BP神经网络收敛性问题的改进措施

BP算法现在已成为目前应用最广泛的神经网络学习算法,它在函数逼近、模式识别、分类、数据压缩等领域有着更加广泛的应用,但存在收敛较慢问题.笔者在文中简述了BP算法原理,针对BP算法的收敛性问题,提出了几点改进措施.     

限制条件下内河航道船舶大型化预测研究

内河船型发展需要与航道条件、通航建筑物等级和港口装卸条件等相匹配,其大型化程度必然受到一定限制.支持向量机在数据分类上已取得巨大成功,尝试基于支持向量机算法,加入限制条件对船舶平均吨位进行预测,并可根据实际状况选取不同限制条件进行宏观预测.研究结果表明:考虑限制条件能较好地预测船舶平均吨位的发展,且数据样本不少于13年时与实际数据吻合良好.     

基于位置服务系统中XML数据流压缩方法

针对基于位置服务系统中移动终端存储空间小、移动通信网带宽有限的特点，结合XML数据流的结构特点，提出一种XML数据流压缩技术XDSC（XML data stream compression），该算法以元素、属性及命名空间为压缩粒度，利用XML Schema生成元素／属性压缩字典，扫描数据流一遍完成数据压缩，不需要保存元素／属性压缩字典．实验表明，XDSC在数据压缩率上要优于直接采用GZIP压缩算法；数据流压缩时间也是LBS等嵌入式信息系统可以完全接受的．     

基于启发式算法的并行多机调度问题研究

从车间生产调度的实际情况出发,针对最小化完工时间的多机调度问题,提出了一种改进的极大消去法,并利用该算法进行了调度仿真,仿真结果表明:该改进后的算法能够更好的解决大规模多机生产调度问题.     

PID模糊控制在医用理疗仪温度控制器中的应用

本文介绍了用PID模糊控制技术中来解决在温度控制器控温过程中会产生的惯性温度误差问题。系统中的PID算法采用增量算法为基本算法,并按照实际应用做了适当的修改。经过实际测试,系统运行良好,证明在此医用理疗仪温度控制器中应用此PID算法取得了令人满意的结果。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

基于压缩传感的交通流量数据压缩方法

为准确获得用于数据压缩的变换矩阵,引入了基于压缩传感的交通流量数据压缩方法,在数据压缩端无需考虑变换矩阵的选择问题,直接通过高斯投影实现高效数据压缩。首先验证了交通流量数据在经过K-SVD方法训练过的字典上能够实现稀疏表达;然后在数据压缩端,通过具有限制性等距条件的随机矩阵将原始高维数据投影到低维空间上,实现数据的高效快速压缩;最后在数据传输后,通过凸优化算法在交通信息处理端完成数据解压缩。以美国某高速公路线圈传感器采集到的交通流量数据,对本文方法进行了验证。试验证明:该方法能够实现快速高效的压缩编码,当压缩比为4∶1时,解压缩相对误差仅为0.060 8。     

二值信源统计特性的研究

用数理统计的方法，对ＬＥＤ大型信息显示系统中的二值信源的统计特性进行研究，得出其概率分布、熵、冗余度等与数据压缩相关的数据。为数据压缩算法的确定提供了理论依据。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于支持向量回归的图像复原方法研究

针对退化图像复原问题,提出了一种基于支持向量回归的退化图像复原方法.该方法利用支持向量机回归算法非线性映射能力,通过训练样本对的学习训练,在退化图像与原始清晰图像之间建立映射关系,然后对测试样本进行复原.实际图像复原实验表明,得到的复原图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,支持向量机回归算法克服了神经网络的模型选择与过学习问题、局部极小问题等.     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

