基于模糊c-均值与核Fisher判别分析的不平衡数据分类方法

为了解决传统分类方法对不平衡数据集中少数类的识别率较低的问题,提出一种基于模糊c-均值与核Fisher判别分析相结合的分类方法.该方法首先采用模糊c-均值算法对样本数据进行聚类,将聚类后的样本数据映射到特征空间中,再对映射后的样本数据采用核Fisher判别分析算法对数据进行分类.在UCI上选取8个不平衡数据进行仿真实验,就分类性能上与其他5种算法作了比较和分析.实验结果表明采用模糊c-均值与核Fisher判别相结合的方法可以获得较高的识别率,能有效地处理不平衡数据集的分类.     

半监督系数选择法的人脸识别

针对人脸识别过程中图像数据维数过高以及需要大量类别标记的问题,提出一种半监督离散余弦变换系数选择法,用以实现数据降维并提高识别率.该算法首先将图像数据进行离散余弦变换,根据频率特征通过预掩模选取有用信息;然后进行半监督约束聚类,利用少量有标记样本的约束集,对训练图像进行聚类;根据类别搜索较高的判别系数值,获得系数选择掩模以及训练图像的投影阵.将测试图像离散余弦变换阵在此掩模上投影,计算其与训练图像投影阵距离,利用分类器进行分类.在ORL与Yale人脸数据库上的实验结果表明:所提方法的性能优于传统方法,并与主成分分析与线性判别分析进行组合,获得了90％以上的识别率.     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

网联车混入条件下混合交通流跟驰稳定性

为描述智能网联车混入下的混合交通流跟驰稳定性,揭示混合交通流稳定性变化过程,解析HDV和CACC交通流稳定性,引入CACC混入率,构建混合交通流跟驰模型,推导混合交通流稳定性判别条件,分析速度、混入率在单一条件和组合条件下对混合交通流稳定性变化规律的影响。研究结果表明：混合交通流的稳定性取决于单一交通流的稳定性和混合流组成,HDV和CACC单一交通流跟驰稳定性的速度临界值分别为19.65 km/h和18.01 km/h,且速度与混合交通流稳定性正相关,混入率对混合交通流稳定性的影响效果与速度条件有关,在两因素共同作用下,混合交通流稳定性变化趋势表现多样化。     

基于分位数回归的随机优化速度跟驰模型

为了研究交通流异质性对车辆跟驰行为的影响,基于分位数回归方法改进优化速度函数.根据实际交通流数据对改进的优化速度函数进行参数标定,并对参数结果进行假设检验,结合改进的优化速度函数和全速度差跟驰模型建立随机优化速度跟驰模型,利用傅里叶变换理论推导跟驰模型的稳定性条件,并搭建环形车道仿真平台对跟驰模型进行数值实验.结果表明：改进的优化速度函数能更好地反映交通流异质性对交通流的影响;单一分位点车队达到稳定状态的时间与分位点呈正相关;多分位点组合车队随着0.5分位点车辆数的增加,达到稳定状态的时间减少.提出的多分位点车队相比于单一分位点车队可以更真实地反映交通流复杂的运行状况.     

LLE与核Fisher判别分析结合的人脸识别研究

针对人脸识别问题提出了将LLE与核Fisher相结合的识别方法LLEKF,先应用LLE方法将样本和待测试的人脸图像集降低到一定维数,再利用核Fisher判别法通过选择合适的核函数,确定最优参数,对降维后的样本图像进行训练,并对降维后的人脸图像进行分类.实验证明,利用LLE低维嵌入后的数据能够更好地保持原人脸数据的非线性特征,并降低特征提取的时间,再经过核Fisher进行分类,明显提高了分类的效率.     

