welcome_yu的博客

轨迹相似性度量方法总结基于点的度量基于形状的度量基于分段基于特定任务基于点的度量1.欧氏距离优点：线性计算时间缺点：轨迹长度要相同2.DTW是对时间序列距离测量的改进优点：考虑到时间差；比欧式距离效果好缺点：对噪音比较敏感３.LCSS优点：对噪音有一定的鲁棒性缺点:阈值不好定义4.EDR优点：对噪音有一定的鲁棒性缺点:阈值不好定义EDR和LCSS的比较:共同点:他们都是基于点的EDR计算操作代价时需要考虑未匹配的点不同点：LCSS代价高，EDR代价低基于形状的度量

小波阈值去噪原理及实现1.小波阈值去噪的基本原理2.小波阈值去噪需要考虑的问题3.小波阈值的实现1.小波阈值去噪的基本原理将信号通过小波变换（采用Mallat算法）后，信号产生的小波系数含有信号的重要信息，将信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则认为是噪声产生的，置为零从而达到去噪的目的。其实质为抑制信号中无用的部分、增强有用部分。其基本步骤为：（1）分解：选

1. 对于Hausdorff距离的理解Hausdorff距离：描述两组点集之间相似程度的一种度量。假设两组集合A={a1,a2,.....ap},B={b1,b2.....bp},则这两个点集之间的Hausdorff距离定义为：H(A,B)=max（h(A,B),h(A,B)） (1)其中，h(A,B)=max(a∈A) min(b∈B) ||a-b|| (2)， h(B,A)=max(b∈B) min(a∈A) ||b-a|| ...

经纬度坐标与距离的相互转换1.经纬度与距离角度的换算关系：2 Python代码实现1.经纬度与距离角度的换算关系：a）在纬度相等的情况下：经度每隔0.00001度，距离相差约1米；每隔0.0001度，距离相差约10米；每隔0.001度，距离相差约100米；每隔0.01度，距离相差约1000米；每隔0.1度，距离相差约10000米。b）在经度相等的情况下：纬度每隔0.00001度，距离相差约1.1米；每隔0.0001度，距离相差约11米；每隔0.001度，距离相差约111米；每隔0.0