针对基于共线方程的模型在实际应用中的限制,研究并探索用于航天影像解算的有理函数模型(rational function model,RFM),以及它在航空影像中的解算有效性。从模型的定义、模型的性质以及模型的求解等方面对RFM给出了系统性的解释,并分析...针对基于共线方程的模型在实际应用中的限制,研究并探索用于航天影像解算的有理函数模型(rational function model,RFM),以及它在航空影像中的解算有效性。从模型的定义、模型的性质以及模型的求解等方面对RFM给出了系统性的解释,并分析了RFM拟合光束法平差的精度。本文以基于共线方程的光束法空中三角测量平差成果为参照依据,比较分析了有理函数模型拟合光束法模型的相对精度。结果表明有理函数模型能以较高精度拟合光束法模型,有能力代替基于严格共线方程的经典模型以完成空中三角测量等任务。本文为RFM在无人机等近景影像中的应用提供了理论借鉴。展开更多
针对当前大坝安全监控连续时空监测能力弱、单测点馈控范围小的不足,在充分挖掘大坝原型监测数据的基础上,发展了一种弱化主观干扰的RFM(Recency Frequency Magnitude)自适应大坝性态评价模型。首先,模型结合大坝行为的强周期性时序特征...针对当前大坝安全监控连续时空监测能力弱、单测点馈控范围小的不足,在充分挖掘大坝原型监测数据的基础上,发展了一种弱化主观干扰的RFM(Recency Frequency Magnitude)自适应大坝性态评价模型。首先,模型结合大坝行为的强周期性时序特征,提出“中层型”和“底层型”监测序列的概念;其次,引入K-means聚类算法实现自适应划分监测序列类别;最后,基于RFM指标评分体系,明确各类别所表征的工程健康状态,建立大坝性态的安全评价体系。以某大坝水平位移监测资料为例,详细展示了所提出的大坝运行性态评价模型的应用流程。工程实例表明,该模型评价合理,客观反映了大坝服役状态,有效减少了评价过程中的经验性活动。展开更多
为了核算百度外卖客户给企业带来的价值,对百度外卖客户进行价值分析,提出一种改进的最近消费时间、消费频率、消费金额(recency frequency monetary,RFM)模型。该模型由平均订单交易时间间隔、客户一定时期内的交易次数、平均单次订单...为了核算百度外卖客户给企业带来的价值,对百度外卖客户进行价值分析,提出一种改进的最近消费时间、消费频率、消费金额(recency frequency monetary,RFM)模型。该模型由平均订单交易时间间隔、客户一定时期内的交易次数、平均单次订单交易金额、客户贡献时间4个指标构成,运用离差标准化方法对4个指标进行规范化处理,采用主成分分析法计算4个指标的权重,4个指标与指标对应权重的乘积之和为客户的价值,采用K-Means聚类算法将客户分为价值由高到低的客户群。对2017年百度外卖企业某商家为期3个月的4 815名客户的订单交易数据进行聚类,结果表明,4 815名客户可以分为重要保持型客户、忠诚型客户、发展型客户、一般客户、低价值客户5类客户群体。改进后RFM模型可用于百度外卖客户价值分析。展开更多
文摘针对基于共线方程的模型在实际应用中的限制,研究并探索用于航天影像解算的有理函数模型(rational function model,RFM),以及它在航空影像中的解算有效性。从模型的定义、模型的性质以及模型的求解等方面对RFM给出了系统性的解释,并分析了RFM拟合光束法平差的精度。本文以基于共线方程的光束法空中三角测量平差成果为参照依据,比较分析了有理函数模型拟合光束法模型的相对精度。结果表明有理函数模型能以较高精度拟合光束法模型,有能力代替基于严格共线方程的经典模型以完成空中三角测量等任务。本文为RFM在无人机等近景影像中的应用提供了理论借鉴。
文摘针对当前大坝安全监控连续时空监测能力弱、单测点馈控范围小的不足,在充分挖掘大坝原型监测数据的基础上,发展了一种弱化主观干扰的RFM(Recency Frequency Magnitude)自适应大坝性态评价模型。首先,模型结合大坝行为的强周期性时序特征,提出“中层型”和“底层型”监测序列的概念;其次,引入K-means聚类算法实现自适应划分监测序列类别;最后,基于RFM指标评分体系,明确各类别所表征的工程健康状态,建立大坝性态的安全评价体系。以某大坝水平位移监测资料为例,详细展示了所提出的大坝运行性态评价模型的应用流程。工程实例表明,该模型评价合理,客观反映了大坝服役状态,有效减少了评价过程中的经验性活动。
文摘为了核算百度外卖客户给企业带来的价值,对百度外卖客户进行价值分析,提出一种改进的最近消费时间、消费频率、消费金额(recency frequency monetary,RFM)模型。该模型由平均订单交易时间间隔、客户一定时期内的交易次数、平均单次订单交易金额、客户贡献时间4个指标构成,运用离差标准化方法对4个指标进行规范化处理,采用主成分分析法计算4个指标的权重,4个指标与指标对应权重的乘积之和为客户的价值,采用K-Means聚类算法将客户分为价值由高到低的客户群。对2017年百度外卖企业某商家为期3个月的4 815名客户的订单交易数据进行聚类,结果表明,4 815名客户可以分为重要保持型客户、忠诚型客户、发展型客户、一般客户、低价值客户5类客户群体。改进后RFM模型可用于百度外卖客户价值分析。
