使用辛普森法计算 B 样条曲线弧长

1. 弧长的数学定义

设一条参数化的 B 样条曲线为 C(u),其参数 u 的有效区间为 [a, b]。
该曲线的弧长 L 定义为:

L = ∫ₐᵇ ‖C′(u)‖ du

其中:

  • C′(u) 是曲线对参数 u 的一阶导数(即切向量),
  • ‖C′(u)‖ 表示该切向量的欧几里得范数(即速度大小),
  • a 和 b 是积分上下限(通常取 B 样条非零支撑区间的起止节点)。

由于该积分一般没有解析解,需采用数值积分方法求解。

2. 辛普森法基本公式(复合形式)

将区间 [a, b] 等分为 N 段(N 必须为偶数),步长为:

h = (b − a) / N

记分点为:
u₀ = a,
u₁ = a + h,
u₂ = a + 2h,
…,
uₙ = b (其中 n = N)

则弧长 L 可用复合辛普森公式近似为:

L ≈ (h / 3) ⋅ [ f(u₀) + 4⋅f(u₁) + 2⋅f(u₂) + 4⋅f(u₃) + 2⋅f(u₄) + … + 4⋅f(uₙ₋₁) + f(uₙ) ]

其中函数 f(u) 定义为:

f(u) = ‖C′(u)‖

更紧凑地写为:

L ≈ (h / 3) ⋅ [ f(u₀) + f(uₙ) + 4⋅Σₖ₌₁,₃,₅,…,ₙ₋₁ f(uₖ) + 2⋅Σₖ₌₂,₄,₆,…,ₙ₋₂ f(uₖ) ]

3. 计算步骤

  1. 确定参数区间 [a, b]:
    对于 p 次 B 样条,通常取第一个非零基函数起点到最后一个非零基函数终点,例如 [uₚ, uₘ₋ₚ](m 为节点数)。

  2. 选择偶数分割数 N(如 N = 10, 20, 50, 100;越大精度越高)。

  3. 计算步长
    h = (b − a) / N

  4. 对每个分点 uᵢ = a + i⋅h(i = 0, 1, …, N)

    • 计算曲线在 uᵢ 处的一阶导数 C′(uᵢ)
    • 计算 f(uᵢ) = ‖C′(uᵢ)‖
  5. 按辛普森权重求和

    • 首尾点(i = 0 和 i = N)权重为 1
    • 奇数索引点(i 为奇数)权重为 4
    • 偶数索引点(i 为偶数且 0 < i < N)权重为 2
  6. 计算最终弧长
    L ≈ (h / 3) × 总加权和

4. 示例(N = 4)

若 N = 4,则 h = (b − a)/4,分点为 u₀, u₁, u₂, u₃, u₄。

弧长近似为:

L ≈ (h / 3) ⋅ [ f(u₀) + 4f(u₁) + 2f(u₂) + 4f(u₃) + f(u₄) ]


5. 注意事项

  • N 必须为偶数,否则辛普森法不适用。
  • 若曲线曲率变化剧烈(如高曲率拐点),建议局部加密分段或改用自适应辛普森法。
  • 相比矩形法或梯形法,辛普森法具有 O(h⁴) 的收敛阶,精度更高。
  • 对于光滑的 B 样条曲线(C² 连续),辛普森法通常只需 N = 20~50 即可获得良好精度。

如需更高效率,也可结合自适应辛普森法(Adaptive Simpson’s Rule),在误差大的子区间自动递归细分。

源码来自:https://pan.quark.cn/s/a3a3fbe70177 AppBrowser(Application属性查看器,不需要越狱! ! ! ) 不需要越狱,调用私有方 --- 获取完整的已安装应用列表、打开和删除应用操作、应用运行时相关信息的查看。 支持iOS10.X 注意 目前AppBrowser不支持iOS11应用查看, 由于iOS11目前还处在Beta版, 系统API还没有稳定下来。 等到Private Header更新了iOS11版本,我也会进行更新。 功能 [x] 已安装的应用列表 [x] 应用的详情界面 (打开应用,删除应用,应用的相关信息展示) [x] 应用运行时信息展示(LSApplicationProxy) [ ] 定制喜欢的字段,展示在应用详情界面 介绍 所有已安装应用列表(应用icon+应用名) 为了提供思路,这里只用伪代码,具体的私有代码调用请查看: 获取应用实例: 获取应用名和应用的icon: 应用列表界面展示: 应用列表 应用运行时详情 打开应用: 卸载应用: 获取info.plist文件: 应用运行时详情界面展示: 应用运行时详情 右上角,从左往右第一个按钮用来打开应用;第二个按钮用来卸载这个应用 INFO按钮用来解析并显示出对应的LSApplicationProxy类 树形展示LSApplicationProxy类 通过算,将LSApplicationProxy类,转换成了字典。 转换规则是:属性名为key,属性值为value,如果value是一个可解析的类(除了NSString,NSNumber...等等)或者是个数组或字典,则继续递归解析。 并且会找到superClass的属性并解析,superClass如...
基于遗传算辅助异构改进的动态多群粒子群优化算(GA-HIDMSPSO)的LSTM分类预测研究(Matlab代码实现)内容概要:本文研究了一种基于遗传算辅助异构改进的动态多群粒子群优化算(GA-HIDMSPSO),并将其应用于LSTM神经网络的分类预测中,通过Matlab代码实现。该方结合遗传算的全局搜索能力与改进的多群粒子群算的局部优化特性,提升LSTM模型在分类任务中的性能表现,尤其适用于复杂非线性系统的预测问题。文中详细阐述了算的设计思路、优化机制及在LSTM参数优化中的具体应用,并提供了可复现的Matlab代码,属于SCI级别研究成果的复现与拓展。; 适合人群:具备一定机器学习和优化算基础,熟悉Matlab编程,从事智能算、时间序列预测或分类模型研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①提升LSTM在分类任务中的准确性与收敛速度;②研究混合智能优化算(如GA与PSO结合)在神经网络超参数优化中的应用;③实现高精度分类预测模型,适用于电力系统故障诊断、电池健康状态识别等领域; 阅读建议:建议读者结合Matlab代码逐步调试运行,理解GA-HIDMSPSO算的实现细节,重点关注种群划分、异构策略设计及与LSTM的集成方式,同时可扩展至其他深度学习模型的参数优化任务中进行对比实验。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

haing2019

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值