自适应BAS优化RBF神经网络的短时交通流预测

为提高短时交通流预测精度，针对传统径向基函数(radial basis function, RBF)神经网络短时交通流预测模型中心值固定、易受漂移数据干扰问题，提出自适应天牛须搜索算法(beetle antennae search algorithm, BAS)优化RBF神经网络的短时交通流预测模型。模型采用自适应步长提高BAS算法迭代速度和寻优能力，结合DBSCAN聚类确定RBF神经网络隐含层径向基函数网络中心，进而优化神经网络结构。通过路网真实交通流数据进行训练，选择常用于短时交通流预测的BP神经网络，RBF神经网络，广义RBF神经网络进行对比。结果表明：优化后的模型预测结果相较BP神经网络平均绝对误差降低了1.87%、平均绝对百分比误差降低了15.96%、均方根误差降低了3.24%,拟合度提高了3.96%;相较广义RBF神经网络平均绝对误差降低1.36%、平均绝对百分比误差降低了5.01%、均方根误差降低了2.19%,拟合度提高了2.5%。改进后的短时交通流预测模型能够为智能交通诱导提供可靠的预测值。     

Fingerprint Database Updating Using Crowdsourcing in Indoor Bluetooth Positioning System

室内蓝牙定位系统中基于众包的指纹数据库更新

田增山,从海峰,周牧

（重庆邮电大学 移动通信技术重庆市重点实验室,重庆 400064）

中文说明：

基于指纹的蓝牙定位是一种十分流行的室内定位技术。但是,蓝牙基站的位置或者是环境的变化会对信号分布产生极大的影响,这最终将导致蓝牙定位精度降低。人工收集带位置标签的指纹信息以建立和更新指纹库严重限制了蓝牙定位技术的广泛推广。为解决这个问题,本文提出一种指纹库自适应更新方法。首先,众包数据包含蓝牙接收信号强度（Received Signal Strength,RSS）,行人的速度和航向将被记录下来。其次,这些被记录的众包数据将被卡尔曼滤波进行融合用于轨迹有效性分析,来实现为无地理位置标签的RSS分配标签生成候选指纹的目的。然后,当每个参考点获取到足够候选指纹,每个参考点的原始指纹和候选指纹将进行基于密度的聚类（Density-based Spatial Clustering of Applications with Noise ,DBSCAN）来滤除噪声,同时最大的一个类的指纹均值将被选为对应参考点更新后的指纹。最后,充分的实验结果表明随着候选指纹和更新次数的增加,基于指纹的蓝牙定位精度可以被逐渐提高。

关键词：室内定位,指纹库更新,众包数据,蓝牙,DBSCAN

     

一种使用DBSCAN聚类的网络流量分类方法*

提出了基于DBSCAN算法的网络流量分类方法,对流的定义、特征产生、特征选择以及分类规则和分类性能的评测等内容进行了介绍。提出了基于PCA的网络流量最优特征子集的选择方法。实验结果表明,提出的分类方法能够达到较高的总精确度和查准率,能够有效地使用于网络流量分类中。     

基于相对距离的密度聚类算法*

首先介绍传统距离计算方法在聚类应用中的不足,并针对这点提出一种基于权重向量的相对距离计算方法。在应用DBSCAN算法的基础上,融入相对距离的计算及k-d树的范围查找的应用。该算法不仅能得到很好的聚类效果,而且消除了数据的度量单位对聚类结果的影响。     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN模型：基于螺栓先验知识,利用卷积网络实现自底向上的特征提取,采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级,通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息,获得更优化的螺栓缺销特征表达;利用改进FPN模型实现螺栓缺销的初步检测;最后,采用DBSCAN聚类算法对初步检测结果进行误检甄别,实现了螺栓缺销的精确检测。实验结果表明,DBSCAN-FPN在自建数据集上的检测精度达到76.23%,检测效果优于FPN、R-FCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度,对输电线路运维有实际意义。     

一种基于DBSCAN随机圆检测的多瓶口定位算法

现有医药灌封生产中的西林瓶瓶口定位方法易受瓶口边缘干扰的影响,导致瓶口圆中心定位不准确。对此,提出一种基于DBSCAN随机圆检测的多瓶口定位算法。首先,通过Canny边缘检测算法得到图像中所有轮廓,采用基于密度的DBSCAN聚类算法分割出感兴趣的瓶口边缘集;接着,针对每个单独的瓶口边缘集,采用最小二乘法和径向扫描获取瓶口的外边缘点,再利用重复随机圆检测得到大量候选圆心集;最后,基于DBSCAN算法聚类得到真实圆心集,以真实圆心集的均值中心作为瓶口中心。与4种典型算法进行对比,实验结果表明,提出的圆定位算法的平均定位误差为0.553 pixels,优于其他算法,且该算法的平均执行速度为1.359 ms。该算法能够满足医药灌封生产线对准确性和实时性的要求。     

基于行业用电模式的企业电费逾期风险预测

我国经济进入新常态,传统产业面临诸多挑战,企业客户电费回收风险不断加大,对企业用电逾期风险进行预测,最大限度地减小影响公司经营的被动风险变得日益迫切。目前电费回收逾期风险管控手段主要依靠企业历史欠费情况进行风险判断,缺乏对用户用电量趋势及缴费历史的深入挖掘,导致企业逾期风险判断准确性与及时性存在不足。针对上述问题,基于企业历史用电与逾期数据记录,聚焦行业用电典型模式挖掘,提出基于聚类的行业典型用电模式库构建方法。在此基础上,采用k近邻的思想,定义模式距离度量函数,引入风险等级概念,提出一种基于行业用电模式的企业电费逾期风险预测模型PEORPM,实现具有自演化能力的企业偏离度4级逾期风险等级标注以及风险预测。理论分析和实验结果验证了所提方法的有效性。     

基于划分DBSCAN算法的小区载频配置优化

为了充分利用无线网络资源,提升无线网络质量,充分利用了DBSCAN（Density Based Spatial Clustering of Applications with Noise）算法的优点,提出基于划分DBSCAN算法的话务量异常小区的检测方法,并通过对现网大量话务数据的统计分析,找出小区载频配置数和最佳话务量之间的关系。对话务量异常、拥塞率高的小区进行载频配置优化,并对城市小区网络优化有一定的指导意义。     

New results on PWARX model identification based on clustering approach

This paper deals with the problem of piecewise auto regressive systems with exogenous input(PWARX) model identification based on clustering solution. This problem involves both the estimation of the parameters of the affine sub-models and the hyper planes defining the partitions of the state-input regression. The existing identification methods present three main drawbacks which limit its effectiveness. First, most of them may converge to local minima in the case of poor initializations because they are based on the optimization using nonlinear criteria. Second, they use simple and ineffective techniques to remove outliers. Third, most of them assume that the number of sub-models is known a priori. To overcome these drawbacks, we suggest the use of the density-based spatial clustering of applications with noise(DBSCAN) algorithm. The results presented in this paper illustrate the performance of our methods in comparison with the existing approach. An application of the developed approach to an olive oil esterification reactor is also proposed in order to validate the simulation results.     

基于聚类的连续属性动态离散化算法

连续属性离散化是数据分析中重要的预处理过程，而基于粗糙集理论的数据分析要求离散化的结果能够最大程度的保持原信息系统的分辨关系。本文提出了一种新的离散化算法，此算法以决策信息系统中决策属性对条件属性集合的依赖度作为评价函数动态调整DBSCAN聚类算法的参数，直至离散化决策属性对条件属性集合的依赖度达到预先指定的阈值为止。算法分析和实验证明，本算法是切实可行的。