样条曲线插补方法综述

样条插补能够直接对参数曲线进行插补是当前数控加工领域的研究热点之一.在样条插补过程中,插补参数的计算方法决定了数控机床加工中速度波动的大小.速度波动是影响数控系统加工质量的重要因素,因此插补参数计算方法是样条曲线插补的关键技术.近年来,研究人员提出多种样条插补算法和插补参数计算方法.介绍样条插补的基本概念,分析速度波动产生的原因;阐述三种常见的样条曲线插补方法并着重综述了各种插补参数计算的方法,分析了各种方法的优缺点;并指出样条插补方法的研究趋势.     

数据预处理方法在移动通信行业中的应用

解决数据本身的质量问题,以某移动通信用户离网原因分析及预测为主题及为数据挖掘模型处理出需要的数据是文章的主要目的.文中运用了数据预处理中,维规约,属性集成与构造,多重插补,离散化,规范化,数据抽样等方法来得到一个完整的、近似真实的数据集.针对所处理数据含有大量缺失值的特点,选取了插补的方法进行处理.包括方法的插补方法的选择,到最后使用多重插补方法对缺失数据进行修正.预处理后的数据应用到具体数据挖掘模型后提高了数据挖掘的效率,降低了数据挖掘复杂度.     

土壤属性数据pH缺失的插补方法

土壤分析研究中属性数据缺失的现象时常发生,为了提高研究结果的可靠性,有必要对土壤属性数据的缺失值插补方法进行研究.从数据挖掘的角度利用多种缺失值处理方法来对缺失值进行插补,以中国主要农田生态系统土壤养分数据库的pH属性为研究对象,并且从真实值和插补值的拟合优度和插补误差两个方面评估各个方法在不同缺失率的数据集上的表现.结果表明,对比其他方法,如多元回归、SVM、神经网络,采用最优参数的KNN和随机森林插补方法对土壤属性数据pH进行插补是有效可行的.KNN和随机森林在不同缺失率的数据集上插补缺失数据pH的MAE、RMSE和R2的均值分别为0.132和0.131,0.174和0.178,0.775和0.765.     

ARIMA和LSTM方法长时间温度观测数据缺失值插补的比较

针对野外小气象观测站点半小时温度观测长时间数据缺失问题,结合较低频次的人工温度观测数据,采用时间序列分析和深度学习等方法,对缺失的半小时温度观测数据进行高精度插补。首先,选用深度学习数据插补中的序列-序列（Seq2Seq）方法,建立了适合高精度温度数据插补需求的编码-解码深度学习模型BiLSTM-I;然后,选用了传统的代表性方法,从时间序列回归分析——差分整合移动平均自回归模型（ARIMA）状态方程形式中,获取卡尔曼平滑状态估计方程的各项参数,由卡尔曼平滑估计实现对温度观测数据缺失值的插补。实验分析结果表明,所设计的BiLSTM-I深度学习气温插补方法要优于时间序列的双向递归插补方法（BRITS-I）。对缺失值时间窗口为30 d的测试集,测试结果中均方根误差（RMSE）为0.47℃,相较于BRITS-I得到的RMSE,精度提升了0.90;对缺失值时间窗口为60 d的测试集,RMSE为0.49℃,相较于BRITS-I得到的RMSE,精度提升了0.90;基于ARIMA状态模型的插补方法也有较高的精度,RMSE为0.75℃。最后,还分析了BiLSTM-I深度学习插补方法对不同温度缺失时间长度...     

ARIMA和LSTM方法长时间温度观测数据缺失值插补的比较

针对野外小气象观测站点半小时温度观测长时间数据缺失问题,结合较低频次的人工温度观测数据,采用时间序列分析和深度学习等方法,对缺失的半小时温度观测数据进行高精度插补。首先,选用深度学习数据插补中的序列-序列（Seq2Seq）方法,建立了适合高精度温度数据插补需求的编码-解码深度学习模型BiLSTM-I;然后,选用了传统的代表性方法,从时间序列回归分析——差分整合移动平均自回归模型（ARIMA）状态方程形式中,获取卡尔曼平滑状态估计方程的各项参数,由卡尔曼平滑估计实现对温度观测数据缺失值的插补。实验分析结果表明,所设计的BiLSTM-I深度学习气温插补方法要优于时间序列的双向递归插补方法（BRITS-I）。对缺失值时间窗口为30 d的测试集,测试结果中均方根误差（RMSE）为0.47℃,相较于BRITS-I得到的RMSE,精度提升了0.90;对缺失值时间窗口为60 d的测试集,RMSE为0.49℃,相较于BRITS-I得到的RMSE,精度提升了0.90;基于ARIMA状态模型的插补方法也有较高的精度,RMSE为0.75℃。最后,还分析了BiLSTM-I深度学习插补方法对不同温度缺失时间长度...     

