最短距离判断方法
一、若两地间的经度差等于180度，且不在赤道上，则经过两点的大圆是经线圈这两点的最短航程须经过极点。
(1)同位于北半球，最短航程必须经过北极点，其航行的方向一定是先向正北，过北极点后再向正南。
（2）同位于南半球，最短航程必须经过南极点，其航行方向一定是先向正南，过南极点后再向正北。
（3）两地位于不同半球，这时需要考虑经过北极点为劣弧，还是南半球为劣弧，然后再确定最短航程的走向。
二、若两地经度差不等于180度，则过两地的大圆不是经线圈，而是与经线圈斜交，其最短航程不经过极点。若甲、乙两点在此大圆的最北点两侧或最南点两侧，具体分为两种情况。
（1）甲位于乙的东方，从甲到乙的最短航程为:同在北半球，先向西北，最后向西南；同在南半球，先向西南，最后向西北；位于不同半球时需要讨论哪一段为劣弧段。
（2）甲位于乙的西方，从甲到乙最短航程为：同在北半球，先向东北，最后向东南；同在南半球；先向东南，最后向东北；位于不同半球，需要具体讨论哪一段为劣弧段。
镜头角度与距离计算方法
监控摄像头镜头可视角度表 镜头焦距搭配1/3" CCD搭配1/4" CCD二者的角度差异 2.8 mm89.9°75.6°14.3° 3.6 mm75.7°62.2°13.5° 4 mm69.9°57.0°12.9° 6 mm50.0°39.8°10.2° 8 mm38.5°30.4°8.1° 12 mm26.2°20.5° 5.7° 16 mm19.8°15.4° 4.4° 25 mm10.6°8.3° 2.3° 60 mm 5.3° 4.1° 1.2° 监控摄像头镜头可视距离表 镜头焦 距(毫米数) 距离5米 (宽×高) 距离10米 (宽×高) 距离15米 (宽×高) 距离20米 (宽×高) 距离30米 (宽×高) 2.8mm13×9.8米26×19.5米39×29.3米52×39米78×58.5米 3.6mm8.5×6.4米17×12.8米25.5×19米34×25.5米51×38.3米4mm8×6米16×12米24×18米32×24米48×36米
6mm 5.5×4.1米11×8.3米16.5×12.4米22×16.5米33×24.8米8mm 3.5×2.6米7×5.3米10.5×7.9米14×10.5米21×15.8米12mm2×1.5米4×3米6×4.5米8×6米12×9米16mm 1.5×1.1米3×2.3米 4.5×3.4米6×4.5米9×6.8米25mm 1.3×1米 2.5×1.9米 3.8×2.9米5×3.8米7.5×5.6米60mm0.5×0.4米1×0.75米 1.5×1.1米2×1.5米3×2.3米
摄像机选型、安装需要考虑的几个问题 摄像机选型、安装通常有八点需要考虑，具体如下（1）应根据监控目标的的照度选着不同灵敏度的摄像机。监控目标的最低环 境照度应高于摄像机最低照度的10倍。 监视目标的照度要求与摄像机的灵敏度密切相关，通常闭路 电视监控系统是由被监视视场所监视时刻的自然光，一般画 面的典型照度见表1-1 表1-1 一般画面的典型照度 各种天气下的自然光照度值照度估计值（lx） 直射阳光100000—130000 晴天（非阳光直射）10000—20000 阴天1000 工作场所内（白天）200—400 非常阴暗的白天100 黄昏（拂晓）10 入夜1 满月0.1 弦月0.01 没有月亮的晴朗夜空0.001 没有月亮的多云夜空0.0001 监视目标的最低环境照度应高于摄像机最低照度的10倍以上，
判断与前车和后车及左右距离,教你侧方停车技巧方法(图解)
判断与前车和后车及左右距离，教你侧方停车技巧方法（图解） 判断后车距离，确定是否能够变线。 判断隔壁车道的车子位于我们驾驶车辆侧后方多远，我们一般是通过两侧外后视镜进行观察的。在使用后视镜判断车距的时候，我们首先要调节好车辆座椅以及后视镜角度。 左侧后视镜如何判断车距： 中国路上行驶的车辆都为左舵车，驾驶员位于车辆的左侧，因而对于车辆左侧的视野比较好掌握。而通过后视镜判断左侧车道后车的距离，我们推荐使用以下方法： 后车车身已经进入后视镜虚线左侧的危险区域，说明后车与你的车车距很近，此时不能转向。
后车车身左侧已贴近安全区与危险区边界，我们应该提高警惕，但此时打灯转向依然是安全的。 后车在安全区，位于后视镜中央，说明后车与你的车车距有15-20米，可以正常地进行转向操作。
后车在安全区内，位于后视镜中央靠右的位置，说明后车与你的车车距较大，可以正常地进行转向操作。 右侧后视镜如何判断车距：
由于驾驶员位于车辆的左侧，因而右侧车道的情况较难掌握，而且左侧外后视镜盲区比右侧的大，所以在判断后车距离的时候，我们可以使用以下的方法： 后车占据后视镜一半的区域，车身只有一半被看到。此时，后车离你的车距离很近，你的车应保持现有车道行驶，不应转向。
速较慢的情况下可以打灯后进行转向操作。 后车占据外后视镜1/3的区域，能看到整台车。此时，后车离你的车距离约有15米，可以进行转向操作。
进行转向操作。 上面提到的四种情况下，两车实测距离可参看上图。 虽然后视镜能够帮助我们判断后车距离，但是由于盲区的无法完全消除，我们在转向前除了要看外后视镜还得扭头去看看左右侧窗外是否有车，这样才能确保转向时的安全。 判断前后车距离，确定是否保持安全间距。 跟车太近是造成追尾事故的主要原因。作为前车，我们应该避免后车跟车太近，如后车车速太高我们应该尽量让其先通过；作为后车，我们应该与前车保持安全距离，避免紧急情况制动不及而发生事故。 通过目测判断前车距离：
距离计算方法
