基于小样本浮动车系统的平均行程时间估计

针对浮动车技术的特性以及低浮动车采样率条件下信号交叉口给行程时间估计造成的影响,提出了一种新的浮动车路段行程时间估计方法。利用感应线圈的流量数据计算出周期内的动态排队长度,根据信号周期内的最长排队长度确定受交叉口影响区域,剔除该区域内的浮动车数据,计算浮动车在区域外的正常行程时间以及区域内的延误时间,最终求得浮动车的路段平均行程时间。仿真结果表明了本算法的可用性,为浮动车行程时间设计提供了参考。     

浮动车信息处理技术研究

概括了浮动车技术的基本原理,重点介绍了浮动车信息处理系统的处理流程及地图匹配、路径推测和路况信息计算方法。针对GPS数据精度差、路网结构复杂等影响浮动车信息处理准确性提升的问题,给出了一系列改进型研究工作。最后,给出了评估浮动车信息处理准确性的方法,并指出了浮动车信息处理技术的后续工作。     

浮动车信息处理系统关键技术的研究

本文介绍了智能交通领域中一种先进的交通信息采集发布系统-浮动车信息系统。浮动车使用GPS车载装置采集车辆的行驶参数(如时间、速度、坐标、方向等),并将这些数据通过GPRS网络传送到浮动车信息中心,经过汇总、处理后生成实时的路况交通信息,并通过互联网和GPRS、CDMA网络向公众发布。本文提出了浮动车信息处理的核心算法模型,主要包括地图匹配、路径推测和道路路况计算三部分,并分别对这些算法进行了详细描述。     

面向实际道路网络的浮动车采样间隔优化方法

目前基于浮动车的城市交通信息采集通常采用等间距进行采样,无法根据道路网络几何条件和状态的差异进行合理的采样间隔优化.针对现有采样算法的不足,本文提出了一种面向实际道路网络的浮动车采样间隔优化方法.首先通过构建四叉树模型对城市道路网络进行划分,确定空间采样分辨率,然后利用历史轨迹对浮动车的速度进行短时预测,最后在不影响空间采样分辨率的基础上实时动态优化采样间隔,在交通信息的精度与信息的采集成本之间取得平衡.通过仿真试验的定性定量分析,新算法能够在不同复杂程度的道路网络情况下动态调整采样间隔,不仅确保了采样数据的精度,而且降低了采样数据容量.     

差分能量攻击所需样本数量研究

对分组密码算法差分能量攻击的样本数量选取问题进行研究。通过建立差分能量信号的信噪比模型,推导出样本数量的数学表达式为 ,根据σ和ε计算得到攻击所需样本数量为8 000。分别用5 000组和8 000组随机明文对高级加密标准算法进行差分能量攻击,结果证明,当样本数量为8 000时可以得到正确密钥,效果结果优于5 000组明文的情况。     

基于BP网络的浮动车与线圈检测数据融合模型

浮动车技术和线圈检测技术在获取交通数据方面各有所长,为了得到更高质量的数据,需要对GPS浮动车数据与线圈检测数据进行融合。针对此问题,建立了基于BP网络的融合模型,该模型包括三个部分,即初始数据产生模块、BP神经网络数据融合模块和融合结果分析模块。模型的输入参数为线圈检测模块的行程时间、交通量和GPS浮动车检测模块的行程时间、浮动车数量,输出结果为融合后的行程时间。通过仿真试验对融合模型进行了评价,融合后的行程时间的准确度和稳定性都较高,表明数据融合模型是有效的。     

CNCERT／CC捕获恶意代码新样本数量略有下降

2008年11月1日至11月30日期间,CNCERT／CC捕获恶意代码次数比上月上升了约46％,所捕获的新样本数量比上月下降了约18％。本月日均捕获恶意代码4010次。2008年11月1日至11月30日期间,CNCERT／CC日均捕获新样本180个.     