基于Sas的时间序列缺失值处理方法比较

对于时间序列挖掘过程中的缺失值处理,目前有许多方法。在处理数据变量成一定的相关的数据集时,回归模型不失为较好的插补方法。利用均值插补、一元线性回归、多元线性回归、迭代回归方法对水文时间序列数据集的缺失数据进行处理,比较不同的皮氏相关系数下各方法的优劣及适用性。文中研究表明当数据集中存在与缺值变量相关度较大的变量时,一元线性回归的插补简单直观,且有较高的精度,结果接近真实;当数据集中不存在与缺值变量显著相关的自变量时,一元线性回归的结果变差,多元线性回归与多元迭代回归具有较好的结果,但多元迭代回归迭代次数难以确定,插补代价较大,多元线性回归为最佳选择;当缺值变量与其他自变量相关系数均较小时,回归插补的结果不理想,此时可考虑其他插补方法。     

一种位插补数据生成算法以及位插补误差分析

位模式插补本身不产生特定的运动控制,只是根据上位机下传的位模式数据进行脉冲的发送,整个过程的运动控制以及插补算法误差都来自上位机位模式数据的生成过程.因此,表文对自由曲线位模式插补数据的生成进行了研究并提出一种误差可控的位模式数据生成算法.最后通过实例对算法进行了验证并进行了误差分析.验证结果表明,该算法可行而且有效.     

基于Sas的时间序列缺失值处理方法比较

对于时间序列挖掘过程中的缺失值处理,目前有许多方法.在处理数据变量成一定的相关的数据集时,回归模型不失为较好的插补方法.利用均值插补、一元线性回归、多元线性回归、迭代回归方法对水文时间序列数据集的缺失数据进行处理,比较不同的皮氏相关系数下各方法的优劣及适用性.文中研究表明当数据集中存在与缺值变量相关度较大的变量时,一元线性回归的插补简单直观,且有较高的精度,结果接近真实;当数据集中不存在与缺值变量显著相关的自变量时,一元线性回归的结果变差,多元线性回归与多元迭代回归具有较好的结果.但多元迭代回归迭代次数难以确定,插补代价较大.多元线性回归为最佳选择;当缺值变量与其他自变量相关系数均较小时,回归插补的结果不理想,此时可考虑其他插补方法.     

SAR插补CCD缺失数据算法及其应用检验

提出了一种利用SAR插补因云遮挡导致CCD数据缺失的算法。通过分析云及其阴影的光谱特征,设计出云及其阴影的提取模型,并运用CCD和SAR之间匹配转化算法和有云影响像元的替换运算,得到插补后的新CCD数据。利用高光谱数据反演海面盐度算法所得海面盐度与实测海面盐度做相关性比较分析对本缺失数据插补算法进行检验。结果表明:研究海域中缺失数据区域的海盐反演精度为R²=0.8441,RMSE=0.7031,即SAR插补CCD缺失数据算法具有较强的可靠性和多源遥感数据兼容性,一定程度上恢复了噪声下垫面的实际情况,可以用于融合多传感器生成时空完整、高精度的数据产品。     

无线传感器网络含有缺失数据的数据融合研究

针对含有缺失数据的无线传感器网络数据融合问题,提出了一种简单易行的二次数据融合算法(TFA)。考虑到感知数据的时—空相关性,对缺失数据进行线性插值插补和回归分析插补,对插补结果利用线性组合融合算法进行融合。综合考虑各节点的信息,利用自适应加权融合算法进行融合。实验结果表明,该算法在含有缺失数据的前提下,能够以较低的计算开销和较高的估计精度实现数据融合。     

矿山经济数据缺失处理问题及研究

矿山数据挖掘需要完整的数据,因此必须处理矿山数据中的缺失值.为了解决在矿山经济数据的分析预测时出现的缺失问题,提出用SPSS软件的数据缺失值处理模块对数据缺失机制进行分析,采用平均值法、加权均值法、线性回归法、最大期望法、多重填补法等确定性和随机性方法插补缺失数据,分析了这些方法的优缺点,并对插补结果进行比较,以达到客...     

实现双轴数控联动的实用插补策略研究

基于逐点比较法的原理,本文对累加极限控制插补算法,插补算法的数学模型进行了验证研究.实例分析,并在SKY数控车床进行验证,结果表明,累加极限控制插补算法使插补精度不小于0.5个脉冲当量,插补点大幅度减少,系统的响应速度加快,插补精度提高.     

Conv-WGAIN:面向多元时序数据缺失的卷积生成对抗插补网络模型

油浸式变压器的油色谱数据是一种多元时序传感数据，设备或网络失误往往会导致数据缺失，通常需要通过插补形成完整数据集，才能用于进一步的业务分析研究。但是，现有的插补模型无法面向多元时序数据同时处理因时间不均匀性和时间双向性带来的插补效率低和效果难以保障的问题，对此提出一种名为Conv-WGAIN的生成对抗插补网络模型，通过构建的插补特征图，可利用二维卷积从前后2个方向学习时间特征，处理时间间隔不均匀的数据；在判别器中引入Wasserstein距离来判别生成插补数据与真实观测数据，提升了生成器的稳定性。在真实项目中的油色谱数据集和3个公开数据集上的实验表明，该模型在多元时序缺失数据上具有普遍适用性，而且在不同的缺失率下的插补结果要优于其他对比模型的，RMSE降低了20.75%～73.37%。     

