排序方式: 共有39条查询结果,搜索用时 0 毫秒
1.
民航运输是云南省在进行综合交通运输建设的重点之一,也是该省在未来"十四五"(2021-2025年)和"十五五"(2026-2030年)规划期间的研究热点。本文以云南省为研究范围,以省内民航客运为研究对象,选取省内主要的社会经济因素为影响因子,运用主成分分析法(PCA)、反向传播神经网络算法(BP神经网络算法)和回归分析法,构建了省内民航客运的预测模型,得出省内各主要机场在"十四五"末和"十五五"末的预计旅客吞吐量,对省政府在进行机场改扩建上有一定的指导意义。 相似文献
2.
铁路运输中旅客购票行为是铁路客运运营策略制定的重要基础.旅客购票行为直接影响着列车能力的占用过程,是铁路客运票额组织的重要依据.根据贵阳—广州高速铁路的旅客购票统计数据,以高铁购票旅客为样本,运用主成分分析法购票行为的特征属性进行综合分析,获得购票行为中重要特征变量.结合单次购票强度提出基于模糊C均值的双重聚类算法,对购票旅客进行聚类,并利用模糊聚类有效性指标Xie-beni和分离系数法确定最佳聚类数.结果表明,高铁旅客购票行为的关键特性为单次出行旅客人数、购票提前天数、出行OD城市人均GDP和购票渠道;不同旅客类型的购票行为有明显特性. 相似文献
3.
为解决机动车牌图像倾斜将对其字符分割与识别带来不利的影响,提出一种基于主元分析(PCA)的车牌图像倾斜校正新方法。在该方法中,PCA被用于求取坐标变换矩阵以进行图像旋转修正。将原始的像素坐标矩阵经过中心化后转换为2维协方差矩阵,再奇值分解为能反映图像倾斜方向的2维对角矩阵和坐标变换矩阵。算法的时间复杂度分析与试验结果均表明:相对于Hough等搜索倾角的校正方法,PCA方法缩短了计算时间1 ̄2个数量级,并且在污迹、光照不均等条件下也能获得较好效果。 相似文献
4.
为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应,基于结构健康监测系统长期实测数据,分析桥梁结构温度场变化规律,进而基于主成分分析及自适应神经网络模糊推理系统,建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先,利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应;然后利用平行坐标轴,分析混凝土连续梁桥结构温度场变化规律,并利用主成分分析提取结构温度场实测温度数据主成分;最后基于自适应神经网络模糊推理系统,以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据,分别建立不同输入变量组合与应变响应的复杂非线性关系,并对比分析不同工况下结构应变响应的预测精度。结果表明:桥梁结构各测点处实测温度数据变化趋势基本一致,同侧测点实测温度数据高度相关,但桥梁结构上、下表面测点温度变化存在明显差异,仅考虑应变测点处温度变化,难以准确预测桥梁结构应变响应;当考虑桥梁结构温度场变化时,能更精确地建立温度与应变响应之间的关系模型,进而基于实测温度数据准确预测桥梁结构应变响应;当缺乏结构温度场实测温度数据时,将采样时间点作为反映桥梁结构温度场变化规律的参数,可取得较好效果。 相似文献
5.
有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析(PCA)为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明:2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D—PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。 相似文献
6.
7.
简述CAN现场总线和P87C591单片机的特点以及它们的优越性,详细介绍了基于P87C591单片机的机舱监测报警系统中监测报警点硬件电路的设计及要注意的问题,给出了节点初始化流程图. 相似文献
8.
城市快速路基本路段作为城市快速路的重要组成部分,其服务水平的高低决定了整个城市交通系统运行的通畅性. 为更好的掌握快速路服务水平状态,分析了城市快速路基本路段交通运行特征,车辆构成特征和路段几何特征,建立城市快速路基本路段服务水平评价体系. 借助SPSS分析软件,采用主成分分析法对快速路基本路段服务水平进行计算. 以北京市莲花池西路为例进行实例评价,得到各基本路段各时段的服务水平综合得分,及全天平均服务水平聚类结果. 结果表明,本方法是对传统服务水平计算方法的补充与改善,且聚类分析使得对各基本路段服务水平的分类更明显. 相似文献
9.
为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法(Adaptive Lasso)进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明:Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效. 相似文献
10.