因此创业机会既具有均等性，又具有差异性。由创业机会以上三种基本特征可以得到它相对应的价值特征。价值特征是影响创业机会潜在商业价值以及创业者是否能充分利用创业机会的关键因素，创业机会的价值特征主要有三点：一是匹配度高。创业团队和创业资源，要与创业机会适时匹配，还要在发展的不同阶段做相应调整。......
2023-08-31
匹配相似度度量技术
【摘要】：对目标进行匹配识别，需要选用合适的相似度比较函数，这个函数可以称之为相似度度量。相似度度量具有特征依赖性，不同的特征应该采用不同的度量方法获得最佳的测度效果。由于局部特征是采用模式向量的方式描述的，计算两个特征向量之间的距离是它们相似度的一种很好的度量。二次型距离考虑到特征分量之间的相关性，但是对称矩阵的计算量较大。
对目标进行匹配识别，需要选用合适的相似度比较函数，这个函数可以称之为相似度度量。相似度度量具有特征依赖性，不同的特征应该采用不同的度量方法获得最佳的测度效果。由于局部特征是采用模式向量的方式描述的，计算两个特征向量之间的距离是它们相似度的一种很好的度量。设d为距离函数，X，Y，Z为局部特征的模式向量，表示形式为X=（x1，x2，…，xn）T。通常情况下，距离度量函数应该满足如下四个性质：
自相似性
最小性
对称性
三角不等性
在实际应用中，所采用的相似度比较函数并不一定全都要满足上述的四条定理，可能只满足其中的一个或者几个。目前常用的距离函数有明可夫斯基距离、马氏距离、二次型距离和EMD距离等。
1.明可夫斯基距离（Minkowski Distance）
当p=1时，L1（X，Y）称为海明距离（Haming Distance）：
当p=2时，L2（X，Y）称为欧氏距离（Euclidean Distance）：
当p→∞时，L∞（X，Y）称为切比雪夫距离（Chebychv Distance）：
从向量范数的角度来讲，明可夫斯基距离可以称之为p-范数，海明距离、欧氏距离和切比雪夫距离分别称为1-范数、2-范数和∞-范数［106］。
2.马氏距离（Mahalanobis Distance）
马氏距离，即马哈拉诺比斯距离，是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法，与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的（Scale-invariant），即独立于测量尺度。其数学表达式为
其中，C为特征向量的协方差矩阵，T表示矩阵的转置运算。如果协方差矩阵为单位矩阵，马氏距离就被简化为欧氏距离；如果协方差矩阵为对角阵，则其也可称为正规化的欧氏距离。
马氏距离有很多优点。它不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关；由标准化数据和中心化数据（即原始数据与均值之差）计算出的两点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的干扰。它的缺点是夸大了变化微小的变量的作用。
3.二次型距离（Quadratic Distance）
明可夫斯基距离对所有的特征向量平均对待，没有考虑特征向量之间的关系。二次型距离与马氏距离一样，考虑了各个特征向量之间的关联性。其数学表达式为
其中A=［aij］为一个对称矩阵，表示特征向量之间的相关性；aij为下标为i和j的特征分量之间的相似性。二次型距离考虑到特征分量之间的相关性，但是对称矩阵的计算量较大。
4.EMD（Earth Mover′s Distance）
EMD度量是Rubner等人［107］提出的一种相似度度量，它把运筹学的运输问题引入到图像识别中，采用最优化求解最小运输成本的方法来度量图像间的相似性。
在理解EMD计算原理时，可以把多个分布的其中之一视为地球表面的高山，另一分布则视为地球表面的低洼部分，而EMD主要的目的是要找出可以将低洼部分填平的最小成本。对地距离（Ground Distance）是用于计算高山与低洼部分的距离，也就是搬移一个单位所需花费的成本，当EMD的值愈小时则表示这个分布愈相似。计算EMD距离的方法比较复杂，不同应用需根据要求选择有效的对地距离［108］。
EMD距离在最近得到了较广泛的关注，因为它能以一种非常自然的方式处理部分匹配的问题，对于处理图像领域中广泛存在的遮挡、轮廓片段匹配具有很大的用途；另外，当对地距离具有感知意义时，EMD距离往往最能体现视觉感知上的相似性。
有关图像目标的表示与识别的文章
- 详细阅读
-
增强高考与教育社会匹配度详细阅读
而内在作用占主导的招生制度,则应以考生的多元素质为据,追求的是“匹配”,是让广大考生的特长、兴趣与其专业选择相适应,获得适切性的可持续发展。一方面,“匹配”与“拔尖”相比,横向受众更多,回应了教育外部关系对新时期拔尖创新型人才的需求。另一方面,“匹配”与“拔尖”相比,纵向时段更长,回应了教育内部关系规律对人才培养的要求。......
