基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.     

基于数学形态学与动态时间扭曲的电压扰动分类

为提高电压扰动信号分类识别的精度,提出了一种基于数学形态学与动态时间扭曲的新算法．该算法首先通过形态滤波器对信号进行滤波处理,然后利用如变换提取滤波输出的特征,再通过动态时间扭曲分类器与参考模板进行匹配,最后获得有效的分类识别结果．用Matlab进行仿真分析的结果表明,该算法能有效识别各类扰动信号,准确率高,即使在强噪声环境下,识别精度也超过84％．     

辽西沿海河流分类的模糊混合聚类法

将模糊聚类最大矩阵元原理与最小二乘最优准则下的模糊ISODATA聚类迭代原理相结合，并按最大隶属原则确定最优分类，建立了基于迭代的模糊混合聚类法．利用此方法对辽西沿海诸河流域进行了分类评价，得到了令人满意的结果．     

基于有趣地点压缩的时空轨迹聚类

研究移动物体时空轨迹局部关键地点时空相似的聚类问题.根据移动物体的运动状态提取轨迹中的有趣地点,利用最小包围盒技术对这些有趣地点进行描述,得到基于有趣地点压缩的轨迹表示形式;然后给出一个时空属性相结合的相似性度量公式,对压缩表示的轨迹进行相似性度量;基于这个相似性度量公式对轨迹进行聚类,聚类方法采用层次聚类法.实验结果表明,本文提出的方法能有效地对移动物体时空轨迹进行聚类,由于采用了增量式的轨迹压缩方法,不仅提高了聚类的速度,而且还实现了增量式的轨迹聚类.     

基于深度学习CaffeNet模型的综合交通设施场景分类与识别研究

综合交通设施场景的自动分类与识别对交通网络布局、城市规划、智慧城市建设等方面有重要的研究与实践价值.鉴于目前研究主要集中在单一的交通设施目标识别与检测方面,采用速度快、分类精度高、适宜于海量数据运算的CaffeNet深度学习模型,基于迁移学习思想,通过5层卷积、3层池化、1层全连接等过程提取机场、桥梁、停车场、港口、火车站等交通设施场景图像的特征向量,并输入到SVM分类器中进行分类,平均分类精度达到93.5％.实验中将CaffeNet模型与基于VGG-16、GoogleNet这2种深度学习模型的方法,以及SIFT、LBP、CH这3种基于低层特征提取的方法进行对比分析,证明基于CaffeNet模型的方法具有相对较好的稳定性和较高的识别精度.     

新时期我国铁路编组站分类标准探讨

分析了现有编组站分类标准的不适应性,提出了编组站分类的主要技术指标,运用模糊聚类分析方法对编组站分类问题进行研究。首先运用模糊c-划分方法对编组站进行合理的空间划分,在此基础上采用模糊聚类ISODATA方法对编组站进行聚类分析,并利用划分系数Fc（U）和划分的平均模糊熵Hc（U）对聚类效果进行评价,最后对我国铁路现有4...     

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%.      

基于时空自相关的道路交通状态聚类方法

城市道路交通状态的识别对交通管理部门进行交通管理控制、出行诱导,以及 道路设施改造具有重要意义.本文运用时空Moran 散点图探索城市道路交通的时空关联 性,并据此构建一种基于时空自相关预分类的道路交通状态层次聚类方法.运用本文所提 出的聚类算法,以北京市二环快速路外环方向的路段为例,进行聚类研究,并分析了各类 型路段的交通状态时空特性.案例研究表明,所提出聚类算法能对道路交通状态进行有效 判断,充分反映交通需求与路网结构之间的内在匹配关系.特别是畅通异质和拥堵异质两 种交通状态的提出,为识别高峰时段路网中的瓶颈路段和能力富余路段提供了一种新的 思路和方法,进而可为完善路网、缓解拥堵及制定交通管理措施提供依据.     

辽西沿海河流分类的模糊混合聚类法

将模糊聚类最大矩阵元原理与最小二乘最优准则下的模糊ISODATA聚类迭代原理相结合,并按最大隶属原则确定最优分类,建立了基于迭代的模糊混合聚类法.利用此方法对辽西沿海诸河流域进行了分类评价,得到了令人满意的结果.     

基于改进K均值聚类POS算法的应急物资分类研究

为了提高突发事件应急救援的效率,应急物资分类的科学性是应急物资调拨与配送的关键环节之一.通过分析既有应急物资分类以及聚类算法存在的问题,提出了基于改进K均值聚类的应急物资分类方法,构建了基于K均值的粒子群优化算法设计.最后,选取了206种最为常用的应急物资为例,采用Matlab软件平台分析计算.结果表明:基于改进K均值聚类POS算法全局寻优能力明显要强于其他聚类算法.为应急决策者提供一定的理论依据.     

