投影寻踪在公路工程评标中的应用

基于投影寻踪技术综合评标的新思路,即采用高维降维技术——投影寻踪分类模型,利用实码加速遗传算法优化其投影方向,将多维数据指标(样本评价指标)转换到低维子空间,根据投影函数值的大小评价出样本的优势     

基于投影寻踪动态聚类的快速路交通状态判别

为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.      

基于投影寻踪模型的桥梁耐久性评价

针对桥梁耐久性评价中指标的高维非线性和非正态性的特点,提出基于投影寻踪模型的桥梁耐久性评价。用加速遗传算法对投影寻踪模型的最优投影方向进行计算,将评价中多维指标数据投影为一维投影数据。工程应用实例表明,该评价模型具有很强的客观性、适用性和可操作性,为桥梁耐久性评价提供了一种新方法。     

基于投影和密度的高维数据流聚类算法

在经典数据流的聚类算法基础之上,提出了一种基于投影和密度的高维数据流聚类算法——HpDenStream,该算法结合滑动窗口技术,采用投影算法对高维数据流进行降维处理,并运用密度聚类算法对降维后的数据进行异常数据检测。仿真实验结果表明:该方法占用的存储空间小,算法的工作量少,并提高了算法的执行效率。     

互通式立体交叉方案综合评价方法

基于投影寻踪算法的基本原理和求解过程,提出互通立交方案设计综合评价方法,该方法直接从待评样本本身寻求各评价指标的客观权重,避免了主观评价法评价指标权重的确定存在着主观依赖性、评价结果受到人为赋权的干扰问题.采用实码加速遗传算法对投影指标函数进行优化,求解最优投影方向向量,可有效地解决高维数据全局寻优的难题.     

投影寻踪分类模型在中国工业经济效益综合评价中的应用

为提高工业经济效益综合评价模型的分辨率,提出了一种有效的和通用的模型——投影寻踪分类模型.采用基于实数编码的加速遗传算法寻找最优的投影方向,同时用投影方向信息研究了各因子对中国工业经济效益综合评价的影响水平.取得了符合客观实际的分类结果.     

二分类数据的分类结果可视化算法

针对在某些应用领域对二分类数据分类结果可视化的需求，以及现有无监督可视化算法无法提供分类结果的相关信息的问题，提出了二分类数据分类结果可视化算法——支持向量可视化（SVV），该算法是在无监督的自组织神经网络（SOM）的可视化功能的基础上，结合监督学习的支持向量机（SVM）的二分类算法，得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图，提高了分类结果的可解释性．以SOM可视化算法以及Smnmon算法为参照，用2组可分性不同的样本集进行仿真分析，验证了该算法的有效性和可行性。     

投影寻踪模型评价轨道网规划方案研究

为避免主观评价方法的局限,采用基于样本数据驱动的探索性数据分析原理的投影寻踪模型对轨道网规划方案进行综合评价;给出该模型的建模步骤,并采用实码加速遗传算法实现该模型的求解.采用投影寻踪综合评价模型将轨道规划方案多维评价指标集合成一维投影评价值,根据投影值结果对规划方案进行排序,根据投影方向向量值对各评价指标对综合评价值的贡献程度进行了分析.对综合评价定量判断结果通过与方案定性分析的对比,表明该方法符合实际决策要求,模型可靠适用.     

基于簇形均衡评估的高速公路收费数据聚类

高速公路收费数据是一种高维、海量、分布特征未知的数据集,因此难以选择 何种算法和参数最适合此类数据的聚类.针对此问题,提出一种基于簇形均衡的聚类评估 指标IBCS,对各簇的形状、分布、密度和尺寸等多种形态进行均衡综合评估.该指标根据 数据集稀疏程度自适应调整邻域置信区间来度量簇结构的分散度和分离度;度量密度使 得IBCS 具有面向数据集的算法选择能力;度量簇大小避免簇划分过于悬殊的问题.UCI 数据集上多种候选算法评估比较实验验证了该指标灵活有效,能获得准确簇数并合理划 分.最后,基于IBCS 评估的西宝高速公路收费数据聚类结果表明,采用K-means 算法,簇 数为5时聚类模式最佳.     