2023-11-26
-
图像检索方法：基于内容的图像特征相似度比较详细阅读
图像检索在生活工作中是一项常见的工作。随着图像数量的增多，这种基于文件系统的图像检索方法的检索效率会越来越低。基于内容的图像检索方法主要是采用了图像的颜色、形状、纹理、空间关系、相关反馈等特征进行索引和检索。实际上，这是对用图像内容特征表达的检索提问和被检索提问之间相似性的计算过程。基于内容的图像检索，实质上就是进行图像特征相似度的比较。......
2023-11-01
-
视觉测量技术：特征匹配方法剖析详细阅读
在提取图像显著特征的基础上，特征匹配旨在建立这些稀疏特征之间的对应关系。不同的基于特征的匹配方法所选择的匹配基元各不相同。可以用作匹配基元的图像特征包括零交叉、直线段、曲线段、区域等。但是，特征匹配的方法只能得到相应基元特征处的景物深度值，为了重建可视表面还必须进行深度的内插操作。而利用SIFT算法进行特征匹配，则不会造成这一问题。图7.16 利用SIFT算法对Teddy图像中斜面场景进行特征提取和特征匹配的处理结果......
2023-11-24
-
立体匹配技术-视觉测量技术的进展详细阅读
双目视觉测量是建立在两台摄像机分别摄取的两幅图像对应基元的视差基础之上的，因此确定两幅图像中各基元之间的匹配关系是双目视觉测量系统最关键和极富挑战性的一步。立体匹配就是在两幅图像的匹配基元之间建立对应关系的过程。根据匹配基元的不同，立体匹配可分为区域匹配和特征匹配两类。稠密对应场往往呈规则分布，通常直接以图像像素网格为参照，不同网格之间邻接关系简单明了，易于描述，便于在立体匹配过程中利用。......
2023-11-24
-
云安全:隐私保护技术分类与度量详细阅读
对比上述三项隐私保护技术可知：基于数据加密的隐私保护技术虽然能够保证数据良好精确性和安全性，但却会消耗较多的资源，导致实用性偏差；基于数据失真的隐私保护具有较高的应用效率，但却会导致部分的数据信息丢失；而这也正是基于限制发布的隐私保护技术的缺陷所在。......
2023-11-18
-
视觉测量技术：几何相似法测量的应用详细阅读
单目视觉几何相似法测量是对应于被测对象的几何参数在同一平面内的情况，此时被测物面与摄像系统光轴垂直，并与像平面平行。几何相似法测量只是二维测量，主要有二维几何位置、形状、变形测量、位移和速度的测量等。......
2023-11-24
-
基于原型匹配的反馈技术方案详细阅读
而基于内容的图像检索需要对一类物体进行匹配，比如检索有汽车、飞机、坦克、人群、楼房的图像，这种情况下就需要对具体的局部特征进行组合优化，从而得到对某类物体的理想化表征——原型。原型匹配理论是这样描述知觉加工的：当一种视觉系统收到一个新刺激，该系统就会将它与原先存储的原型进行比较，但并不要求完全相匹配，事实上大致的匹配就可以了［13］。为了实现从模板匹配到原型匹配的转变，我们引入了相关反馈技术。......
2023-06-28
相关推荐