1.欧氏距离(Euclidean Distance) 欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离： (2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离： (3)两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧氏距离： 也可以用表示成向量运算的形式： 2.曼哈顿距离(Manhattan Distance) 从名字就可以猜出这种距离的计算方法了。想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源，曼哈顿距离也称为城市街区距离(City Block distance)。 (1)二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离 (2)两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的曼哈顿距离 5.标准化欧氏距离(Standardized Euclidean distance ) (1)标准欧氏距离的定义
标准化欧氏距离是针对简单欧氏距离的缺点而作的一种改进方案。标准欧氏距离的思路：既然数据各维分量的分布不一样，好吧！那我先将各个分量都“标准化”到均值、方差相等吧。均值和方差标准化到多少呢？这里先复习点统计学知识吧，假设样本集X的均值(mean)为m，标准差(standard deviation)为s，那么X的“标准化变量”表示为：而且标准化变量的数学期望为0，方差为1。因此样本集的标准化过程(standardization)用公式描述就是： 标准化后的值= (标准化前的值－分量的均值) /分量的标准差 经过简单的推导就可以得到两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的标准化欧氏距离的公式： 如果将方差的倒数看成是一个权重，这个公式可以看成是一种加权欧氏距离(Weighted Euclidean distance)。 7.夹角余弦(Cosine) 有没有搞错，又不是学几何，怎么扯到夹角余弦了？各位看官稍安勿躁。几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。 (1)在二维空间中向量A(x1,y1)与向量B(x2,y2)的夹角余弦公式： (2)两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)的夹角余弦 类似的，对于两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)，可以使用类似于夹角余弦的概念来衡量它们间的相似程度。 即：
距离判别法及其应用
距离判别法及其应用 一、什么是距离判别 （一）定义 距离判别分析方法是判别样品所属类别的一应用性很强的多因素决策方法，根据已掌握的、历史上每个类别的若干样本数据信息，总结出客观事物分类的规律性，建立判别准则，当遇到新的样本点，只需根据总结得出的判别公式和判别准则，就能判别该样本点所属的类别。 距离判别分析的基本思想是：样本和哪个总体的距离最近，就判它属于哪个总体。 （二）作用 判别个体所属类型。例如在经济学中，可根据各国的人均国人民收入、人均工农业产值和人均消费水平等多种指标来判定一个国家经济发展程度的怕属类型医学上根据口才的体温、白血球数目以及其他病理指标来判断患者所患何病等。 二、距离判别分析原理 （一）欧氏距离 欧氏距离（Euclidean distance ）是一个通常采用的距离定义，最多的应用是对距离的测度。大多情况下，人们谈到距离的时候，都会很自然的想到欧氏距离。从数学的角度来讲，它是在m 维空间中两个点之间的真实距离。 在二维空间中其公式为： 2 21221)()(y y x x d -+-=
推广到n 维空间其公式为： 2 1) (1 i n i i y x d -=∑= （二）马氏距离 在判别分析中，考虑到欧氏距离没有考虑总体分布的分散性信息，印度统计学家马哈诺必斯（Mahalanobis ）于1936年提出了马氏距离的概念。 设总体T m X X X G },...,,{21=为m 维总体（考察m 个指标），样本 T m i x x x X },...,,{21=。令μ=E(i X )(i=1,2, …，m)，则总体均值向量为 T m },,{21μμμμ???=。总体G 的协方差矩阵为： ]))([()(T G G E G COV μμ--==∑。 设X ，Y 是从总体G 中抽取的两个样本，则X 与Y 之间的平方马氏距离为： )()(),(12Y X Y X Y X d T -∑-=- 样本X 与总体G 的马氏距离的平方定义为： )()(),(12μμ-∑-=-X X G X d T 1．两总体距离判别。设有两总体1G 和2G 的均值分别为1μ和2μ，协方差矩阵分别为1∑和2∑（1∑，2∑>0），1?m X 是一个新样本，判断其属于哪个总体。定义1?m X 到1G 和2G 的距离为),(12 G X d 和),(22 G X d ， 则按如下判别规则进行判断： 1G X ∈，若),(12G X d ≤),(22G X d 2G X ∈，若),(22G X d ﹤),(12G X d (1)当1∑=2∑时，该判别式可进行如下简化： ),(12G X d -),(22G X d =)()(111μμ-∑--X X T -)()(212μμ-∑--X X T
教你如何判断左右前后车距
