说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 随机抽样一致性
1)  random sample consensus
随机抽样一致性
1.
Then,It uses random sample consensus(RANSAC) to perform reliable matching parameters of the transformation between images are obtained from the matched feature points.
该方法首先采用SIFT特征提取方法获得图像特征点,并通过双向互匹配的方法提高特征点的匹配精确度,其次引入RANSAC(随机抽样一致性)算法去除误匹配对并求出图像间变换矩阵,最后使用泊松融合方法完成了图像的无缝拼接。
2)  Random sample consensus
随机抽样一致性算法
1.
Our algorithm gives better result than random sample consensus (RANSAC) algorithm with higher efficiency in the large nu.
大量实验结果表明,文中算法比随机抽样一致性算法的估计精度高,且计算效率高。
3)  RANSAC
随机抽样一致性算法
1.
Preview model Parameters Evaluation RANSAC algorithm (PERANSAC) is given in vanishing point detecting.
该文在随机抽样一致性算法基础上,提出了一个基于预检验的随机抽样一致性PreviewmodelParametersEvaluationRANSAC(PERANSAC)消失点估计算法:该算法在原始RANSAC算法消失点检验前,加入一个预检验步骤,在保证计算结果精度不变的前提下,过滤掉大量偏差较大的消失点,减少了检验的计算量,大大提高了算法的整体效率。
2.
To solve the fixed thresholds of common SUSAN corner detection and the homography accuracy problems caused by the corner directly preliminary match using NCC,an improved RANSAC method is put forward here.
为解决常用SUSAN角点检测的阈值都是固定的,检测出的角点经归一化互相关后直接使用RANSAC(即随机抽样一致性算法)得到的单应性矩阵准确度不高等问题,给出了一种改进的RANSAC图像拼接方法。
4)  random sampling consensus
随机抽样一致性检验
5)  random sample consensus (RANSAC)
随机采样一致性
6)  random sampling consensus(RANSAC)
随机抽样一致算法(RANSAC)
补充资料:随机抽样
      按照随机的原则,即保证总体中每个单位都有同等机会被抽中的原则抽取样本的方法。它的最大优点是在根据样本资料推论总体时,可用概率的方式客观地测量推论值的可靠程度,从而使这种推论建立在科学的基础上。正因为此,随机抽样在社会调查和社会研究中应用较广泛。常用的随机抽样方法主要有纯随机抽样、分层抽样、系统抽样、整群抽样、多阶段抽样等。
  
  纯随机抽样  又称简单随机抽样。是最基本的抽样方法。分为重复抽样和不重复抽样。在重复抽样中,每次抽中的单位仍放回总体,样本中的单位可能不止一次被抽中。不重复抽样中,抽中的单位不再放回总体,样本中的单位只能抽中一次。社会调查采用不重复抽样。
  
  纯随机抽样的具体作法有:①抽签法。将总体的全部单位逐一作签,搅拌均匀后进行抽取。②随机数字表法。将总体所有单位编号,然后从随机数字表中一个随机起点(任一排或一列),开始从左向右或从右向左、向上或向下抽取,直到达到所需的样本容量为止。
  
  纯随机抽样必须有一个完整的抽样框,即总体各单位的清单。总体太大时,制作这样的抽样框工作量巨大,加之有许多情况,使总体名单根本无法得到。故在大规模社会调查中很少采用纯随机抽样。
  
  分层抽样  先依据一种或几种特征将总体分为若干个子总体,每一子总体称作一个层;然后从每层中随机抽取一个子样本,这些子样本合起来就是总体的样本。各层样本数的确定方法有 3种:①分层定比。即各层样本数与该层总体数的比值相等。例如,样本大小n=50,总体N=500,则n/N=0.1即为样本比例,每层均按这个比例确定该层样本数。②奈曼法。即各层应抽样本数与该层总体数及其标准差的积成正比。③非比例分配法。当某个层次包含的个案数在总体中所占比例太小时,为使该层的特征在样本中得到足够的反映,可人为地适当增加该层样本数在总体样本中的比例。但这样做会增加推论的复杂性。
  
  总体中赖以进行分层的变量为分层变量,理想的分层变量是调查中要加以测量的变量或与其高度相关的变量。分层的原则是增加层内的同质性和层间的异质性。常见的分层变量有性别、年龄、教育、职业等。分层随机抽样在实际抽样调查中广泛使用,在同样样本容量的情况下,它比纯随机抽样的精度高,此外管理方便,费用少,效度高。
  
  系统抽样  又称等距抽样。是纯随机抽样的变种。在系统抽样中,先将总体从1~N相继编号,并计算抽样距离K=N/n。式中N为总体单位总数,n为样本容量。然后在1~K中抽一随机数k1,作为样本的第一个单位,接着取k1+K,k1+2K......,直至抽够n个单位为止。
  
  系统抽样要防止周期性偏差,因为它会降低样本的代表性。例如,军队人员名单通常按班排列,10人一班,班长排第 1名,若抽样距离也取10时,则样本或全由士兵组成或全由班长组成。
  
  整群抽样  又称聚类抽样。先将总体按照某种标准分群,每个群为一个抽样单位,用随机的方法从中抽取若干群,抽中的样本群中所有单位都要进行调查。与分层抽样相反,整群抽样的分类原则是使群间异质性小,群内异质性大。分层抽样时各群(层)都有样本,整群抽样时只有部分群有样本。整群抽样只需列出入样群的单位,因此可节约大量财力、人力。整群抽样的代表性低于简单随机抽样。
  
  多阶段抽样  又称多级抽样。前 4种抽样方法均为一次性直接从总体中抽出样本,称为单阶段抽样。多阶段抽样则是将抽样过程分为几个阶段,结合使用上述方法中的两种或数种。例如,先用整群抽样法从北京市某中等学校中抽出样本学校,再用整群抽样法从样本学校抽选样本班级,最后用系统或纯随机抽样从样本班级的学生中抽出样本学生。当研究总体广泛且分散时,多采用多阶段抽样,以降低调查费用。但由于每级抽样都会产生误差,经多级抽样产生的样本,误差也相应增大。
  

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