Dijkstra算法在城市道路网络中的应用

本文介绍了一个利用自然语言处理技术进行城市交通查询的系统.在研究城市道路网络特征基础上,建立城市道路网络模型及其数据库,应用Dijkstra算法对城市道进行最短路径查询,该算法是从起点和终点分别用二叉树按起点到终点和终点到起点的方向进行搜索,并得到良好的查询结果.     

一种用于说话人辨认的EM训练算法

提出用于说话人辨认的一种概率映射网络（ＰＭＮ）分类器，分类器的参数用ＥＭ（Ｅｘｐｅｃｔａｔｉｏｎｍａｘｉｍｉｚａｔｉｏｎ）算法进行训练。ＰＭＮ网为一个四层前馈网，它构成一个贝叶斯分类器，实现多类分类的贝叶斯判别，把输入的说话人语音数据模型参数通过网络变换为输出的说话人判定。其网络节点对应于贝叶斯后验概率公式的各个变量。该ＰＭＮ网络用高斯核函数作为密度函数，网络参数训练由ＥＭ算法实现，其学习方式为类间的监督学习和类内的非监督学习。实验结果表明，这种分类网络及其学习算法在说话人辨认应用中是有效的。     

基于Petri网的顾及转向延误的最优路径算法

针对双向通行的交通运输网络结构复杂,且城市道路交叉口的转向延误不可忽略的问题,提出基于无向Petri网的顾及转向延误的最优路径智能搜索算法.从赋予托肯另外两种状态和拓展定义变迁的使能规则两方面对Petri网进行扩展,将网络站点间的最优路径问题转换为求解在限制区域内托肯在节点间通行的最短时间消耗问题.算例模拟和实例分析结果表明了算法的可行性和有效性.     

基于改进的YOLOv5城市道路车辆行人检测方法

城市道路上车辆行人的检测是自动驾驶汽车环境感知功能中的核心要素之一。针对现有城市道路车辆行人检测任务在使用目标检测算法检测精度低，检测位置不准确等问题，提出一种基于改进YOLOv5的城市道路车辆行人检测新算法—HCA-YOLOv5目标检测算法。通过K-means++聚类算法重新设计并更新锚框初始值并将其匹配到对应特征层，以提高模型对检测目标的检测性能；通过利用城市道路图像中不同高度上的类别分部特点并结合Transformer结构改进HANet的注意力结构，提高I模型I对输入图像的全局上下文特征提取能力，加强网络.对城市道路场景图片中不同类别的辨别.能力。实验结果表明，在自动驾驶数据集KTT上，所改进算法的均值平均精度（mAP）达到了9193%，相比原YOLOv5算法mAP提高了292个百分点，满足了城市道路场景下车辆形容的准确率要求。     

基于改进Hough变换的城市道路网络提取算法

Hough变换常常用来提取直线,但是Hough变换无法区别直线和直线段,且时间复杂度和空间复杂度都较大,通过增加一个二维计数器使Hough变换能查找直线段,并利用Canny算法先提取图像边缘,对Canny算子检测到的边缘点的方向角进行变换,减少了Hough变换的计算量和提高提取精度。根据城市道路网络的卫星特征,对图像做先期处理,然后将改进的Hough变换用于城市道路网络的提取,经实验验证了算法的有效性。     

路口中继辅助车载自组织网络路由算法

车载自组织网络具有节点移动速度快、链路拓扑结构变化剧烈等特点,传统的城市道路环境车载自组织网络路由算法在路口经常会遇到局部最大化问题。根据城市道路环境的特点,利用路口的交通信号灯系统提供的空间支撑和供电条件,提出了路口中继辅助路由算法IRAR。该算法通过建立消息在道路上的转发时延统计模型,得到全局最优转发路径,并利用路口中继辅助路由设施解决路口局部最大化问题。另外,针对消息位于路口和道路的不同情况,分别设计路口转发模式和贪婪直路转发模式。最后,通过仿真实验将所设计的算法与典型算法进行对比。实验结果表明,所提出的路由算法实现了较高的投递成功率和较低的投递时延。     

Dijkstra算法在GIS实际应用中的优化

地理信息系统(GIS)的实际应用中,对城市道路最短路径的搜索一直是人们研究的重点。Dijkstra算法是最适合拓扑网络中两点间最短路径搜索的算法之一,但由于在城市里对道路最短路径搜索受到道路的畅通等原因所影响,故单纯利用Dijkstra算法并不能很好解决人们的实际需求。本文通过在GIS系统中增加一个设置、查询路障功能来解决以上提到的问题。     