教你如何判断左右前后车距 我们在开车的时候需要知道自己的车子在公路的什么位置，车身离边线还有多远，离中心线多远。新手在判断车子位置时往往拿捏不准。 通过几个图片试图说明如何判断车的位置，仅供参考。驾驶车辆不同判断可能有些误差这要自己总结经验。 1、左轮位置的判断 我们需要知道左轮会从什么地方压过，用以避免轮胎压到实线，或者规避路上的坑洞石块等。 当我们的视线通过左雨刮器突起的结点和地面上的物体重合时，我们的左轮在行进时就会在该物体处压过。 比如在下图中我们通过雨刮器结点和地面中心线重合，那么轮胎就会从中心线上压过. 左轮压住了中线
2、离中线60公分行驶 当我们正常行驶时，离中心线60公分是比较安全的。 当我们的视线通过棉板和A柱的交角和中线重合时，车身正好离中线是60公分。车身离中线60公分 3、判断右轮的位置 当我们视线通过右雨刮器和目标相交时，轮胎会从该目标上压过 右轮已经压线 4、右侧离路边60公分行驶 当右喷水器和路面边目标重叠时，车身离路边还有60厘米。
5、离路边还有60厘米 当右雨刮器结点和路边重合时，方向稍向左拉，就可以达到离路边10厘米靠边停车的效果离路边10厘米 如何判断轿车前端与人的距离以及与前车的距离。 判断轿车前端与人的距离： 以轿车为例，假设前方有一个身高1.7至1.8米左右的人，脚面高在10厘米左右，膝盖高在45厘米左右，臀部在70厘米左右。 1、当你看到车前端由地面向人体脚面或脚跟上移并停留此处时，车前端与人体之间的距离为3米。 2、当你看到车前端升高到人体膝盖高度处时，车前端与人体距离为1米。 3、当你看到车前端升高到人体臀部下端时，车前端与人体之间的距离为0.3米。
镜头角度与距离计算方法
专用的镜头角度计算方法 镜头焦距的计算 1公式计算法：视场和焦距的计算视场系指被摄取物体的大小，视场的大小是以镜头至被摄取物体距离，镜头焦头及所要求的成像大小确定的。 1、镜头的焦距，视场大小及镜头到被摄取物体的距离的计算如下； f=wL/W 2、f=hL/h f；镜头焦距 w：图象的宽度（被摄物体在ccd靶面上成象宽度） W：被摄物体宽度 L：被摄物体至镜头的距离 h：图象高度（被摄物体在ccd靶面上成像高度）视场（摄取场景）高度 H：被摄物体的高度 ccd靶面规格尺寸：单位mm 规格 W H 1/3" 1/2" 2/3" 1" 由于摄像机画面宽度和高度与电视接收机画面宽度和高度一样，其比例均为4:3,当L不变，H或W增大时，f变小，当H或W不变，L增大时，f增大。 2视场角的计算如果知道了水平或垂直视场角便可按公式计算出现场宽度和高度。水平视场角β（水平观看的角度）β=2tg-1= 垂直视场角q（垂直观看的角度） q=2tg-1= 式中w、H、f同上水平视场角与垂直视场角的关系如下： q=或=q 表2中列出了不同尺寸摄像层和不同焦距f时的水平视场角b的值，如果知道了水平或垂直场角便可按下式计算出视场角便可按下式计算出视场高度H和视场宽度W. H=2Ltg、W=2Ltg 例如；摄像机的摄像管为17mm(2/3in),镜头焦距f为12mm，从表2中查得水平视场角为40℃而镜头与被摄取物体的距离为2m，试求视场的宽度w。W=2Ltg=2×2tg= 则H=W=×= 焦距f越和长，视场角越小，监视的目标也就小。 图解法如前所示，摄像机镜头的视场由宽（W）。高（H）和与摄像机的距离（L）决定，一旦决定了摄像机要监视的景物，正确地选择镜头的焦距就由来3个因素决定； *.欲监视景物的尺寸 *.摄像机与景物的距离 *.摄像机成像器的尺士：1/3"、1/2"、2/3"或1"。图解选择镜头步骤：所需的视场与镜头的焦距有一个简单的关系。利用这个关系可选择适当的镜头。估计或实测视场的最大宽度；估计或实测量摄像机与被摄景物间的距离；使用1/3”镜头时使用图2，使用1/2镜头时使用图3，使用2/3”镜头时使用图4，使用1镜头时使用图5。具体方法：在以W和L为座标轴的图示2-5中，查出应选用的镜头焦距。为确保景物完全包含在视场之中，应选用座标交点上，面那条线指示的数值。例如：视场宽50m,距离40m,使用 1/3"格式的镜头，在座标图中的交点比代表4mm镜头的线偏上一点。这表明如果使用4mm镜头就不能覆盖50m的视场。而用的镜头则可以完全覆盖视场。 f=vD/V 或 f=hD/H 其中，f代表焦距，v代表CCD靶面垂直高度，V代表被观测物体高度，h代表CCD靶面水平宽度，H代表被观测物体宽度。 举例：假设用1/2”CCD摄像头观测，被测物体宽440毫米，高330毫米，镜头焦点距物体2500毫米。由公式可以算出： 焦距f=440≈36毫米或 焦距f=330≈36毫米
多个总体距离判别法(DOC)
多个总体距离判别法 及其应用 课程名： 年级： 专业： 姓名： 学号：
目录 一、摘要 (1) 二、引言 (1) 三、原理 (1) 3.1定义 (1) 3.2思想 (1) 3.3判别分析过程 (1) 四、具体应用 (3) 4.1判别分析在医学上的应用 (3) 4.2距离判别法在居民生活水平方面的应用 (9) 4.3判别分析软件的使用 (12) 五、参考文献 (14) 六、附录 (15)
一、 摘要 近年来随着信息化社会的进行，数据分析对我们来说日趋重要，为了对数据的分类进行判别，本文介绍了数据分类判别的一种方法：距离判别法。本文从多个总体距离判别法理论出发并结合例题详细介绍了多个总体距离判别法的在医学领域以及居民生活水平方面的应用，同时也简单介绍了spss 软件一般判别法的具体操作。 关键词： 距离判别法 判别分析 一般判别分析 二、 引言 随着科技的发展，判别分析在经济，医学等很多领域以及气候分类，农业区划，土地类型划分等有着重要的应用， 本文从多个总体距离判别分析理论出发，介绍了多个总体距离判别法在医学以及人民生活方面的应用，并介绍了spss 一般判别分析的应用。 三、 原理 3.1 定义 距离判别法：距离判别分析方法是判别样品所属类别的一应用性很强的多因素决方法，其中包括两个样本总体距离判别法，多个样本距离判别法。 多个总体距离判别法：多个总体距离判别法是距离判别法的一种，是两个总体距离判别法的推广，具有多个总体，将待测样本归为多个样本中的一类。 3.2 思想 计算待测样本与各总体之间的距离，将待测样本归为与其距离最进的一类。 3.3 判别分析过程 对于k 个总体k 21G G G ?， ，，假设其均值分别为：k 21u u u ，，，?，协方差阵
