基于因子分析与神经网络的区域物流需求预测

研究区域物流需求预测问题。影响区域物流需求影响因子较多,因子之间呈非线性关系,导致预测模型结果复杂,运行时间长,预测精度低。为提高区域物流需求预测精度,提出一种因子分析和BP神经网络相结合的区域物流需求预测方法(FA-BP)。首先通过因子分析对影响因子进行降维处理,然后将降维后的区域物流需求数据作为BP神经网络的输入进行训练建立预测模型,最后得到区域物流需求的预测结果。对某省1993-2007年区域物流需求预测进行实例分析,结果证明FA-BP模型提高了区域物流需求预测精度,网络的收敛速度加快,在区域物流需求预测方面有着广阔的应用前景。     

基于信息增益的模糊K-prototypes聚类算法

K-prototypes聚类算法结合了K-means算法和K-modes算法,可用于分析混合属性的数据对象。传统的K-prototypes聚类算法在计算数据对象的相异度时,未考虑各个属性对于最终聚类结果的影响程度,而现实世界中,各属性的重要程度是不同的。使用了信息论中信息增益的计算方法,来获得各个属性的权值。在计算各属性的差异度时,乘以这些权值,从而可以获得更为准确的聚类结果。为了增加算法处理模糊问题的能力,本算法引用了模糊理论,从而使其具有较好的抗干扰能力和处理不确定性问题的能力。通过对四个UCI数据集的聚类分析实验,表明了本算法的有效性。     

基于改进的分水岭算法图像分割方法研究

研究图像分割中保真问题,针对目前分水岭算法易产生过分割现象,导致图像分割边缘不明显现象,使得分割以后图像失真较大.为了解决上述问题,提出了一种基于空间模式聚类算法和分水岭算法相结合的图像分割方法.首先对图像采用分水岭算法进行图像分割,然后对产生过分割现象的图像区域采用基于空间模式聚类方案进行合并.仿真结果表明,与传统的分水岭图像分割方法相比,分割出的图像边缘效果明显清晰,有效保证原图效果.     

分布式煤矿设备管理集成系统的研究

为了解决煤矿企业设备管理中存在的问题,设计了分布式煤矿设备管理集成系统。系统采用可扩展标记语言(XML)作为异构数据库的中间转换格式,使用Java消息服务规范(JMS)来传递数据。该系统实现了煤矿企业设备管理过程中各信息系统的数据交互和共享,提高了设备的使用效率。     

负载流量碰撞检测算法在动态交通调度中的应用

随着复杂的环状路段,交叉路段、立交路段拥堵情况的不断增加,传统的交通拥堵调控策略为静态控制策略,调节的效率不高,容易出现调度冲突的问题;为了提高交通运行效率,提出一种用于解决动态交通调度的三级碰撞概率检测算法;根据交通流量的动态变化情况,通过计算流量时域内的动态流量偏差,计算三级路径之间可能存在的流量冲突概率;根据计算不同级之间的冲突概率反映动态交通拥堵的可能,确定控制的方案;实验表明,三级流量碰撞概率算法有效地降低了车辆平均延误时间,该算法有效。     

基于交通流量预测的动态最优路径规划研究

针对传统算法仅适用静态路况的缺点,提出基于交通流量预测的动态最优路径规划方法.通过建立道路运营网络模型,计算流量碰撞概率和道路拥堵概率,重新定义路段的权值并改进了传统算法,实现了动态路况下的最优路径规划,并对传统算法与改进算法进行仿真实验,得到3种实验结果.结果表明,改进算法在交通高峰期得到的最优路径所需行驶时间比传统算法得到的最优路径行驶时间减少16%～23%,有效提高了交通调度效率.     

公交换乘算法的仿真研究

研究建立城市公交换乘查询网络问题.传统的公交换乘算法忽略了公交乘客的出行寻求优化路径的心理,并且算法的时间效率较低.为了解决上述问题,提出乘坐公交车出行的最优方案为换乘次数最少并且距离最短的线路.首先建立了公交网络及最小换乘次数的数学模型,然后运用线性规划方法建立线性规划模型,重新构造公交站点的数据结构以改进原有的最小换乘算法,得到一个新的算法并用改进算法对线性规划模型进行求解.仿真结果表明:新算法为核心的公交网络查询仿真系统,在一定程度上可以提高城市公共交通系统的服务水平,为实际设计提供依据.     

基于XML的异构数据集成方法研究

为了实现资源的有效利用以及系统间信息的高度共享,异构数据的集成是信息化过程中必须解决的问题.提出了一种异构数据集成方案,采用可扩展标记语言(XML)作为异构数据的中间转换格式,使用Java消息服务规范(JMS)来传递数据.该方案可以较好地实现异构数据库间的数据交互和共享.     

程序设计类课程的抛锚式教学模式

文章探讨在程序设计类课程的教学中引入抛锚式教学模式。通过围绕真实案例创设学习环境,布置不同难度的学习任务进行引导,重视培养学生的知识迁移能力等学习环节,调动学生的学习兴趣与积极性,降低课程入门难度,激发学习动机,引导自主学习。该教学模式能较快地提高学生使用计算机的实际编程能力,教学效果显著。     

基于文本图像的自适应补偿二值化处理算法

研究图像去噪优化处理问题,文本图像要预处理.针对使用照相机拍摄的文本图像,如摄像头拍摄的车牌图像,由于其受到采光,相机成像蜕化等方面的约束,使图像分辨率低,图像灰度会分布不均匀或者前后背景灰度差过小.采用传统的图像二值化方法并不能满足识别准确性的需要.为解决上述问题,提出一种对文本图像自适应背景强度补偿的二值化算法.首先通过大模板均值滤波获得对背景强度的初始估计,再利用非线性自适应灰度调整,从而使得最终处理图像能使用简单的全局阈值二值化方法,获得较佳的效果.试验结果表明改进的方法效果明显优于传统算法,大大提高了图像的识别率和准确率.