一种基于城市机会网络的网络服务模型及定位算法

提出了一种在城市道路场景下应用的互联网访问服务模型。不同于传统接入方式,该模型不要求用户与互联网接入点建立直接连接,它允许用户通过城市中的机会网络间接地访问互联网。同时还提出了一种应用于该模型的定位算法。经过仿真分析,证明该算法可以在保证网络服务质量的基础上减少接入点数目并降低网络数据冗余。仿真结果还表明无线网络接入点的选取与网络中节点的数目对算法性能有显著影响。     

神经网络集成的城市道路状态判别模型研究

针对城市道路交通状态影响因素多、判别难的特点,在分析K-均值聚类算法和概率神经网络（PNN）的基础上,利用多源检测信息的互补性,提出一种基于快速全局聚类分析的概率神经网络集成模型,通过聚类提高集成网络间的差异度,同时利用主成分分析（PCA）优化概率神经网络结构,仿真实验表明该模型与传统的集成方法Bagging相比,能够利用更简单的网络结构,快速有效地识别出城市道路交通状态,为交通预警和诱导策略的制定提供数据依据。     

基于MATLAB求解任意城市间的最短路问题

本文首先介绍最短路问题的数学模型及Dijkstra算法，紧接着采用Dijkstra算法的改进算法——Floyd算法，然后将求城市道路网两点间最短路径目标约束转化为求最短路问题．随之建立最短路模型，并描述了用MATLAB程序进行求解的过程。最后用实例验证了模型和算法的可用性。     

改进Dijkstra算法在PGIS中的应用

传统Dijkstra算法用于路径诱导会使路网节点的数量增多、搜索范围扩大,从而耗费大量时间和空间,降低停车诱导信息系统(PGIS)的运行效率和实时性。针对城市路网的特定环境和路径诱导需求,根据2点之间直线最短的原理,在Dijkstra算法的基础上,提出一种应用于PGIS、基于矩形搜索范围的改进Dijkstra算法,设计并实现城市路网模型中单行、禁行、交叉点时间延误等问题的解决方案。实验结果表明,改进Dijkstra算法可以减少路网节点搜索范围和计算复杂度,提高用户搜索路径的实时性。     

基于城市道路网的快速路径寻优算法

从城市道路网的特点出发，描述了矢量化的城市道路网的存储结构，提出一种求解城市道路网两节点间最短路径的算法，算法基于双向式搜索原理，采用投影法，角最小的方法及二叉树理论，和Dijkstra算法相比，算法大大减小搜索空间，提高搜索速度，时间复杂性不超过O（N），N为网络节点数，实现应用表明算法有很强的实用性和可靠性。     

一种改进的Dijkstra算法应用于嵌入式GIS系统

在实践中,Dijkstra算法是处理道路网络的最有效的算法之一.但Dijkstra算法每次都需要扫描节点集合中的所有节点,降低了算法效率.通过对前人的成果和嵌入式系统的性能进行研究和分析后,分两步来提高算法效率:第1步通过数据的预处理缩小算法的搜索范围;第2步为每个节点添加属性值、增加前趋表,以辅助算法快速找到一条最短路径.然后将此算法应用于嵌入式GIS系统中,并使用大量的数据进行测试,结果表明改进的算法明显提高了GIS系统的效率.     

一类Toeplitz三对角方程组的一种分布式并行算法

文中提出一类Toeplitz三对角方程组的一种分布式并行算法。该算法以系数矩阵的分解为基础,充分利用了系数矩阵结构的特殊性,算法因并行化而引入的冗余计算量非常少,算法的通信机制简单,通信量仅与处理 机台数p有关,与方程组规模n无关,算法具有很高的并行效率,理论分析和数值试验表明,其加速比Sp(n)→p(n→ ∞）,此为线性加速比的理想情况。文中给出了算法在分布存储多计算机系统上的数值试验结果。     

基于图割及均值漂移的合成孔径雷达图像强散射目标分割

针对合成孔径雷达(SAR)图像的特点及标准图割分割算法计算量较大等问题,提出了一种基于图割及均值漂移(Mean Shift)的高效的SAR图像强散射目标分割方法。该方法利用均值漂移算法对SAR图像进行预处理,将原图像表示为基于过分割区域的图结构;然后,以这些过分割图像区域为节点建立区域邻接图,运用图割分割算法得到SAR强散射目标的分割结果。与标准图割算法中以单像素为节点构建邻接图相比,参与图割算法的节点和边的数目减少了两个数量级,计算效率大幅提高。另外,根据SAR图像中目标的强散射特性,自动定义终端节点,减少了人工交互量。实验表明,该方法充分利用均值漂移及图割的优点,能够在背景杂波的干扰下有效地提取SAR强散射目标。     