判别分析-四种方法
第六章 判别分析 §6.1 什么是判别分析 判别分析是判别样品所属类型的一种统计方法，其应用之广可与回归分析媲美。 在生产、科研和日常生活中经常需要根据观测到的数据资料，对所研究的对象进行分类。例如在经济学中，根据人均国民收入、人均工农业产值、人均消费水平等多种指标来判定一个国家的经济发展程度所属类型；在市场预测中，根据以往调查所得的种种指标，判别下季度产品是畅销、平常或滞销；在地质勘探中，根据岩石标本的多种特性来判别地层的地质年代，由采样分析出的多种成份来判别此地是有矿或无矿，是铜矿或铁矿等；在油田开发中，根据钻井的电测或化验数据，判别是否遇到油层、水层、干层或油水混合层；在农林害虫预报中，根据以往的虫情、多种气象因子来判别一个月后的虫情是大发生、中发生或正常； 在体育运动中，判别某游泳运动员的“苗子”是适合练蛙泳、仰泳、还是自由泳等；在医疗诊断中，根据某人多种体验指标（如体温、血压、白血球等）来判别此人是有病还是无病。总之，在实际问题中需要判别的问题几乎到处可见。 判别分析与聚类分析不同。判别分析是在已知研究对象分成若干类型（或组别）并已取得各种类型的一批已知样品的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。对于聚类分析来说，一批给定样品要划分的类型事先并不知道，正需要通过聚类分析来给以确定类型的。 正因为如此，判别分析和聚类分析往往联合起来使用，例如判别分析是要求先知道各类总体情况才能判断新样品的归类，当总体分类不清楚时，可先用聚类分析对原来的一批样品进行分类，然后再用判别分析建立判别式以对新样品进行判别。 判别分析内容很丰富，方法很多。判别分析按判别的组数来区分，有两组判别分析和多组判别分析；按区分不同总体的所用的数学模型来分，有线性判别和非线性判别；按判别时所处理的变量方法不同，有逐步判别和序贯判别等。判别分析可以从不同角度提出的问题，因此有不同的判别准则，如马氏距离最小准则、Fisher 准则、平均损失最小准则、最小平方准则、最大似然准则、最大概率准则等等，按判别准则的不同又提出多种判别方法。本章仅介绍四种常用的判别方法即距离判别法、Fisher 判别法、Bayes 判别法和逐步判别法。 §6.2 距离判别法 基本思想：首先根据已知分类的数据，分别计算各类的重心即分组（类）的均值，判别准则是对任给的一次观测，若它与第i 类的重心距离最近，就认为它来自第i 类。 距离判别法，对各类（或总体）的分布，并无特定的要求。 1 两个总体的距离判别法 设有两个总体（或称两类）G 1、G 2，从第一个总体中抽取n 1个样品，从第二个总体中抽取n 2个样品，每个样品测量p 个指标如下页表。 今任取一个样品，实测指标值为),,(1'=p x x X ，问X 应判归为哪一类？ 首先计算X 到G 1、G 2总体的距离，分别记为),(1G X D 和),(2G X D ，按距离最近准则
行车距离判断(整理)
车辆位置距离判断 1.左轮位置的判断 我们需要知道左轮会从什么地方压过，用以避免轮胎压到实线，或者规避路上的坑洞石块等。 当我们的视线通过左雨刮器突起的结点和地面上的物体重合时，我们的左轮在行进时就会在该物体处压过。 比如在下图中我们通过雨刮器结点和地面中心线重合，那么轮胎就会从中心线上压过。 （左轮压住了中线） 2.离中线60公分行驶 当我们正常行驶时，离中心线60公分是比较安全的。若我们的视线通过面板和A柱的交角和中线重合时，车身正好离中线是60公分。 （车身离中线60公分）
3.判断右轮的位置 当我们视线通过右雨刮器和目标相交时，轮胎会从该目标上压过。 （右轮已经压线） 4.右侧离路边60公分行驶 当右喷水器和路面边目标重叠时，车身离路边还有60厘米。 （离路边还有60厘米） 5.右方靠边停车 当右雨刮器结点和路边重合时，方向稍向左拉，可达到离路边10厘米靠边停车的效果。 （离路边10厘米）
【如何判断轿车前端与人的距离以及与前车的距离】 一、判断轿车前端与人的距离： 以轿车为例，假设前方有一个身高1.7至1.8米左右的人，脚面高在10厘米左右，膝盖高在45厘米左右，臀部在70厘米左右。 1.当你看到车前端由地面向人体脚面或脚跟上移并停留此处时，车前端与人体之间的距离为3米。 2.当你看到车前端升高到人体膝盖高度处时，车前端与人体距离为1米。 3.当你看到车前端升高到人体臀部下端时，车前端与人体之间的距离为0.3米。 二、判断前车距离： 1.从挡风玻璃下沿看到前车保险杠上沿时约1米； 2.从挡风玻璃下沿看到前车保险杠下沿（人的脚膝盖）时约2米； 3.从挡风玻璃下沿看到前车后轮胎下沿（或看到地面）时约3米； 4.左后视镜下缘看到的相对地面的横线就是自己车头位置。 三、右后视镜判断后车距离： 1.后车影占后视镜全部时，车距约3米； 2.后车影占后视镜三分之二时，车距约5米； 3.后车影占后视镜二分之一时，车距约9米； 4.后车影占后视镜三分之一时，车距约12米； 5.左后视镜看到后轮盖罩中间（后门手握柄、车身横线或后视镜底线反射）相对地面就是车尾位置。 6.通过车内后视镜透视过后窗挡风玻璃下沿判断后车距离：若看到后车大灯上缘,则后尾箱距后车为三米半左右；若看到后车机仓盖与前挡玻璃交界处，则后尾箱距后车为一米；若看到后车前挡玻璃的水平三分之一，则基本靠上了。 四、判断车辆位置（车轮位置、前后位置）： 1.判断路边在挡风玻璃中的位置（左轮在挡风玻璃左柱往右10-15cm位置；右轮在挡风玻璃中心线往左5-10cm位置）；离路边距离可以从后视镜看到。 2.判断右轮位置（车头中部或右雨刮器）：在车头盖板右边三分一处的相对地面。