基于条件随机场和低采样率浮动车数据的地图匹配算法

提出了一种基于条件随机场和低采样率浮动车数据的地图匹配算法。首先建立道路网络模型,在此基础上,计算GPS观测点可能匹配的候选投影点集合以及集合中每一个候选投影点的观测概率,再计算相邻GPS观测点的候选路径集合以及每两个相邻候选投影点之间的传递概率;然后根据这些候选投影点和候选路径,在滑动窗口内,基于条件随机场模型应用前后向递归算法,计算每个候选投影点的概率权重值;最后根据概率权重值,选取GPS观测点的最佳匹配投影点。该算法(FB-MM)在低采样率的情况下,综合考虑了道路网络的拓扑结构和GPS观测点之间的关联信息,实现了较好的地图匹配效果。     

基于核扩展混合块字典的单样本人脸识别研究

稀疏表示分类(sparse representation-based classification,SRC)在样本数量充足下的人脸识别中具有较好的识别效果.然而由于基本字典缺乏判别性同时过度依赖于字典中每类样本的原子数目,稀疏表示分类在真实情况下的单样本(每类样本只有一张训练样本)人脸识别任务中缺乏鲁棒性.针对以上问题...     

交直流混合状态估计实用技术研究与实践

为适应高压直流输电的广泛应用,调度中心状态估计软件迫切需要进行相应修改。同时,特高压直流双阀组换流极的出现,也对状态估计直流建模提出了新的要求。针对±800kV特高压直流输电,提出了一套适应换流极双阀组特点的直流输电量测模型,该模型能同时兼容单阀组运行方式。为确保状态估计功能的平稳过渡,采用交替迭代方法,通过对现有成熟的状态估计软件进行较小修改,实现了交直流混合状态估计。指出工程实际应用中的若干技术问题,包括：软件总体流程的设计、换流损耗的考虑、直流运行方式的修正以及特殊量测的转换,并提出了相应的解决措施。开发的交直流混合状态估计软件已在南网总调投入正式运行,实际应用表明其精度、效率以及收敛性均满足实际工程现场要求。     

Resampling-based software for estimating optimal sample size

The SISSI program implements a novel approach for the estimation of the optimal sample size in experimental data collection. It provides a visual evaluation system of sample size determination, derived from a resampling-based procedure (namely, jackknife). The approach is based on intensive use of the sample data by systematically taking sub-samples of the original data set, and calculating mean and standard deviation for each of sub-samples. This approach overcomes the typical limitations of conventional methods, requiring data-matching statistical assumptions. Visual, easy-to-interpret provisions are supplied to display the variation of means and standard deviations as size of generated samples increases. An automatic option for identification of optimal sample size is given, targeted at the size for which the rate of change of means becomes negligible. Alternatively, a manual option can be applied. An ideal application of SISSI is in supporting the collection of plant and soil samples from field-grown crops, but it also holds potential for more general application. SISSI is developed in Visual Basic and runs under the Windows operating systems. The installation software package includes the executable files and a hypertext help file. SISSI is freely available for non-profit applications.     

交通道路行驶车辆车标识别算法

为解决交通道路行驶车辆车标识别中存在的目标小、噪声大、种类多的问题,提出了一种基于深度学习的目标检测算法与基于形态学模板匹配算法相结合的方法,并设计了一种高准确度且能应对新类型车标的识别系统.首先,采用通过K-Means++重新聚类锚框值,并引入残差网络的YOLOv4进行车标的一步定位;其次,通过对标准车标图像进行预处...     

Exact prediction intervals for exponential lifetime based on random sample size

In this paper, we generalize the work by Lawless (1971) and Lingappaiah (1973) for predicting future order statistics from exponential lifetime when the sample size is a random variable. First, we derive the distributions of some pivotal quantities that can be used to predict future order statistics from exponential lifetime when the sample size is Poisson and binomial distributed. Next, we calculate the percentage points (factors) of the predictive distributions and use them to construct predictive confidence intervals for the future order statistics. To show the usefulness of our results, we present some simulation experiments. Finally, we apply our techniques to some real data sets in life testing.     

