CYPK-KNN:一种改进的移动对象KNN查询算法

目的改进YPK—KNN算法以提高其查询效率，方法利用网格对移动对象进行索引．确定一个尽可能小的搜索区域，使得此区域一定包含距离查询点最近的K个移动对象，然后在此区域内完成查询．最的KNN查询，结果针对真实数据集的实验结果表明在同等条件下，改进算法的查询执行时间明显小于原算法．而且随着移动对象个数的增加和网格划分粒度的减小这种优势随之增加．结论改进的移动对象YPK—KNN查询算法有效提高了原算法的查询效率．     

基于元优化的KNN入侵检测模型

为了改善基于K-近邻(K-nearest neighbor,KNN)入侵检测模型的性能,提出一种基于局部搜索算法的元优化特征权重KNN入侵检测模型。利用差分进化算法优化特征权重,采用基于局部单峰采样(local unimodal sampling,LUS)的元优化模型对差分进化算法进行优化。应用NSL数据集进行仿真实验,将本优化模型和其他常用智能启发算法,包括遗传算法(genetic algorithm,GA)、粒子群优化(particle swarm optimization,PSO)算法和灰狼优化(grey wolf optimization,GWO)算法进行比较。实验结果表明,与传统KNN算法模型相比,该模型的准确率提高了2. 86%,检测率提高了3. 18%,误报率降低了50%,而且基于元优化的优化策略优于其他常用优化算法。     

基于Hash table的启发式A-star及其改进算法在最短路径问题中的高效实现

介绍了一种应用在静态交通中最短路径规划的改进启发式A-star算法,首先对该算法中的关键步骤进行了描述和分析,然后针对传统采用数组或链表模式实现算法时占用资源过多或效率不高的情况,提出采用哈希表来优化算法,最后以湖北省的路径规划为实例对算法进行了测试和分析,证明引入哈希表对路网数据进行存储和检索,能实现规划数据的快速查找和计算,大幅度提高算法执行效率,减少实现的复杂度.     

基于MapReduce编程模型的改进KNN分类算法研究

采用一种属性约简算法,将待分类的数据样本进行两次约简处理--初次决策表属性约简和基于核属性值的二次约简。通过属性约简方法来删除数据集中的冗余数据,进而提高KNN算法的分类精度。在此基础上应用MapReduce并行编程模型,在Hadoop集群环境上实现并行化分类计算实验。实验结果表明,改进后的算法在集群环境下执行的效率得到很大提升,能够高效处理实验数据。实验执行的加速比也有明显提高。     

基于纵向时间序列的快速路交通事件检测算法

为了提高快速路交通事件检测算法的效率,减少交通事件对快速路交通流的影响,在提出交通参数数据纵向时间序列定义的基础上,重新界定了异常交通状态的概念,分析了异常交通状态与交通事件之间的关系,利用增益放大原理设计了交通状态变异指数和以此为基础的交通事件检测算法,在确定交通事件位置的同时,给出事件的空间影响范围,并以某城市快速...     

一种在MapReduce下实现的KNN改进算法

在文本分类过程中,经典的最近邻分类算法(KNN)面对海量数据时的执行时间较长.对经典KNN算法进行改进,通过在训练阶段构造初级分类器以减少训练阶段的计算量,并在Hadoop平台MapReduce下予以实现.实验结果表明,改进后的算法可以在保证分类精度的情况下节省运行时间.     

基于LazyDFA的XML数据流的查询优化技术研究

基于LazyDFA技术来解决XML数据流上的XPath查询处理问题,通过对LazyDFA查询效率的分析与测试,给出了在LazyDFA的基础上建立XML数据流二元索引结构的优化算法.实验结果表明,该优化算法能有效地提高LazyDFA的执行效率.     