最大最小距离算法以及实例
最大最小距离算法实例 10个模式样本点{x1(0 0), x2(3 8), x3(2 2), x4(1 1), x5(5 3), x6(4 8), x7(6 3), x8(5 4), x9(6 4), x10(7 5)} 第一步：选任意一个模式样本作为第一个聚类中心，如z1 = x1； 第二步：选距离z1最远的样本作为第二个聚类中心。 经计算，|| x6 - z1 ||最大，所以z2 = x6； 第三步：逐个计算各模式样本{x i, i = 1,2,…,N}与{z1, z2}之间的距离，即 D i1 = || x i - z1 || D i2 = || x i – z2 || 并选出其中的最小距离min(D i1, D i2)，i = 1,2,…,N 第四步：在所有模式样本的最小值中选出最大距
离，若该最大值达到||z1 - z2 ||的一定比例以 上，则相应的样本点取为第三个聚类中心 z3，即：若max{min(D i1, D i2), i = 1,2,…,N} > θ||z1 - z2 ||，则z3 = x i 否则，若找不到适合要求的样本作为新的 聚类中心，则找聚类中心的过程结束。 这里，θ可用试探法取一固定分数，如1/2。 在此例中，当i=7时，符合上述条件，故 z3 = x7 第五步：若有z3存在，则计算max{min(D i1, D i2, D i3), i = 1,2,…,N}。若该值超过||z1 - z2 ||的一定 比例，则存在z4，否则找聚类中心的过程 结束。 在此例中，无z4满足条件。 第六步：将模式样本{x i, i = 1,2,…,N}按最近距离分到最近的聚类中心： z1 = x1：{x1, x3, x4}为第一类 z2 = x6：{x2, x6}为第二类 z3 = x7：{x5, x7, x8, x9, x10}为第三类最后，还可在每一类中计算各样本的均值，得到更具代表性的聚类中心。
距离计算
摘要：颜色恒常性算法通常使用距离测量是基于数学方法进行评价，如角误差。然而，并不知道这些距离与人类视觉距离是否相关。因此，本文的主要目的是分析的几个性能指标和质量之间的相关性，通过心理物理实验，用不同的颜色恒常性算法获得输出图像。随后处理的问题是性能指标的分布，表明在一个大的图像中可以提供更多附加的和替代的信息，而且得到了改进的感性意义，即人类观察者之前存在的差异得到了明显的改善。?2009美国光学学会 颜色恒常性是视觉系统的能力，无论是人或机器，尽管光源颜色发生了巨大变化也可以保持稳定的物体颜色。颜色恒常性是颜色和计算机视觉的一个主题部分。为了解决颜色恒常性的问题，通常的方法是通过估计从视觉场景中的光源，然后恢复这些反射光源。 许多的颜色恒常性的方法已经被提出，例如，[ 1，4 ]–。为基准，颜色恒常性算法的精度是通过计算在相同数据的距离度量集如[ 5,6 ]评价。事实上，这些距离的措施计算到什么程度原光源向量近似估计。两种常用的距离度量是欧氏距离和角度误差，后者可能是更广泛的应用。然而，这些距离的措施本身是基于数学原理和归一化RGB颜色空间计算，它是未知的是否与人类视觉距离措施。此外，其他的距离度量可以基于人眼视觉原理的定义。 因此，在本文中，一种颜色恒常性算法分类法不同距离的措施第一，
从数学基础的距离知觉和颜色恒常性的特定距离。然后，设置距离这些措施的颜色恒常知觉的比较。显示距离的措施和看法之间的相关性，颜色校正后的图像与视觉检测的参考光照下的原始图像相比。在这种方式中，距离度量的心理物理学实验涉及的颜色校正后的图像进行配对比较。此外，以下[ 7 ]，一个绩效指标的分布的讨论，表明附加的和替代的信息可以提供进一步的洞察在一个大的组的图像的颜色恒常性算法的性能。 最后，除了性能措施的心理评估，颜色恒常性算法之间的感知差异分析。这种分析是用来提供一个获得的性能改进的感性意义的指示。换句话说，这种分析的结果可以用来表明是否观察者可以看到之间的颜色校正两颜色恒常性算法产生的图像的差异。 本文的组织如下。在2节中，讨论了颜色恒常性和图像变换。进一步，设计了一套颜色恒常性的方法。然后，进行了3不同距离的措施。第一类问题的数学方法，包括角度误差和欧氏距离。第二类型涉及测量距离在不同的色彩空间，例如，设备无关的，感性的，或直观的色彩空间。第三，两域特定距离的措施进行了分析。在4节中，心理物理实验的实验装置进行了讨论，这些实验的结果在第5节。6节各种颜色恒常性算法进行比较，表明距离测量的影响，并在7节中两种算法之间的差异的感性意义的讨论。最后，对得到的结果进行了讨论在8节。 2、颜色恒常性 朗伯表面的图像值f取决于光源的颜色e(λ)，表面的反射率S（x,
开车技巧_前后左右边距离判断
