改进DTW算法的心电信号相似性度量

相似性度量外围文档资料，为博客http://blog.csdn.net/wangyaninglm/article/details/43853435的补充

针对双边滤波器灰度相似权函数易受噪声影响且在图像细节区域滤波存在盲目性的问题，提出一种新的图像三边滤波器用以过滤高斯噪声。通过局部结构张量奇异值分解估计图像的几何结构信息， 获得能够刻画图像内容差异的特征信息。在此基础上，设计基于图像特征分类的灰度相似权函数，同时通过引入结构相似权的方式将鲁棒的特征信息耦合到双边滤波器框架下，以保持更多的图像细节。利用三边加权提供更可靠的像素相似性度量方式，并采用局部自适应滤波参数选取方法进一步提高算法的滤波性能。实验结果表明，该滤波器在去除噪声的同时能够较好地保持图像的边缘、纹理等结构信息。

以图像匹配概率和匹配精度为准则，对几种经典的相似性度量进行了比较研究。得出绝对差(AD)与平均绝对差(MAD)算法等价；平方差(SD)、平均平方差(MSD)、积相关(Prod)与归一化积相关(Nprod)算法等价的结论。当图像信噪比较低时，Prod/Nprod/SD/MSD算法优于AD/MAD算法；否则，后者优于前者。相似性度量的比较研究可为实际应用中图像配准或景象匹配问题中相似性度量的选择提供重要的参考依据。

改进的卷积神经网络源代码相似性度量方法.pdf

基于新的相似性度量的加权粗糙聚类算法.pdf

行业分类-作业装置-一种基于托肯日志的过程模型相似性度量方法.7z

基于相似性度量学习的轨道异物检测研究，刘宇鸣，黄雅平，轨道异常物体检测是确保铁路运输安全的重要任务之一。随着机器学习相关技术的发展,大量基于监督式学习的技术被用于铁路维护场景�

网络中的节点相似性度量

比较轨迹聚类方法 这是我的模式识别课程学期项目。 目标是在民用飞行数据上比较4种聚类算法（k型，高斯混合模型，dbscan和hdbscan）。 可以在report.pdf文件中找到更多详细信息。 产生的集群如下所示： 应用轨迹分割以减少采样点的数量，并使用hausdorff距离比较轨迹之间的相似性。 更新（2019年2月） 添加了一个演示项目的每个步骤。 首先请看一下，它比项目的其他部分更短，更容易理解。 它还在公共数据集上显示了这些步骤。 公开数据集： 集群轨迹：