基于蚁群算法的车辆状态疲劳特征优化研究

针对疲劳驾驶引起的道路交通安全问题,提出一种改进蚁群优化(IACO)算法对车辆状态疲劳 特征进行优化。 将特征选择问题转化为全连接的无向图,引入 Fisher 分数与最大信息系数来提高搜 索效率、降低特征冗余度。 从车辆状态参数中提取疲劳特征,利用 IACO 算法对疲劳特征进行优化, 得到最优疲劳特征子集。 实验结果表明,IACO 算法的 SVM 分类准确率为 85. 6%、KNN 分类准确率 为 83. 2%,均高于其他常用特征优化算法的分类结果,说明 IACO 算法对疲劳特征的优化性能高于 其他常用特征优化算法。     

基于随机森林的K最近邻算法

作为人工智能算法的经典算法之一,K最近邻(KNN)在非线性、低维数据时能够取得优越的效果。但是,当维数较高时,现有数据集往往会变得较为稀疏,此时KNN需要大量训练数据才能保证精度。因此,适当的数据降维方法是改进KNN方法的重要手段。先用随机森林对训练数据集的变量进行排序,从而建立一种有效的KNN算法,并采用Boston数据集验证了该模型的有效性。     

电动汽车复合制动系统状态估计控制算法

针对目前再生制动静态分配控制策略存在的问题,提出了基于复合制动系统结构的行车状态参数估计算法,并利用建立的硬件在环仿真环境仿真验证了算法对参数估计的效果.提出了基于行车状态估计的最高能量回收控制策略优化算法,仿真分析了算法优化前后的控制过程和效果.硬件在环仿真数据表明,优化后的策略有效提高了能量回收效率,防止了车轮的提...     

GA-LSTM模型在高速公路交通流预测中的应用

为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型寻优速度快,同传统预测算法中的SVM、KNN、BP和LSTM神经网络相比较,GA-LSTM对数据预测均方误差和均方根误差最小,模型表现出更好的预测性能.     

基于时延和能耗的SD-DCN的路由优化算法

为了更好地实现数据中心网络的节能,基于交换机链路速率级的能耗特点,基于软件定义网络技术,提出一种Floyd-Warshall动态规划和局部重路由的节能服务质量路由优化算法.控制器在保障流的时延性能前提下,采用流在空间和时间上均衡传输的策略,依次为每个流计算传输路径和传输速率;在选路失败的情况下,尽量用较少的开销提高网络的接受率.仿真结果表明,该算法有效地降低了能耗,同时提高了网络流的接受率.     

Real-time road traffic states estimation based on kernel-KNN matching of road traffic spatial characteristics

The accurate estimation of road traffic states can provide decision making for travelers and traffic managers. In this work,an algorithm based on kernel-k nearest neighbor(KNN) matching of road traffic spatial characteristics is presented to estimate road traffic states. Firstly, the representative road traffic state data were extracted to establish the reference sequences of road traffic running characteristics(RSRTRC). Secondly, the spatial road traffic state data sequence was selected and the kernel function was constructed, with which the spatial road traffic data sequence could be mapped into a high dimensional feature space. Thirdly, the referenced and current spatial road traffic data sequences were extracted and the Euclidean distances in the feature space between them were obtained. Finally, the road traffic states were estimated from weighted averages of the selected k road traffic states, which corresponded to the nearest Euclidean distances. Several typical links in Beijing were adopted for case studies. The final results of the experiments show that the accuracy of this algorithm for estimating speed and volume is 95.27% and 91.32% respectively, which prove that this road traffic states estimation approach based on kernel-KNN matching of road traffic spatial characteristics is feasible and can achieve a high accuracy.     

高速公路短时交通流量预测的改进非参数回归算法

针对现有预测模型无法在交通大数据中提取交通流序列的内部规律,且未能充分利用交通流的时空相关性以实现高精度预测的问题,提出了一种基于K-最近邻（K-nearest neighbor,KNN）与长短时记忆（long short term memory,LSTM）网络模型相结合的短时交通流预测模型.采用KNN算法选择路网中与预测站点时空相关的检测站,以选择的检测站的交通流序列构造数据集,将其输入LSTM模型中进行训练及测试,并通过美国交通研究数据实验室的真实交通数据对提出的模型进行验证.结果表明：与现有的交通预测模型相比,该方法能更好地提取交通流序列的时空特性,预测准确率平均可提高12.28%,可为交通诱导与控制提供必要的依据.