起步： 1，首先踩离合，刹车 2，打开左转向灯，看左后视镜，挂一档，松手刹。 3，抬离合器到半联动（车身抖动） 4，轻踩油门，慢抬离合 离合器的抬法：1，快，2，停，3，慢 1，快抬到半联动。 2，在半联动稍停。 3，轻踩油门，慢抬离合。 观察与前方行人的前后距离： 1，驾驶员视线，发动机盖，人体脚面或脚跟成一条线时：3米。2，驾驶员视线，发动机盖，人体膝盖成一条线时：1米。 3，驾驶员视线，发动机盖，人体臀部下端成一条线时：0.3米。观察与前方车的前后距离： 1，驾驶员视线，发动机盖，前方车的轮胎成一条线时：3米 2，驾驶员视线，发动机盖，前方车的保险杠的下沿时：2米 3，驾驶员视线，发动机盖，前方车的保险杠的上沿时：1米 4，左后视镜下缘看到的相对地面的横线就是自己车头位置。 通过后视镜观察与后车的距离： 1，后车占后视镜的3分之一，10米以外。 2，后车占后视镜的2分之一，7米以上
3，后车满后视镜，3-5米。 通过车内后视镜透视过后窗挡风玻璃下沿判断与后车的距离： 1，若看到后车大灯上缘,则距后车为：3米半左右； 2，若看到后车机仓盖与前挡玻璃交界处，则距后车为：1米； 3，若看到后车前挡玻璃的水平三分之一，则基本靠上了。 在路中央行驶： 1，左前大灯的边缘角沿着分道线，确保车辆在车道中央行使。 2，观察右侧，分道线大约在中控台中心点略靠右侧10厘米，距离右边分道线20厘米。分道线越往右，距离右侧越远。 观察车与左分道线的距离： 1，左前大灯的边缘角沿着分道线的虚线：与左侧30厘米 2，观察左侧后视镜。 观察车与右分道线的距离： 1，分道线大约在中控台中心点略靠右侧10厘米，距离右边分道线20厘米。分道线越往右，距离右侧越远。 2，右前大灯沿着右侧分道线行驶：与右侧60厘米 3，右侧：观察右侧后视镜。 1 观察车与右前方行人，障碍物横向的距离： 以雨刮喷嘴为参照物（实际各人高度、座椅前后有差异）： 1，当驾驶员视线，右侧喷嘴，人脚（障碍物底边）成一条直线时：50cm 左右
SPSS操作方法：判别分析例题
为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为三种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 5
贝叶斯判别的SPSS操作方法： 1. 建立数据文件 2．单击Analyze→ Classify→ Discriminant，打开Discriminant Analysis 判别分析对话框如图1所示： 图1 Discriminant Analysis判别分析对话框 3．从对话框左侧的变量列表中选中进行判别分析的有关变量x1~x9进入Independents 框，作为判别分析的基础数据变量。 从对话框左侧的变量列表中选分组变量Group进入Grouping Variable 框，并点击Define Range...钮，在打开的Discriminant Analysis: Define Range对话框中，定义判别原始数据的类别数，由于原始数据分为3类，则在Minimum（最小值）处输入1，在Maximum（最大值）处输入3（见图2）。。 选择后点击Continue按钮返回Discriminant Analysis主对话框。 图2 Define Range对话框 4、选择分析方法 ?Enter independent together 所有变量全部参与判别分析（系统默 认）。本例选择此项。 ?Use stepwise method 采用逐步判别法自动筛选变量。
实验报告10 距离判别
实验十 距离判别 一、实验目的和要求 掌握距离判别分析的理论与方法、模型的建立与误差率估计；掌握利用判别分析的SAS 过程解决有关实际问题. 实验要求:编写程序，结果分析． 实验内容： 要求:1题必做,2,3,4题可选1-2题 1.写出几种距离公式,两总体距离判别准则; p 维空间两点T p x x x ),,,(21 =x ，T p y y y ),,,(21 =y 1.欧氏距离 ∑=-= p i i i y x d 1 2)()(y x, 2.明氏距离 m p i m i i y x d 11 ])([)(∑=-=y x, 3.马氏距离 2 1 1 )]()[()(y x Σy x y x,--=-T d 线性判别函数)(),(),(21x x x W W W 的估计 ??? ? ?????+=--=+=+=-----) (21)(?),(?)(?)(21b ?,??)(?)(2 1b ?,??)(?)2()1()2()1(1)2(1)2(2 )2(12222)1(1)1(1)1(11111 x x x x x S a x x a x x S x x S a x a x x S x x S a x a x ，＝＝－，＝＝－，＝其中T T T T T W b W b W (5.5) 两个总体的距离判别准则 ???<∈≥∈) (? )(?,)(?)(?,2122 1x x G x x x G x 1W W W W 若若 （5.6） 或 ? ??<∈≥∈0)(?,0)(?,2x G x x G x 1W W 若若 2.书上5.3 （1） 两总体之间的广义平方距离 线性判别函数 ∧ ∧∧ +=j T j j b W x a (x)）
新手车距判断及停车技巧(图解)
