空间语义增强下的城市交通事故数据可视分析

目的 海量城市交通事故数据可能蕴含有交通事故的空间模式，挖掘出交通事故的空间模式有助于开展交通事故的防治工作。目前交通管理部门虽然记录了交通事故发生地的空间位置信息，但没有对事故发生地进行空间语义描述，从而影响对交通事故空间模式的深入分析。因此，提出一种交通事故数据空间语义增强方法，并设计了一套可视分析系统。方法 基于城市兴趣点来增强交通事故数据的空间语义。以事故发生点为中心获取周围城市兴趣点，使用特征向量刻画兴趣点的数量、类别及其与事故发生点的距离，并称此向量为空间语义特征向量。将空间语义特征向量和相应的交通事故关联，以达到增强其空间语义的目的。然后，基于空间语义特征向量，使用自组织映射聚类算法对交通事故进行聚类分析，根据其空间语义特征将交通事故分为若干类别。最后，通过使用地图视图展示事故点数据、聚类视图和平行坐标视图展示聚类分析的结果及其空间语义特征的可视化方法，对交通事故的空间模式进行分析。结果 针对空间语义增强的交通事故数据以及相关分析任务，有效地使用上述数据分析方法与可视化技术，设计并实现了一套多视图关联的可视分析系统，提供了便捷的交互方式辅助用户分析。通过研发人员和交通警察共同对安徽省合肥市2018年的交通事故数据进行分析，将交通事故发生地划分9类并指出每类地点的空间语义特点，进一步分析出了事故高发区域的空间语义特性。结论 本文提出的交通事故数据空间语义增强方法和可视分析方法可以帮助用户揭示交通事故的空间语义模式，有助于深入分析和认识交通事故的成因，能为交通事故防治相关的城市建设工作提供建议。     

用于域适应的多边缘降噪自动编码器

神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而解决领域适应问题。然而,mSDA对所有的特征都采取相同的边缘化加噪处理方式,没有考虑到不同特征对分类结果的影响不同。为此,对特征进行区分性的噪音系数干扰,提出多边缘降噪自动编码器(multi-marginalized denoising autoencoders,M-MDA)。首先,利用改进的权重似然率(weighted log-likelihood ratio update,WLLRU)区分出领域间的共享和特有特征;然后,通过计算特征在两个领域的距离,对共享特征和特有特征进行不同方式的边缘化降噪处理,并基于单层边缘降噪自动编码器(marginalized denoising autoencoders,MDA)学习获取更健壮的特征;最后,对新的特征空间进行二次损坏以强化共享特征的比例。实验结果表明,该方法在跨领域情感分类方面优于基线算法。     

NoC中负载均衡的AVOQ路由器设计

针对片上网络中使用虚拟输出队列(VOQ)机制的路由器在网络拥塞时存在的头阻塞问题,提出负载均衡的AVOQ路由器架构。首先,输入缓冲区仍使用VOQ机制来处理头阻塞问题。其次,在路由计算模块自适应地选择输出端口,确保数据从较不拥塞的端口输出;在单个虚通道内自适应地读取数据包,确保下游不拥塞的流量能够在网络里流通。实验结果表明,相较于虚通道路由器和VOQ路由器,AVOQ路由器平均延时最多减少83.2%和57.1%,吞吐率最多增加72.7%和33.3%,功耗和面积开销可接受。该方案通过两个层级的自适应均衡全网的流量分布,缓解拥塞,进而降低头阻塞出现的可能性,并在头阻塞出现时消除其影响,提升网络性能。     

钢琴乐声仿真频谱模型研究

频谱模型的乐音仿真是运用声学理论,由一系列基本函数及其时变幅度乘积的迭加来实现乐器的发声。通过对钢琴琴弦振动和衰减特性的分析以及共鸣箱共振作用的探讨,提出了一种新的数字化钢琴乐音仿真技术,仿真模型由激励系统和共振系统两部分组成。系统以琴弦振动方程为基础,先进行时域上的包络修饰,以模拟琴弦振动的自然衰减,这样可以使乐音各音符间衔接和谐;然后在频域上以频谱包络建模滤波器组,实现共振系统的仿真,对音色进行修饰。该方法能更为有效的雕刻声音,同时较好的表现音色,从而使乐音听起来更加和谐。     

基于EM的多目标跟踪算法

为了提高多目标跟踪的鲁棒性,增强目标之间的区别性,使用了一种基于能量最小化(energy minimization,EM)的多目标跟踪算法,不同于现有算法,本算法专注于将多目标跟踪中的复杂问题表示为能量函数的模型,模型中包括了更优的目标区分策略(相似度模型)。通过将每个能量函数成本值对应一个多目标的跟踪轨迹方案,算法将多目标跟踪问题转化为能量最小化的问题。在能量函数模型的优化方法上,算法采用共轭梯度算法和一系列的跳转运动来找到能量最小的值。公开数据集的实验结果证明了本算法的有效性,而且定量分析结果证明了本算法提高了目标与背景、目标之间的相互区别性从而与其他算法相比能获得更好的鲁棒性能。