     

基于蚁群算法的智能交通最优路径研究

针对车辆智能交通最优路径问题,提出一种实时规划的蚁群算法。在该算法搜索过程中加入针对具体问题的局部搜索寻优算法,在启发函数中引入搜索方向,改进信息素更新策略,限制信息素轨迹量。利用智能交通道路模型对改进算法进行比较分析。实验结果表明,改进后的蚁群算法能够有效地解决车辆实时路径诱导问题,实现车辆实时路径诱导,具有良好的收敛性和寻优性。     

交通信号灯配时优化控制理论研究

针对城市交通拥堵日益严重的问题,提出一种自适应交通信号灯配时优化控制理论.主要采取的方法是利用设置在交通路口的高位摄像机,获得车流图片或者车辆视频,再运用图像处理技术分析图片,结合相位绿灯分配时间的线性算法,以交叉路口流通能力最大、平均延误时间最小或排队等候的车辆数最少为优化目标,尽最大可能地实现绿波带.这项技术使用的结果能用来进行交通滞留状况下的智能交通调节.这种自适应配时优化方案,能够对交叉路口车流情况进行综合优化,实时修正各个相位的配时.     

飞机推出控制停机位等待惩罚策略

为减少飞机离港过程中调度者的工作负担,降低滑行成本及污染排放,在飞机离港过程传统N控制策略基础上,提出一种基于停机位等待惩罚的推出控制策略.这种策略可以为滑行道排队长度搜寻最优阈值,并且要求推出频率随当前滑行道排队长度实时变化.建立以推出成本为目标的推出控制模型及其两种变体形式,设计了一种基于连续时间马尔科夫链的迭代优化算法.首都机场实际推出数据仿真结果表明:所提出的推出控制策略能有效地将滑行等待时间转化为停机位等待时间,总滑行等待时间减少了2 995 min/d,燃油消耗比无推出策略条件下减少44.04%,离港燃油成本大大降低.     

一种多目标蚁群优化的虚拟机放置算法

已有对数据中心虚拟机放置的研究大多为优化数据中心能源消耗和物理机资源浪费等,很少考虑数据中心网络流量的优化,有可能影响数据中心网络的扩展性.为了兼顾考虑物理机资源浪费和网络总流量两个方面,将虚拟机放置建模为多目标优化问题,同时优化2个目标:最小化物理机资源浪费以提高数据中心物理机使用效率;最小化网络总流量以改善数据中心网络的扩展性.设计了一种基于多目标蚁群优化的虚拟机放置算法来求解该问题.仿真实验结果表明,该算法与首次适合递减算法相比降低了物理机资源浪费和网络总流量,算法具备有效性.     

基于改进遗传算法的公交智能调度

针对公交车辆调度的现状以及所处的运营环境,为了兼顾公交公司与乘客的利益,研究了公交智能调度的优化方法.通过对遗传算法(GA)和禁忌搜索算法(TS)进行分析,提出了一种基于遗传算法和禁忌搜索算法的混合策略(GA-TS).考虑到遗传算法的早熟收敛和禁忌搜索算法自适应强的问题,将上述两种算法相结合,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,提出了基于遗传算法和禁忌搜索算法的混合优化调度算法.实验结果表明,该方法能够有效地解决组合优化问题.     

基于边介数的大城市公交网络优化模型

为解决大城市公交网络优化设计问题,提出一种考虑交通拥堵的网络优化模型．首先分析最短路策略在大城市应用的弊端和造成交通拥堵的原因,在研究复杂网络理论的基础上,基于边介数提出绕行策略．通过扩展边介数,定义有效边介数和有效路径,提出基于边介数的大城市公交网络优化模型,并设计了实现算法．以长春市路网为例,求解β．结果表明,随着β的变化,平均出行距离先减小后增大,在β=0时最短;平均出行速度先基本稳定后急剧增大．β=0.1时,居民平均出行时间最短,网络效率最高,这时优化模型可快速减少由于交通拥挤造成的网络效率损失．