新手车距判断及停车技巧（图解） 此文是在网上找到的，本人觉得很实用，所以就在这里分享给大家了。新手上路对于车与外部物体的距离没有感觉，先教几招判断距离的方法：可能不同的车会略有不同。 一、判断车距： 1、车影占后视镜的全部，车距为3米。 2、车影占后视镜的2/3，车距为5米。 3、车影占后视镜的1/2，车距为9米。 4、车影占后视镜的1/3，车距为12米。 5、前挡风玻璃下沿，看到前车后保险杠的上沿，车距为1米。 6、前挡风玻璃下沿，看到前车后保险杠的下沿，车距为2米。 7、前挡风玻璃下沿，看到前车后轮胎的下沿，车距为3米。 8、前方停止线和左前门角5CM处对正，刚好不越线。 9、前挡风玻璃下沿，看到前方行人小腿中部，正面距人约2.5米。 10、前挡风玻璃下沿，看到前方行人膝盖上，正面距人约1米。 11、前挡风玻璃左下角，看到行人臂部，侧面距人约0.3米。 12、前挡风玻璃右下角，看到行人臂部，侧面距人约0.5米。 13、前挡风玻璃左下角，看到行人膝盖下，侧面距人约0.7米。 注意事项： １、倒车时，左侧中窗下沿看到他车车轮中心时，左侧面距左车约0.8米。 ２、倒车时，右侧中窗竖后中间，看到他车车轮中心时，右侧面距左车约1米。 ３、倒车时，后视镜看到后轮胎上保险杠后端与停车线对齐时，本车后部距离停车线约0.2米。 教新手如何判断车距（图解） 一、超车变道时如何判断后车距离： 视镜中车影大小与其车距的关系如下： 1、车影占后视镜全部——车距为3m;
2、车影占后视镜2/3——车距为 5m
3、车影占后视镜1/2——车距为 9m 4、车影占后视镜1/3——车距为 12m 二、堵车跟车时如何判断前车距离： 跟车距离一般在2米左右较合适，太近容易造成追尾事故，太远会被其他车辆插入。 一般情况下，根据驾驶员从本车前部轮廓线看到前车后保险杠及轮胎的位置来判断： 1、看见前车后保险杠上沿——车距为1m ;
如何判断车子左右距离
驾车~~如何判断左右前后车距 ,老手都不一定知道1、左轮位置的判断 我们需要知道左轮会从什么地方压过，用以避免轮胎压到实线，或者规避路上的坑洞石块等。 当我们的视线通过左雨刮器突起的结点和地面上的物体重合时，我们的左轮在行进时就会在该物体处压过。 比如在下图中我们通过雨刮器结点和地面中心线重合，那么轮胎就会从中心线上压过.
2、左轮压住了中线 2、离中线60公分行驶 当我们正常行驶时，离中心线60公分是比较安全的。 当我们的视线通过棉板和A柱的交角和中线重合时，车身正好离中线是60公分。
3、车身离中线60公分 3、判断右轮的位置 当我们视线通过右雨刮器和目标相交时，轮胎会从该目标上压过
4、右轮已经压线 4、右侧离路边60公分行驶 当右喷水器和路面边目标重叠时，车身离路边还有60厘米。
5、离路边还有60厘米 5、右方靠边停车 当右雨刮器结点和路边重合时，方向稍向左拉，就可以达到离路边10厘米靠边停车的效果。
离路边10厘米 如何判断轿车前端与人的距离以及与前车的距离。 判断轿车前端与人的距离： 以轿车为例，假设前方有一个身高1.7至1.8米左右的人，脚面高在10厘米左右，膝盖高在45厘米左右，臀部在70厘米左右。 1、当你看到车前端由地面向人体脚面或脚跟上移并停留此处时，车前端与人体之间的距离为3米。 2、当你看到车前端升高到人体膝盖高度处时，车前端与人体距离为1米。 3、当你看到车前端升高到人体臀部下端时，车前端与人体之间的距离为0.3米。 判断前车距离： 1、从挡风玻璃下沿看到前车保险杠上沿时约一米；
费希尔判别法理论
费希尔判别 费希尔判别（或称典型判别）的基本思想是投影（或降维）：用p 维向量12(,,)p x x x x '=???的少数几个线性组合（称为费希尔判别函数或典型变量）1122,,r r y a x y a x y a x '''==???=（一般r 明显小于p ）来代替原始的p 个变量12,,p x x x ???，以达到降维的目的，并根据这r 个判别函数12,,r y y y ???对样品的归属做出判别或将各组分离。成功的降维将使样品的归类或组的分离更为方便和有效，并且可以对前三个判别函数作图，从直观的几何图像上区别各组。 在降维的过程中难免会有部分有用信息的损失，但只要使用的方法得当，我们可以最大限度地减少这种损失，从而保留尽可能多的有用信息，即关于能够反应组之间差异的信息。为便于理解，我们以下用一个简单的二维例子来加以说明。 图投影到某个方向再判别 如图所示，两个组的所有样品都测量了两个变量1x 和2x ，将所有（12,x x ）点画于直角坐标系上，一组的样品点用“×”表示，另一组的样品点用“○”表示。假定我们希望将二维空间的点投影到某个一维空间，即一条直线上，然后再对两组进行判别，则投影到不同的直线上，判别的效果一般是不同的。从图中可见，如果两组的点都投影到直线z 上则这两组的投影点在该直线上的分布几乎无任何差异，他们完全混合在一起，我们无法将这两组的点区别开来，这样的降维把反应两组间差异的信息都给损失了，显然是不可取的。事实上，最好的投影是投影
到直线y 上，因为它把两组的投影点很清楚地区分了开来，这种降维把有关两组差异的信息很好地保留了下来，几乎没有任何损失，如此就完全可以在一维的直线上作判别分析。 我们现考虑在p R 中将k 组的p 维数据向量投影到某个具有最佳方向的a 上，即投影到a 上的点能最大限度地显现出各组之间的差异。 设来自组i π的p 维观测值为ij x ，1,2,,i j=n ???，1,2,,i=k ???，将它们共同投影 到某一p 维常数向量a 上，得到的投影点可分别对应线性组合i j i j y =a x '，1,2,,i j=n ???，1,2,,i=k ???。这样，所有的p 维观测值就简化为一维观测值。下面我们用i y 表示组i π中ij y 的均值，y 表示所有组k 组的ij y 的总均值，即 11i n i ij i j i y y a x n ='==∑ 11 1i n k i ij i j y y a x n =='==∑∑ 式中1 k i i n n ==∑，11i n i ij j i x x n ==∑，11k i i i x n x n ==∑。 对于任一用来投影的a ，我们需要给出一个能反映组之间分离程度的度量。比较图中的上、下半图，上半图三组均值之间的差异程度与下半图是相同的，而前者组之间的分离程度却明显高于后者，原因就在于前者的组内变差要远小于后者，后者组之间有较多重叠。因此，可以考虑将组之间的分离程度度量为相对其组内变差的组间变差。在以下的讨论中，我们需假定各组的协方差矩阵相同，即12k ∑=∑=???=∑=∑。