圆弧插补及误差控制在数控加工中的应用

分析了圆弧插补的方法,提出了圆弧插补的计算法,并推导出圆弧插补时的各种计算公式;引入插补误差来进行大跨距插补,减少圆弧的段数;提出判断顺逆圆的判据,并开发相应的计算程序及自动生成NC代码的程序。     

GRACE数据反演水储量及监测干旱的应用现状与展望北大核心CSCD

水储量是全球和区域水文循环的重要组分,借此可分析区域水资源和干旱的时空演变规律。传统的水储量监测方法以地下水位监测为主,但站点布设和分布情况限制了大尺度的研究与探索。GRACE(Gravity Recovery and Climate Experiment)卫星提供了大尺度的逐月地球重力场变化数据,国内外众多学者将其反演的水储量变化数据应用至水文学领域,在一定程度上推动了水文学的进步与发展,但目前系统阐述GRACE数据在反演水储量方面的研究仍不够全面,鲜有研究对基于GRACE数据的监测干旱和插补重建现状进行系统性的总结。该研究简要介绍了GRACE数据的应用领域,探讨了两种数据处理方法的优缺点,分析总结了GRACE数据在反演结果验证和不确定性、陆地水储量变化、地下水储量变化、干旱演变与响应、插补重建等方面的应用现状及存在问题,建议未来在变化环境对水储量变化的影响、降低GRACE数据的不确定性、构建更适合干旱监测的干旱指数、提高插补重建GRACE数据精度和提升GRACE数据时空分辨率等方面进一步开展研究,旨在为利用GRACE数据的相关研究提供借鉴与思考。     

静脉采血机器人NURBS曲线轨迹规划研究北大核心CSCD

为研究静脉采血机器人在针体植入过程中的NURBS曲线轨迹规划问题,以提高NURBS曲线的插补精度、系统运行过程中的平稳性为优化指标,提出了基于Simpson法的NURBS插补算法求解预估插补参数,并改进预估插补参数校正法来简化计算。采用基于正弦加速度曲线的NURBS插补速度规划方法并在法向加速度和弓高误差的共同约束下,控制插补速度并保证加速度连续。最后在设计的静脉采血机器人上用MATLAB进行仿真分析。结果表明,该算法简化了插补计算,降低了弓高误差,提高了插补精度,并有效控制了速度波动率,使运行平稳、运行轨迹连续平滑。     

基于轨迹控制的改进的直接函数法圆弧插补算法

基于直接函数法的圆弧插补算法能够有效提高插补精度,但是在终点判别时需要对两个轴向的步数进行计算,时间较长.在对长轴终点判别方法进行研究的基础上,提出了一种改进的直接函数法的圆弧插补算法.以每步插补的连续前进轴为长轴,并以在长轴上的插补步数为判断基准,对插补点是否到达终点作出判断.该方法要求不同卦限圆弧对应不同长轴.该算...     

基于条件生成对抗插补网络的双重判别器缺失值插补算法

应用中的各种因素可能造成数据缺失,影响后续任务的分析。因此,数据集缺失值的插补尤为重要。相比原本没有插补的处理,错误的插补值也会对分析造成更严重的偏差。针对这种情况,提出新的采用双重判别器的基于条件生成对抗插补网络(C-GAIN)的缺失值插补算法DDC-GAIN(Dual Discriminator based on C-GAIN)。该算法通过一个辅助判别器辅助主判别器判断预测值的真假,即根据一个样本的全局信息判断这个样本生成的真假,更注重特征之间的关系,以此估算预测值。在4个数据集上与5种经典插补算法进行对比实验,结果表明：同样条件下,DDC-GAIN算法在样本量较大时的均方根误差(RMSE)最低;在Default credit card数据集上缺失率为15%时,DDC-GAIN算法的RMSE比次优算法C-GAIN降低了28.99%。这说明利用辅助判别器帮助主判别器学习特征之间的关系是有效的。     

基于列并行采样CIS的片上ISP颜色插补算法

对单片CMOS图像传感器中的数字图像处理系统(ISP)开展研究,提出一种基于列并行采样模式的实时颜色插补方法和ISP系统架构,以减小片上数据缓冲区,同时保证插补模块的实时性.结合列并行采样的特点对基于光谱相关和空间相关的方法进行修正,保证图像获取部分和处理处理部分紧密结合;使用G通道进行场景光强评价,将自动积分时间调整和插补模块组合实现,有效降低面积和功耗.仿真结果证明该方法的有效性和实时性.     

两种直线插补算法的比较

本文介绍了传统的逐点比较法和直线插补三等分判断法的原理，详细分析了两种直线插补算法的运算过程，并通过实例比较了这两种方法在插补原理和插补精度等方面的异同，总结了其优缺点，为数控系统插补软件的分析和设计提供了参考，在插补算法的理论研究方面有一定价值。