowe推荐ratio的阈值为0.8，但作者对大量任意存在尺度、旋转和亮度变化的两幅图片进行匹配，结果表明ratio取值在0. 4~0. 6 之间最佳，小于0. 4的很少有匹配点，大于0. 6的则存在大量错误匹配点，所以建议ratio的取值原则如下:
ratio=0. 4：对于准确度要求高的匹配；
ratio=0. 6：对于匹配点数目要求比较多的匹配；
ratio=0. 5：一般情况下 。
三、常见的SIFT匹配代码
1、vlfeat中sift toolbox中的vl_ubcmatch.c使用的是普通的欧氏距离进行匹配（该SIFT代码贡献自Andrea
Vedaldi） 。
2、Lowe的C代码中使用的是欧氏距离，但是在matlab代码中为了加速计算，使用的是向量夹角来近似欧氏距离：先将128维SIFT特征向量归一化为单位向量（每个数除以平方和的平方根），然后点乘来得到向量夹角的余弦值，最后利用反余弦（acos函数）求取向量夹角 。实验证明Lowe的办法正确率和耗时都很不错 。
同样，也可以采用knnsearch函数求最近点和次近点：knnsearch采用euclidean距离时得到的结果与lowe采用的近似方法结果几乎一致，正好印证了模拟欧氏距离的效果 。
3、Rob Hess的OpenSIFT采用了KDTREE来对匹配进行优化 。
4、CSDN大神v_JULY_v实现了KDTREE BBF对SIFT匹配的优化和消除错误匹配：从K近邻算法、距离度量谈到KD树、SIFT BBF算法
- 结构之法 算法之道 - 博客频道 - CSDN.NET 。
5、OpenCV中features2d实现的SIFT匹配有多种matcher：VectorDescriptorMatcher，BFMatcher（Brute-force descriptor matcher），FernDescriptorMatcher，OneWayDescriptorMatcher，FlannBasedMatcher 等等 。目前只知道采用knnsearch，提供了多种距离度量方式 ， 具体区别不懂 。
【欧式距离java代码 欧式距离应用】关于欧式距离java代码和欧式距离应用的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站 。

    推荐阅读


    上一篇：新媒体类考研前景如何女生，新媒体专业考研好考吗

    下一篇：如何查询金蝶服务器的域名？ 怎么查看金蝶服务器域名