仿射传播和谱聚类的船舶轨迹聚类

针对谱聚类算法中常用的K-means算法对特征向量空间进行聚类初始值敏感等问题,提出了一种新的基于仿射传播(AP)的谱聚类算法。首先,利用动态时间规整(DTW)距离度量各船舶自动识别系统(AIS)轨迹之间的结构相似性,得到距离矩阵;其次,使用快速AP聚类算法改进传统谱聚类算法,基于指定的类别数对内河桥区水域船舶AIS轨迹数据进行实例验证。仿真实验结果表明:本文算法在不增加时间复杂度的基础上,比传统谱聚类算法有更高的鲁棒性,且实验准确率提高5.24%。     

基于浮动车轨迹数据的城市路网提取

为满足数字道路信息的及时获取和快速更新,提出了一种基于浮动车轨迹数据的城市路网提取方法。首先通过去冗、滤波等轨迹数据预处理算法优化轨迹信息,然后近似计算轨迹点对应时刻的车辆航向角,通过航向角提取出处于转向状态的浮动车轨迹点,利用改进的DBSCAN聚类算法对转向点聚类提取道路交叉口,最后以交叉口之间的轨迹点为数据源,利用多元自适应回归样条算法拟合道路中心线。以成都市1d内的出租车GPS轨迹数据作为数据源进行了实验,结果显示路网提取效果良好,验证了本文方法的有效性。     

一种基于边折叠的改进三角网格简化方法

主要研究格网化的三维激光点云数据在使用边折叠方法简化时,将计算误差测度的方法——QEM算法进行改进:以面积作权,同时引入顶点特征度,保留模型特征的同时,尽可能减少点云数据量。最后,利用数学方法对简化模型进行精度评定,证明改进算法在特征保持方面优于原始的QEM算法。     

基于自适应切片的点云压缩算法

本文提出了一种自适应分层的点云压缩算法。该算法在点云均匀切片的基础上,根据相邻切片点云的面积变化率设定阈值进行点云自适应分层,并使用角度弦高法保留每层切片点云的特征点,实现快速压缩。通过实验分析了算法中主要参数对压缩结果的影响,给出了最佳参数值的选择依据,并通过和传统压缩方法的对比,证实了本方法可以实现点云的快速高质量压缩。     

基于目标运动轨迹场的车辆行为分析

本文提出了一种适用于多种天气条件及较复杂环境的实时车辆行为分析系统,运用运动轨迹矢量场进行车辆行为的分析。首先,采用改进Moravec算子提取特征点并根据全搜索算法和SAD匹配准则得到车辆运动轨迹。然后,对已生成的轨迹进行聚类形成运动轨迹场。最后,比较现有轨迹与运动轨迹场的偏移矢量,并以此作为交通事件检测的基准。实验表明,该系统及算法对复杂天气条件下的车辆行为分析具有很好的准确性和鲁棒性。     

基于SIFT-SRBICP算法特征点云提取与配准研究

针对图像特征点提取效率低和稳定性差,点云集在实际情况下由于尺度变换引起的匹配不准确和旋转角变化过大引起的配准效果不佳的问题。本文对SIFT、SURF及ORB三种算法进行对比分析,验证了SIFT算法在解决图像特征点提取问题上优于其它两种算法。本文采用SIFT算法进行特征点提取,并提出基于改进型的SRBICP算法对点云进行配准,该方法不仅增加了初始信息素的随机性和考虑了尺度矩阵的边界,并加入了旋转角约束矩阵、动态迭代系数以及退火系数等因素对点云配准模型进行构建。最后采用基于开源GNU/Linux系统所搭载的的Ubuntu操作系统,在Ubuntu系统平台上进行仿真实验,实验结果表明,改进后的算法比传统ICP算法配准精度提高了约50%,同时配准速度提高了约40%。     

基于区间编码的XML数据压缩方法

针对现有XML数据压缩方法在压缩数据上不支持有效连接操作问题,提出采用区间编码的压缩方法(region encodingbased XML data compression method,REXDC)对XML数据中的节点进行区间编码,实现结构连接;提出相同子树的概念和合并相同子树的方法,建立一种支持有效连接操作的存储模型,实现XML数据压缩,同时解决在压缩数据上不支持有效连接操作的问题;最后,以压缩率、压缩时间、解压时间及查询性能作为衡量标准,将REXDC与XGrind、XPress和XQzip算法进行比较。实验结果证明,REXDC具有较好的压缩性能和查询性能。     

渔船安全救助信息系统的研究

针对渔船安全救助存在的遇险渔船定位难等问题,提出一种渔船安全救助信息系统的设计方案。该系统以电子海图综合信息处理显示系统为平台,通过Inmarsat-C、AIS、GPS及GPRS等通信手段自动采集渔船的动静态信息,能够在电子海图上观察渔船和搜救船舶的分布情况,实时地向搜救船队发出搜救调度指令,最大限度地减少或避免遇险渔船人员伤亡和经济损失。     

基于机器学习的航班四维轨迹预测

本文提出了基于历史轨迹数据和机器学习的轨迹预测算法。通过对历史数据的预处理,建立不同K值下的训练模型,通过不同K值的准确度比较得到最优参数模型,基于此模型成功预测了完整航迹的轨迹预测,并通过比较预测值和实际值的误差,验证了此算法对航迹预测的可行性。     

基于PCA的高维流式数据聚类算法

本文的基于PCA的高维流式数据聚类算法是在D-Stream算法的基础上提出来的。首先,从基本原理上分析了D-Stream算法在高维网格划分时,存在着大量计算,影响算法效率;其次,对于高维数据本身而言,存在着数据高维稀疏的特性;最后,本文采用PCA降维与滑动窗口技术相结合的思想来改进D-Stream算法,并通过仿真实验证明了算法的可行性。