基于激光雷达的无人驾驶障碍物检测和跟踪

针对激光雷达动态障碍物检测与跟踪过程中聚类适应性差、实时性低和跟踪准确度不高等问题，提出一种自适应的密度聚类算法和多特征数据关联方法，分别用于检测和跟踪. 首先，对激光雷达采集的点云进行路沿检测、感兴趣区域提取和地面分割等预处理，去除无关点云；然后，基于自适应的密度聚类算法对非地面的点云进行聚类，完成障碍物点云检测；最后，利用加权多特征数据关联算法结合卡尔曼滤波器实现对动态障碍物跟踪. 通过实验表明:本算法能够根据10 Hz的激光雷达数据实现对障碍物准确、稳定的检测和跟踪，且聚类时间缩短32%.      

基于GNSS/INS的列车定位风险评估方法

全球卫星导航系统（global?navigation?satellite?system，GNSS）应用于列车运行控制系统位置服务时，需对其进行风险评估，以确保其满足安全相关的需求. 为此，首先建立一种基于卫星导航系统与惯导系统（inertial?navigation system，INS）融合的列车定位单元结构，通过分析传感器融合数据对故障进行检测及识别，并计算水平保护距离，结合水平位置误差、水平告警门限、告警时间等指标参数，对列车定位单元的工作状态进行识别；其次在此基础上分析由危险状态生成的风险事件，并计算列车定位单元危险侧失效率及故障概率；最后结合现场试验数据对所提出的风险评估方法进行测试验证. 验证结果表明:若误警率、漏检率均为1 × 10?7/h，水平告警门限为20 m，定位单元在相对开阔环境下的故障率为9.14 × 10?7/h，受限环境下的故障率为1.52 × 10?4/h；若运行线路对风险指标参数需求降低，则误警率、漏检率及水平告警门限也会增大，受限环境下的定位单元故障率也随之降低，在误警率、漏检率均为1 × 10?5/h，水平告警门限为100 m时，计算获得的受限环境下定位单元故障率为0. 因此，在对定位单元进行风险评估时需考虑不同线路对指标参数的需求.      

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.     

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正 IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.     

Rigid sensor allocation and placement technique for reducing the number of sensors in thermal monitoring

Using embedded thermal sensors, dynamic thermal management (DTM) techniques measure runtime thermal behavior of high-performance microprocessors so as to prevent thermal runaway situations. The number of placed sensors should be minimized, while guaranteeing accurate tracking of hot spots and full thermal characterization. In this paper, we propose a rigid sensor allocation and placement technique for determining the minimal number of thermal sensors and the optimal locations while satisfying an expected accuracy of hot spot temperature error based on dual clustering. We analyze the false alarm rates of hot spots using the proposed methods in noise-free, with noise and sensor calibration scenarios, respectively. Experimental results confirm that our proposed methods are capable of accurately characterizing the temperatures of microprocessors.     

混响背景下基于自动删除算法的最小选择恒虚警检测器

针对Barnard等人提出的非高斯混响背景下的恒虚警检测器在非均匀环境中性能下降的缺点,将基于自动删除算法的最小选择恒虚警检测方法运用于其检测器结构中,提出了非高斯混响背景下基于自动删除算法的最小选择恒虚警检测器.该方法可以自动删除参考单元中的干扰点,从而可以克服Barnard等人提出的方法存在的缺点.推导出了该检测器的平均虚警概率和平均检测概率.最后通过对仿真数据和试验数据的处理结果验证了该检测器的优越性.     

夜间复杂交通场景中的车辆检测和跟踪

为提高夜间车辆视频检测和跟踪的准确率,提出一种夜间车辆检测和跟踪算 法.本算法通过亮斑分割和连通组件匹配来检测和定位车辆前灯,并利用区域跟踪算法对 前灯进行跟踪以提高检测准确率.考虑到夜间行车时车辆前灯的显著特征,通过改进Otsu 方法以自适应地分割明亮区域,并根据前灯的几何形状、尺寸及位置信息滤除非车灯部 分的车辆信息.然后利用前灯的对称性进行前灯的配对和归类;最后采用区域跟踪算法对 前灯进行定位和跟踪.实验结果表明,本算法车辆检测平均准确率大于97%,处理速度比 已有方法提高15.8%以上.     

基于粗糙集和贝叶斯分类器的病毒程序检测

在病毒程序检测中将粗糙集与贝叶斯分类器相结合．该方法在粗糙集属性约简的基础上，综合考虑了条件属性和决策属性的依赖性以及条件属性间的依赖性对约简的影响．通过基于依赖性的属性约简，减少对属性变量间独立性的限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器的特性．实验结果表明，检测率达到97．88％，正确率为97．16％，明显高于传统的基于特征和RIPPER的方法，也高于多贝叶斯方法；虚警率为5．19％，也比上述所有方法均有所降低．