地球上两点的经纬度计算他们距离的公式
假设地球是一个标准球体，半径为R,并且假设东经为正，西经为负，北纬为正，南纬为负， 则A(x,y)的坐标可表示为（R*cosy*cosx, R*cosy*sinx,R*siny） B(a,b)可表示为(R*cosb*cosa ,R*cosb*sina,R*sinb) 于是，AB对于球心所张的角的余弦大小为 cosb*cosy*(cosa*cosx+sina*sinx)+sinb*siny=cosb*cosy*cos(a-x)+s inb*siny 因此AB两点的球面距离为 R*{arccos[cosb*cosy*cos(a-x)+sinb*siny]} 注：1.x,y,a,b都是角度，最后结果中给出的arccos因为弧度形式。 2.所谓的“东经为正，西经为负，北纬为正，南纬为负”是为了计算的方便。 比如某点为西京145°，南纬36°，那么计算时可用(-145°,-36°) 3.AB对球心所张角的球法实际上是求
假设地球是个标准的球体：半径可以查出来，假设是R: 如图： 要算出A到B的球面距离，先要求出A跟B的夹角，即角AOB， 求角AOB可以先求AOB的最大边AB的长度。在根据余弦定律可以求夹角。 AB在三角形AQB中，AQ的长度可以根据AB的纬度之差计算。 BQ在三角形BPQ中，BP和PQ可求，角BPQ可以根据两者的经度求出，这样BQ的长度也可以求出来， 所以AB的长度是可以求出来的。因为三角形ABQ是直角三角形，已经得到两个边 知道了角AOB后，AB的弧长是可以求的。 这样推出其公式就不难了 关于用经纬度计算距离： 地球赤道上环绕地球一周走一圈共40075.04公里,而@一圈分成360°,而每1°(度)有60,每一度一秒在赤道上的长度计算如下： 40075.04km/360°=111.31955km 111.31955km/60=1.8553258km=1855.3m 而每一分又有60秒,每一秒就代表1855.3m/60=30.92m 任意两点距离计算公式为 d＝111.12cos{1/[sinΦAsinΦB十cosΦAcosΦBcos(λB—λA)]} 其中A点经度，纬度分别为λA和ΦA，B点的经度、纬度分别为λB和ΦB，d为距离。至于比例尺计算就不废话了
判别分析三种方法
作业一： 为研究1991年中国城镇居民月平均收入状况，按标准化欧氏平方距离、离差平方和聚类方法将30个省、市、自治区．分为两种类型。试建立判别函数，判定广东、西藏分别属于哪个收入类型。判别指标及原始数据见表9-4。 1991年30个省、市、自治区城镇居民月平均收人数据表 单位：元／人 x1：人均生活费收入 x6：人均各种奖金、超额工资(国有+集体) x2：人均国有经济单位职工工资 x7：人均各种津贴(国有+集体) x3：人均来源于国有经济单位标准工资 x8：人均从工作单位得到的其他收入 x4：人均集体所有制工资收入 x9：个体劳动者收入 x5：人均集体所有制职工标准工资
一、距离判别法 解：变量个数p＝9，两类总体各有11个样品，即n1＝n2＝11 ，有2个待判样品，假定两总体协差阵相等。由spss可计算出：协方差和平均值
合计x1 123.2881 23.27817 22 22.000 x2 80.4895 22.04796 22 22.000 x3 50.8709 6.14867 22 22.000 x4 10.1450 3.11887 22 22.000 x5 6.0659 2.72297 22 22.000 x6 14.6060 6.73264 22 22.000 x7 15.7215 6.64603 22 22.000 x8 8.7895 3.02700 22 22.000 x9 1.5291 1.31496 22 22.000 知道了均值和协方差可利用matlab计算线性判别函数W（x）的判别系数a和判别常数。程序如下： v=[1.000,0.217,0.299,0.045,-0.054,0.688,0.212,0.121,-0.245;.217,1,.102,-.234,-.211,. 136,-.052,.116,.154;.299,.102,1,-.296,-.062,.091,-.017,-.607,-.034;.045,-.234,-.296,1,. 762,-.172,-.297,.103,-.554;-.054,-.211,-.062,.762,1,-.156,-.342,.022,-.654;.688,.136,.0 91,-.172,-.156,1,.235,.384,-.098;.212,-.052,-.017,-.297,-.342,.235,1,-.040,.424;.121,.1 16,-.607,.103,.022,.384,-.040,1,-.071;-.245,.154,-.034,-.554,-.654,-.098,.424,-.071,1]; >> m1=[139.2664;93.0918;53.9882;11.2073;6.7645;17.9345;17,8327;11.0018;1.6736];m 2=[107.3099;67.8873;47.7536;9.0827;5.3673;11.2775;13.6102;6.5773;1.3845]; >> m=(m1+m2)/2; >> arfa=inv(v)*(m1-m2);