生化途径参数估计的QPSO-MGbest算法

讨论了非线性动力生化过程的参数估计（反问题）,描述为受一组非线性代数-微分方程约束的非线性规划问题,由于频繁的病态和多峰值,传统的算法（如梯度算法）并不能得到满意的解。提出了一种改进的量子行为粒子群优化算法求解代谢途径的参数估计,该算法采用基于全局最好位置的变异操作以提高算法的非线性逼近能力和较好的全局搜索能力。以一个三阶段代谢途径为研究对象,建立参数估计的算法模型,以实验值和预测值的误差平方加权的和为目标优化函数。实验表明改进量子行为粒子群优化算法能够较好求解该问题。     

Exponential locality preserving projections for small sample size problem

Locality preserving projections (LPP) is a widely used manifold reduced dimensionality technique. However, it suffers from two problems: (1) small sample size problem and (2) the performance is sensitive to the neighborhood size k. In order to address these problems, we propose an exponential locality preserving projections (ELPP) by introducing the matrix exponential in this paper. ELPP avoids the singular of the matrices and obtains more valuable information for LPP. The experiments are conducted on three public face databases, ORL, Yale and Georgia Tech. The results show that the performances of ELPP is better than those of LPP and the state-of-the-art LPP Improved1.     

样本大小对非平衡数据分类的影响

探讨了影响稀有类分类的各个因素,针对影响稀有类中的一个因素--样本大小对稀有类的影响进行了研究.     

基于特征选择的统计最优样本大小算法

针对统计最优样本大小算法在确定大数据集,尤其是高维数据集抽样样本大小时的执行效率较低,以及高维数据集中每一维属性的重要性不同且可能存在冗余属性,提出一种基于特征选择的统计最优样本大小算法.该算法基于熵理论,通过构造一个基于对象间相似度的熵度量方法来评估特征重要性,然后根据设计的一种挑选特征的标准获得重要的特征子集,最后在该特征子集上执行统计最优样本大小算法.实验结果表明,改进后算法得到的样本大小抽取的样本集能够在聚类算法中得到较高的准确率,同时也较明显地降低了算法的执行时间,从而验证了改进后的算法是有效可行的.     

面向对象XML数据查询的代价估计研究

由于XML具有丰富的表达能力、自描述性和灵活性等优点,而面向对象的概念又具有很强的建模能力,将面向对象的概念引入到XML可以提高XML模式语言的建模能力。而面向对象XML数据查询的值匹配条件的查询代价估计问题是一种典型的多元素查询条件的代价估计问题。XML数据的值分布与其他值信息的分布有关,还与XML数据的结构信息有关,很难使用某种单一的代价估计方法。针对以上问题,提出了一种基于直方图,在估计过程中结合查询树结构的代价估计方法。     

Determination of sample size in a rare event simulation method

A technique is proposed for evaluating the probability of aircraft collision by the importance sampling technique. Upper limits for the size of an auxiliary sample are found, which ensure the prescribed relative accuracy of probability evaluation. Theoretical conclusions are confirmed by numerical experiments. __________ Translated from Kibernetika i Sistemnyi Analiz, No. 1, pp. 76–86, January–February 2006.     

Regularized discriminant analysis for the small sample size problem in face recognition

It is well-known that the applicability of both linear discriminant analysis (LDA) and quadratic discriminant analysis (QDA) to high-dimensional pattern classification tasks such as face recognition (FR) often suffers from the so-called “small sample size” (SSS) problem arising from the small number of available training samples compared to the dimensionality of the sample space. In this paper, we propose a new QDA like method that effectively addresses the SSS problem using a regularization technique. Extensive experimentation performed on the FERET database indicates that the proposed methodology outperforms traditional methods such as Eigenfaces, direct QDA and direct LDA in a number of SSS setting scenarios.