用小波变换和Fisher判别对人脸进行特征提取

提出了一种用小波变换和核函数Fisher判别对人脸进行特征提取的方法.同传统的特征提取方法相比,用核函数Fisher判别进行特征提取,不仅可以对人脸图像进行维数压缩,而且还可以有效利用提样本的类别信息.同时,用小波变换对人脸图像进行预处理以降低计算复杂度.同传统的Fisher变换相比,可以较好地解决人脸识别这一非线性问题.实验结果表明方法是有效的.     

基于FAHP和模糊综合评判的交通状态判别模型

为客观、有效地评价交通拥堵的程度,选择路段的平均行程速度和时间占有率、交叉口的饱和度、每车平均延误、平均最大排队长度这5个对交通状态的变化最为敏感且容易获取的参数作为评价指标,设计了一种基于模糊综合评判的交通状态判别模型。该模型运用模糊层次分析法(FAHP)来计算评价指标的权重,运用加权平均法将模型的输出结果量化为具体数值。模拟仿真结果表明,模型是可行且有效的,从而为缓解交通拥堵及相关措施的制定提供理论基础。     

冰雪天气下的区域交通状态实时判别

在研究现有常态天气下交通状态判别的基础上,充分考虑冰雪灾害对道路通行能力的影响,提出了适用于冰雪天气条件下的路段和交叉口的交通状态判别方法。同时考虑道路的等级、路段的通行能力以及路段长度等因素,确定了路段和交叉口的交通状态权重,实现了区域交通状态实时判别。最后利用TransModeler微观仿真软件对本文方法进行了验证。结果表明:该方法判别准确度较高、判别时间较短,为冰雪条件下交通状态研究提供了新的思路。     

基于交叉验证支持向量机算法的交通状态判别研究

传统交通状态判别算法存在准确率低和速度较慢的缺点。将支持向量机(SVM)算法应用于交通状态监测中,并且以径向基函数(RBF)作为核函数,在SVM训练过程中采取交叉验证的方法,即将训练样本分成多个子集,再通过每次保留其中一个子集作为检测样本进行反复训练,获得RBF所需的σ值和惩罚系数C。通过对某主干路上某时段的数据验证和检测表明,基于交叉验证SVM算法具有较高的准确率和速度,可以有效地将其运用到实际中。     

基于感应线圈数据的城市道路交通状态判别方法

以SCOOT系统感应线圈检测器采集到的交通数据为基础,设计了一种基于模糊聚类的城市道路交通状态实时判别算法及其评价方法,并提出了交通状态判别时间间隔的确定方法。以VISSIM为工具,对上述方法进行了模拟。对比分析结果表明,所提出的算法能够提高城市道路交通状态实时判别的效果。     

分对数模型在城市快速路交通状态预测中的应用

在分析相邻检测器截面间交通流的高度非线性和时空耦合性特点的基础上,结合上海市某一快速路段环型线圈检测器数据和浮动车GPS数据,采用数据挖掘技术提取检测器截面间的交通流时空数据.运用多项式分对数模型对所提取的时空数据进行统计分类分析,依托特征参数建立交通状态多项K-Logit指数模型.结合快速路匝道控制措施,采用VISSIM COM与VC++6.0为仿真平台,对实验数据进行仿真,结果表明:分对数模型对交通状态的预测精度能达到93.65%,行程时间平均缩减了17.1%,车辆延误降低了11.9%,行车速度提高了14.6%.     

基于交通状态估计的快速路交通联合控制

采用模糊C均值聚类方法将快速路交通状态划分为畅通、轻度拥挤和拥挤状态。将快速路二阶宏观交通流模型与粒子滤波算法相结合,实现对快速路交通状态参数的估计,并将交通状态参数估计结果划分到对应状态中,得到交通状态估计结果。在交通状态估计的基础上,考虑3种交通状态下的交通运行特性,结合可变限速控制和入口匝道控制建立快速路联合控制模型。采集吉林省长春市东部快速路交通数据进行实例验证,结果表明:联合控制模型的应用减少了快速路交通流总时间费用消耗的4.55%,降低了交通流密度,在一定程度上缓解了交通拥挤。     