城市快速路入口匝道连接点通行能力研究

入口匝道连接点是城市快速路的瓶颈,研究其通行能力对城市快速路的建设和管理具有重要现实意义.从最基本的交通流连续方程和运动微分方程出发,通过微分和积分变换,采用特征线法,得到城市快速路入口匝道连接点交通流参数之间关系的理论模型,将连接点参数关系整理成汇入率(驶入率)、上游外侧车道流量和密度之间的关系,既入口匝道连接点的动力学模型,利用实测数据对模型进行标定,并选用美国道路通行能力手册(HCM2000)进行验证,模型能较好模拟城市快速路入口匝道连接点的实际交通流.     

高速公路动态交通流支持向量机预测模型

为了提高高速公路的交通运行效率,需要实时预测各路段交通流参数状况,通过对高速公路宏观动态交通流模型的分析,以及对SMO支持向量机参数选择的研究,提出了高速公路动态交通流支持向量机预测模型.以西安-宝鸡高速公路交通流信息采集数据对模型进行训练、测试和仿真,预测平均相对误差小于3.84%,表明了模型的有效性.     

基于混合采样和Stacking集成的电信用户网别预测

为了准确识别潜在换网电信用户,建立一种电信用户网别更换预测模型。根据用户历史数据生成网别更换标签,确定其多数类和少数类样本。利用具有噪声的密度聚类欠采样方法对多数类样本进行聚类,删除聚类后的噪声样本和各簇的边界样本,并选择各簇核心样本点进行随机欠采样;结合人工合成少数类过采样方法对少数类样本进行过采样。将构成混合采样后的平衡样本集合,输入到两层的Stacking集成学习算法中训练,得出分类结果。实验结果表明,该模型具有较好的数据集均衡性能,且预测准确率高,能够更好地识别潜在的网别更换用户。     

多源非平衡交通检测数据的异常识别方法

为保证交通检测数据的准确性并服务于实时的交通状态判别和预测,交通大数据采用多种检测源数据协同处理并利用机器学习的方法进行异常识别.异常检测数据的识别主要基于机器学习中AdaBoost方法实现.在算法的训练过程中,为消除单一检测源数据的离群现象,训练数据选取同一路段上多种检测源提供的数据集.在算法的决策过程中,通过代价敏感方法的优势来改进AdaBoost的决策.实验结果表明:基于非均衡特性改进的AdaBoost模型迫使分类器更加关注了待识别的异常样本,增强了AdaBoost决策过程中训练决策树规则的代表性,提高了异常类样本的分类准确率.高速公路实例检测数据集验证了改进算法与相关经典算法的检测准确度、误检率、误警率等指标,其中改进模型与原模型相比,准确率提高了5.547%,误检率减低了6.792%.多种算法的ROC曲线对比表明改进的AdaBoost方法筛选交通检测样本的可靠度更高,可有效调整由非平衡数据导致的分类误差.     

饱和信号交叉口排队长度预测

通过采用自适应权重指数平滑法,对进口车道的实时流量进行预测,建立了以定数排队理论为基础的排队长度预测模型。该模型可以实现对饱和信号交叉口排队长度的预测,预测结果具有较强的自适应性,更符合交通流的实际运行状况。实际数据验证结果表明:在拥挤的交通状态下,该模型的预测精度可达到85%以上,可以满足信号配时和交通管理的需要。     

基于小波和回声状态网络的交通流多步预测模型

针对交通流的含噪混沌特征,提出了一种基于小波回声状态网络的交通流多步预测模型。该模型利用小波多尺度分解方法,屏蔽了噪声成分对交通流动力学特性的干扰,同时提取了占有交通流绝大部分能量的混沌低频成分。在采用多路分量并行预测的方式下,充分发挥了回声状态网络对混沌低频分量的强大多步预测能力,从而保障了交通流多步预测的精度。对北京市西直门桥的实测交通流的预测结果表明:该模型的多步预测精度比传统的回声状态网络模型有了较大幅度的提升,在保证预测精度的前提下,最大可预测的步长也相应的增加。     

化工过程灰箱建模中采用灰色聚类技术的研究

利用灰色聚类方法建立灰箱模型,进行预测化工生产过程中催化反应的进料量和填装量等参数。实验结果表明,采用灰色聚类技术分析预测,对催化反应的数据预测结果在精度上明显优于传统化工方法,可使催化反应在原料成本最小的条件下获得较高的转化率。     

基于随机过程下的交通流量预测方法

在考虑交通流量为随机过程的情况下,根据实际观测得到的交通流量,运用灰色预测模型、神经网络等方法,预测将要发生的交通流量数据.然后,根据以前相应的交通流量数据计算出预测结果的波动范围.最后,提出了解决交通拥堵的方案.     

