三维扫描仪操作的过程中要注意(一般常见的操作):
1. 避免震动,扫描时环境的光线不要太强,暗室操作的会更好;
2. 光滑反光的物体最好喷显像剂;
3. 对于容易变形的物体,尽量不要移动物体,可以考虑移动设备进行扫描;
4. 重叠的部分尽量减少扫描的次数;
5. 补拍缺陷的地方,有的地方就不用去全选;
6. 根据情况灵活借助适当的辅助工具,比如薄的物体,可用小物体一起扫描,最后切去小物体部分;
7. 被测物体和镜头的距离要调整合适。
技巧有很多,具体的可以和三维扫描仪厂家技术支持人员联系。--- 先临三维 shining3d
平滑技术:(2)把减少的概率质量分配给训练语料中没有出现的n元组。
根据平滑技术是否是组合使用的分为两类:简单平滑和组合平滑。
一. 简单平滑:
二. 组合平滑:
(1)加法平滑:
说白了就是让所有n元组的出现次数+k。在这个基础上来进行训练计算。
这个简单的平滑会引出两个问题:
1:是否存在“富人不公平”。
2:对于没有出现过的n元组给予均值的概率值是不是不合理。
(2)留存平滑:
通过把训练语料分成两个部分:训练语料 和 留存语料。通过留存语料内的数据分布来改善训练语料估计出来的值。
定义:
那么
而 是 在训练语料中出现了r次的n元组在留存语料中出现的概率。
让前面这个概率均分给出现r次的n元组们。
这个就好像是训练好了之后做了一次预测一样。把预测的当做了答案。
(3)删除平滑:
留存平滑要求数据量很多,但是数据量往往是不够的。所以可以使用删除平滑。
其实就是两次留存,交叉验证。
将训练数据分成part0和part1
两次分别将不同的part设置为训练语料和留存语料。
之后
(4)Good Turing 平滑
定义:
普通Turing平滑有一个原则:
将平滑前出现r+1次的n元组的频率质量都给平滑后出现r次的n元组。
从频次的角度出发就是r+1次的n元组的总出现次数都给r次的n元组。
那么这样
并且每个r次的n元组可以获得以下的频率质量
但是这样会出现问题,也就是在之前出现m次的n元组如果没有的话。那么平滑后m-1次的n元组也会为0。
而图灵的学生Good就解决了这个问题:
他提出的是对 使用一个估计。(好像多项式插值一样,对 函数进行模拟,近似,把没有的值给填充起来。这样 就不会为0了,而且结果也不会很偏离现实。)
通过研究 函数可以发现比较好的函数是
并且研究 和 r的关系(r>1)
也就是对于真实和我们平滑后的并且是被拿出概率质量的那部分。明显 ,而 也就是所谓的折扣率。
可以发现的是r越大, 越可靠,折扣率越小。
综合上述两种平滑,可以给出以下策略:
---低频段(r比较小的时候)一般不会出现中断( )所以使用Turing平滑。高频段使用Good-Turing。
具体地:
使用 Turing估计值方差:
当这个值>1.65*1.65的时候就差异比较大了。
最后要概率归一(保持那些平滑前没有出现的n元组的概率质量):
(二)组合平滑:
上面的后面的简单平滑一般缓和了“富人不公平”的问题,但是针对没有出现过的n元组的概率还是给与均一的概率。那么如何解决这个问题?
主要的思想是用小规模1...n-1-gram的概率来启发分配。
(1)插值平滑:把不同阶-gram线性组合。
2.Jelinek-Mercer平滑:
固定 明显是不合理的。(高阶模型如果可靠的时候 应该变大)。
从而有以下:
注意
所以是递归式的。
终止:
问题:如何求 ? 通过学习,但是参数太多了怎么办?聚集一下。把出现频率差不多的弄成一个类,这个类的 都是一个值。
???
根据修正的频次进行区间分类:
???
(2)回退模型:
高阶可以的时候用高阶,不然就用低阶。
前部分概率为0.但是后部分概率是大的。
而 很可能文中出现没有几次。并且 也很少,这样就有问题了。
???
会造成问题:
???
所以要按照 的前驱词的种类数量来分配概率质量:
引入 接续概率:
从而获得以下:
最后还有一个修正的。不是很懂。
不复杂,简单放样就可以。只是要求过渡曲面的平滑的话,可以用曲线作为放样引导线,并首尾设置相切。也可以简单的直线过度,首尾加圆角,也算平滑过渡。
而如果要考虑更多诸如实际生产下料的问题,则需要更多的引导线控制过渡曲面状态。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)