基于配对堆改进的Dijkstra算法

在GIS网络分析系统中,Dijkstra算法是求解最短路径的经典算法。为了进一步提高求解最短路径的效率和节省系统的内存空间,提出了使用一种新式的数据结构——配对堆,以便通过实现可降级的优先队列来改进Dijkstra算法,然后通过研究配对堆的基本操作,给出了使用配对堆结构实现Dijkstra算法的方法和流程,并分析了其算法复杂度。该算法在VegaGIS系统中实现,取得到了较好的效果。     

道路交通网络中的关键节点识别方法研究

在现实世界中，大量复杂系统都可以通过抽象的节点和连边构成的网络来加以刻画。作为城市交通系统的重要组成部分，道路交通网络是一个典型的复杂系统，与人们的生活密切相关。道路交通网络中的关键节点识别问题是复杂网络领域研究中的一个经典难题。传统的度中心性算法和PageRank算法在复杂网络的关键节点的识别中具有较好的应用，考虑到道路交通网络中关键节点的特殊性和彼此关联性，在度中心性算法的基础上引入贪心算法的思想，提出了一个基于贪心策略的度中心性关键节点识别方法；同时，在PageRank算法的基础上引入贪心算法的思想，提出了一种基于贪心策略的PageRank关键节点识别方法，从而使道路交通网络中关键节点识别的结果更合理，在交通道路维护保养、规划设计，以及犯罪分子潜逃阻断等领域都有重要的应用价值。通过公开数据集与经典的关键节点识别方法做比较，验证了算法的有效性。     

基于小波变换和矢量量化的人脸图象压缩

在图象的压缩编码中，矢量量化可以利用某特定类图象（加人脸）的统计特性，为了在高压缩比下获得较好的压缩效果，提出了一种新的小波变换域内进行矢量量化的算法，该算法用树结构表示小波变换域系数，并根据各节点值的重要程度，从每一棵树中提取一个矢量，然后进行矢量量化；解码时，为了使矢量分量能正确地返回到原来树中的正确位置，需利用EZW^[1]、SPIHT^[2]算法的思想标记这棵树，因为这样才能充分利用父子相关性和兄弟相关性，从而显著地减少了标记信息，在提取矢量时，可用简单的阈值剪枝算法，也可用SFQ^[3]的最佳剪枝算法，而且后者能进一步提高峰值信噪比，用该算法对人脸图象进行的压缩试验结果表明，在高压缩比（100:1左右）下，恢复的图象质量（视觉效果和峰值信噪比）比通常的小波压缩算法（如EZW，SPIHT、SFQ等）好得多，该算法特别适合于对特定类图象的压缩。     

时间依赖路网中反向k近邻查询

在现存的反向k近邻查询方案中,比较高效的研究大多集中在欧氏空间或者静态路网,对时间依赖路网中的反向k近邻查询的研究相对较少。已有算法在兴趣点密度稀疏或者k值较大时,查询效率较低。对此,提出了基于子网划分的反向k近邻查询算法mTD-SubG。首先,将整个路网划分为大小相同的子网,通过子网的边界节点向其他子网进行扩展,加快对路网中兴趣点的查找速度;其次,利用剪枝技术缩小路网的扩展范围;最后, 利用已有时间依赖路网下的近邻查询算法,判定查找到的兴趣点是否为反向k近邻结果。实验中将mTD-SubG算法与已有算法mTD-Eager进行对比,结果表明mTD-SubG算法的响应时间比mTD-Eager算法减少了85.05%,遍历节点个数比mTD-Eager算法减少了51.40%。     

交通道路网中任意两点之间最短路径的快速算法

寻找交通道路网中任意两点之间最短路径的算法已有许多 ,其中Dijkstra算法是最有效的算法之一 ,其时间复杂性为O(n2 )。本文提出的算法与Dijkstra算法不同 ,其主要思想是依据从始点至终点的直线段方向选择边产生二叉树 ,并采取有效方法降低二叉树的规模及缩短路径长度 ,然后由二叉树节点的标记计算出近似最短路径及其长度。反复执行常数次该算法可以求得最短路径及其长度。