基于收费数据的高速公路交通拥挤自动判别方法

针对高速公路交通拥挤日益严重的现象,通过对收费数据的深层挖掘和高效利用,提出了基于滚动时间序列的行程时间数据合成方法,以此为基础构建了交通拥挤指数,并基于交通拥挤指数的变化特征对拥挤持续时间进行了在线估计;结合收费站布局的时空特征,设计了基本路段和复合路段融合的高速公路交通拥挤自动判别方法．实证分析表明,该方法在判别率提高到96．52％,误判率降低到0．43％的同时,判别时间减少了74％,而且收费数据的获取成本为零．     

基于GTM-中文版权目录TT算法的城市区域交通状态分析

将GTM-TT算法应用到城市区域交通状态的分析研究中,通过对北京市实际道路29个线圈89天的占有率数据进行分析,实现了高维数据的可视化和无监督聚类。在隐平面中,不同区域代表不同交通拥堵状况。统计发现频繁发生的状态转移跨度小,符合交通状态缓慢变化的认识。最后将89天按隐平面上的状态序列向量之间的距离进行层次聚类,聚为4类,分析发现了每类所代表的典型交通过程。     

基于离群点识别的聚类结果属性特征簇发现

对聚类结果的理解有助于评价聚类效果,可以据此调整聚类过程,更高效地使用聚类结果.但是,聚类结果的理解仍然是一个尚未解决的问题.提出了基于离群点识别技术分析任意聚类算法的聚类结果,发现了聚类结果属性特征簇的方法;提出一种基于不相似性比值的离群点识别算法.通过对全部数据簇的属性描述进行离群点分析,发现各数据簇的特征属性,实现对聚类结果的理解.所提方法适用于任意聚类算法结果的分析.对UCI的iris、ZOO和Housing数据集的采用X-means、Frozen和DBScan算法的聚类结果进行聚类结果分析,实验表明所提方法较成功地发现了不同聚类算法的属性特征簇,有助于对聚类结果的深入理解.     

遗传算法-模糊聚类动态模糊神经网络辨识

针对非线性系统辨识特点,在剖析具有递归环节的T-S模糊神经网络结构的同时,提出了一种新型的3步设计优化方案,即非线性区域的线性划分、离线训练和在线辨识.将融合了模糊c-mean聚类(GA-FCM)(称为双群体并行聚类)算法引入到RTSFNN中,对非线性系统的输入输出空间进行聚类(线性划分),再在每个线性区域上建立ARMAX模型;利用GA实数编码,同时优化前件隶属函数的中心和宽度、递归增益及后件参数;在线时利用FCM在线分析输入数据特征,确定是否对现有划分进行改动,并利用GA迭代一定代数优化其他参数,直到误差满足要求为止.通过对非线性动态系统的辨识仿真,验证了所提出方法在训练时的寻优速度、训练误差及校验误差指标上均有很大优势.     

小波变换和改进谐波法的感应电动机转速辨识

针对感应电动机无速度传感器开环、闭环控制依赖数学模型的问题,建立了由自适应神经网络与小波变换构成的数字低通滤波器,并给出定子磁场定向改进转子槽谐波辨识转速的方法.利用小波变换辨识定子磁链,数字低通滤波器消除谐波信号、白噪声、频率变化等干扰因素的影响,保证准确提取转子槽谐波电压.仿真实验结果表明,该算法具有较强的鲁棒性,可在强噪声下进行信号检测,有效提高转速的辨识精度,使转速可以在很宽的范围内进行调整,并可改善其动态性能和低速性能.     

PM2.5质量浓度变化特征与交通流的关系——以北京市为例

为分析城市交通运行状况对大气PM2.5质量浓度的影响,针对北京市2014年至2015年12个月的PM2.5质量浓度及交通流量变化情况,基于小波分析的相关理论,对二者的周期性变化特征及其在不同尺度上的相关性进行研究,并进一步分析了特定周期尺度上PM2.5质量浓度变化相对于机动车流量变化的滞后响应现象.研究表明:二者在24 h左右的日周期尺度上显著相关,且PM2.5质量浓度的滞后时间约为9h.