基于模糊聚类的城市快速路交通流状态划分

针对城市快速路交通流状态分类的问题,提出了一种改进的模糊C均值(FCM)算法.结合层次聚类算法和FCM聚类算法,运用层次聚类算法得到最佳聚类数和初始聚类中心,并通过Relief F特征加权对影响交通状态的不同特征指标赋予相应的权值,最终用FCM算法再次聚类得出交通流状态的分类结果.以VISSIM为工具,对该方法进行了模拟.对比分析结果显示,所提出的方法能够提高城市快速路交通流状态分类的效果.     

基于指标体系的扇区复杂性评估方法

为了全面分析扇区复杂性,将其分解为结构复杂性和运行复杂性.借鉴已有的研究成果,围绕结构特征和运行特征,分别建立了多维指标体系.利用主成分分析方法提炼指标信息,评估扇区的结构复杂性和运行复杂性.最后采用k-means 聚类算法对多个扇区进行聚类分析,选取Dunn 指标评价聚类质量,实现了对扇区复杂程度的最佳等级划分,同时对复杂性指标分析结果进行了验证.实例表明,复杂性计算结果能够较好地体现多个指标的综合影响,区分不同扇区的复杂程度,聚类结果与实际情况相符.该结论可以为空域规划和管理提供参考意见.     

基于粗糙集聚类算法的铁路通道客运市场细分

对铁路通道内客运市场的细分,是研究铁路通道客流分担、客运产品设计的基础. 根据宝鸡-兰州铁路通道旅客出行方式选择调查数据,结合粗糙集理论,首先,构建了铁路通道旅客出行方式选择决策表,对条件属性进行属性约简,并计算各属性的权重;其次,考虑到避免传统聚类算法的“维数陷阱”,提出了基于粗糙属性重要度的K-means聚类算法,并在UCI数据集上进行仿真实验;最后,运用该算法对调查数据样本进行聚类.结果表明：将铁路通道客运市场细分为6类时,具有最好的聚类效果;经统计分析发现,不同子市场的旅客出行行为有明显的偏好.     

空中交通复杂性指标体系精炼方法研究

为了准确评估空中交通复杂性,需要构建多维复杂性指标体系并对指标进行精炼.借鉴已有的研究成果,构建指标体系,使用K-means聚类方法对指标进行聚类分析,与初始指标分类相互验证,最后使用主成分分析方法提炼指标内涵.以广州地区16扇区的航班数据为例,发现聚类结果不仅与经验结果一致,还可以对指标进行更精细的划分;指标经提炼后保留了98%的信息,表达维度大大降低,从而验证了指标精炼方法的实用性和有效性.     

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

基于CLIQUE的聚类算法研究

聚类分析是数据挖掘研究领域中一个非常活跃的研究课题.本文重点分析了高维度数据的自动子空间聚类算法(CLIQUE)及其各类改进算法,并对其未来发展方向进行了简要展望.     

Research on Weibo Hotspot Finding Based on Self-Adaptive Incremental Clustering

Weibo,also known as micro-blog,with its extremely low threshold of information release and interactive communication mode,has become the primary source and communication form of Internet hotspots.However,characterized as a kind of short text,the sparsity in semantic features,plus its colloquial and diversified expressions makes clustering analysis more difficult.In order to solve the above problems,we use the Biterm topic model(BTM)to extract features from the corpus and use vector space model(VSM)to strengthen the features to reduce the vector dimension and highlight the main features.Then,an improved Weibo feature-incorporated incremental clustering algorithm and the Weibo buzz calculation formula are proposed to describe the buzz of Weibo,and then the discovery of hotspots can be reasonably made.The experimental results show that the incremental clustering algorithm presented in this paper can effectively improve the accuracy of clustering in different dimensions.Meanwhile,the calculation formula of Weibo buzz reasonably describes the evolution process of Weibo buzz from a qualitative point of view,which can help discover the hotspots effectively.     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

具有可变超松弛因子的OSEM在PET重建中的应用

基于最大似然期望法(ML-EM)重建的图像质量好,但因其收敛速度太慢,而难以直接应用于临床.有序子集最大期望法(OSEM)具有较高的重建图像质量和较短的计算时间,超松弛因子(OR)有可灵活调节超松弛因子和加速收敛两种功效.文中将OSEM和OR有机地结合起来用于PET图像重建,形成可变超松弛因子的OSEM重建算法(OR-OSEM).该方法综合了上述两种算法的优点,具有可根据需要灵活改变子集数和超松弛因子的功能.计算机仿真模拟和临床PET投影数据的重建结果表明了该方法的有效性.