基于群体智能聚类算法的电梯交通流分析

提出了一种基于群体智能的电梯交通流分析方法,该算法将电梯交通流模式投影于二维平面上,然后依据群体智能聚类,实现电梯交通流的自组织聚类分析．为了提高群体智能聚类算法的运行效率,采用了主成分分析方法改善模式投影时的随机性,同时在聚类过程中引入密度引导策略减小分类错误率和运行时间．仿真结果表明,群体智能聚类算法能对电梯交通流数据进行有效的聚类分析,具有较好的自组织聚类特性．     

高速公路施工区合流冲突风险阈值界定及交通冲突量预测

分析了高速公路施工区合流行为特性,以行车速度与合流角度作为合流交通冲突的表征参数,以冲突时间作为合流冲突风险的度量指标,建立了高速公路施工区合流冲突风险计算模型,确定了高速公路施工区不同安全状态的合流冲突风险阈值.运用灰色理论建立了高速公路施工区合流冲突预测的GM(1,1)模型,并通过合流冲突调查样本数据对该模型进行验证.结果表明:不同安全状态下的高速公路施工区合流冲突风险阈值危险、中等、安全分别为(∞,5)km/h、(3.55,5]km/h和(0,3.55]km/h;GM(1,1)高速公路施工区合流交通冲突量预测模型有效、可靠,满足精度要求.     

突发灾害下城市路网交通流可靠性运行态势

为了识别突发灾害下交通流运行过程中路网可靠性的变化规律和潜在的运行态势,采用Rough集理论,结合城市道路交通状态判别、预测的知识,构建了突发灾害下路网可靠性知识表达系统。通过对路网元素属性数值的离散化处理,路网可靠性决策表的属性约简等一系列操作过程,实现了对路网可靠性运行态势的逻辑推理。试验结果表明:路网可靠性能够较好地拟合突发灾害下路网交通流的运行特征,交通路网可靠性态势分析的知识表达系统对可靠度的预测精度可达90%以上。     

道路交通事故灰色预测模型及应用研究

道路交通系统是一个动态的不确定性系统,交通事故的发生具有随机性。针对道路交通系统“部分信息已知,部分信息未知”的特征,采用灰色系统理论,着重研究“小样本、贫信息”的不确定问题及“外延明确、内涵不明确”的随机对象,实现“少数据建模”。本文通过灰色生成算子的作用弱化随机性,挖掘潜在规律,经过灰色差分方程与灰色微分方程之间的互换实现了利用离散数据序列建立连续动态微分方程的过程,对交通事故进行预测及精度检验。实例分析结果表明,此方法能够更加合理、科学、准确地预测交通事故的发展态势。     

冰雪条件下信号交叉口交通拥堵扩散范围估计

冰雪条件下交叉口交通拥堵范围的正确估计,有助于交叉口交通控制的优化和决策。首先根据冰雪条件调查数据,分析了不同冰雪条件对饱和流率的影响,得到不同等级冰雪条件对交叉口饱和流率的折减值及其回归模型。然后基于信号交叉口车辆排队特点,将交叉口分为过饱和、不饱和以及临界饱和状态,并建立了交叉口实时车辆排队长度计算模型。最后考虑路网中各要素的相互关联和相互影响的特性,提出了冰雪条件下基于交叉口交通拥堵扩散范围估计方法。该交叉口拥堵扩散范围估计方法可作为冰雪天气条件下交叉口信号配时方案优化依据,同时对制定合理有效的交通拥挤疏导策略具有重要意义。