基于动态链数据压缩的打印机绘图

本文提出的基于动态链数据压缩的打印机绘图算法，其既对图形数据作了有效压缩，又提高了绘图速度，并解决了文字输出，将图形和文字统一起来。克服了其它方法的不足。     

改进的Sliding Window在线船舶AIS轨迹数据压缩算法

分析了船舶AIS数据的时间序列特征与船舶操纵特性, 提出了改进的Sliding Window在线压缩算法; 计算了277艘船舶总计1 026 408个坐标点的AIS轨迹数据, 确定了合适的压缩阈值, 分析了距离阈值与角度阈值对算法压缩率的敏感程度; 根据压缩率图像的阶跃点, 推荐了高、中、低3个档位的距离阈值和1个角度阈值, 对比了Douglas-Peucker算法和改进Sliding Window算法的压缩率与压缩效率。试验结果表明: 随着压缩率的提高, 压缩后所剩下的点越来越少, 数据所保留下来的有用信息也越来越少; 压缩率与距离阈值、角度阈值均呈正比; 经量纲为1化处理的高、中、低档位压缩距离阈值分别为43%、38%、33%船长; 距离阈值为130m时, 角度阈值超过9°后压缩率平稳, 所以推荐角度阈值为9°, 与《海港总体设计规范》 (JTS 165—2013) 中风流压差角8°相接近; 随着距离阈值的增大, Douglas-Peucker算法和改进Sliding Window算法压缩率趋于相近, 当距离阈值为120 m时, Douglas-Peucker算法压缩率仅比改进Sliding Window算法高1.74%;在5种距离阈值的情况下, Douglas-Peucker算法运行所用的平均时间是改进Sliding Window算法的5.39倍; 随着数据量的增大, 2种算法压缩效率的差距更加明显。可见, 改进的Sliding Window算法能在降低压缩风险的同时大幅提高压缩效率, 可以在数据持续更新的状态下一直保持压缩状态, 与普通压缩模式相比, 系统所占用的资源更少, 处理效率更高, 可用于船舶轨迹数据处理、电子海图显示与对船舶关键行为特征提取等方面。      

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。      

提升高精度图像弱目标视觉质量的高效压缩算法

为了实现对高精度图像进行高效压缩,同时确保重建图像的弱目标区域有较好的保真效果,提出了一种提升弱目标区域质量的基于误差优化编码的高精度图像压缩算法. 首先,使用JPEG-LS （joint photographic experts group lossless）压缩算法对图像数据进行压缩,在游程编码过程中自适应地选择需要二次编码的误差数据,并完成了基于视觉质量的非均匀量化;其次,对量化值进行数据分解,去除量化值之间的相关性,并对分解后的数据进行MQ算术编码的熵编码;图像重建时根据量化间隔重建反量化值,并设计了反量化优化和滤波优化过程;最后,将本文算法与JPEG-LS、JPEG2000 （joint photographic experts group 2000）算法进行了性能比较,结果表明:本算法能够实现高精度图像数据的高效压缩,且复杂度低,易于硬件实现,虽然引入了误差数据二次优化编码等过程,但增加编码的数据量较小,故与JPEG-LS算法的压缩速度相当,然而比JPEG2000算法的压缩速度提升4.47倍;同时有效减少了常规算法造成的信息损失,重建图像的峰值信噪比与JPEG-LS、JPEG2000相当或略低,但弱目标区域的视觉质量及保真效果更好.      

基于RFID的路径数据压缩研究

在无线射频（RFID）广泛应用过程中产生海量数据,由于其数据与一般数据存在差异而且占用较大的存储空间,所以对RFID数据的存储问题亟待解决,对此首先对车联网（IOV）收集的RFID路径数据从地点维和时间维两方面进行了预处理,之后采用改进的LZW方法进行压缩存储,对阈值的判断方法进行改进,从而高效地完成RFID路径数据的压缩存储.实验结果表明,该算法达到了路径数据存储占用较少空间的目的,同时也为以后的路径数据挖掘工作打下良好的基础.     

基于网络地理信息服务的选线数字地形获取方法

针对道路前期规划阶段纸质地形图陈旧、数字地形信息获取困难且成本高的特点,在综合分析当前开放网络地理信息资源的基础上,利用航天飞机雷达地形测绘使命(shuttle radar topography mission, SRTM)数据和Google Maps影像,提出了获取构建道路数字化选线系统虚拟地理环境所需的数字高程模型 (digital elevation model, DEM)和数字正射影像 (digital orthophoto map, DOM)的方法,并设计了Google Maps影像瓦片快速下载方法;基于分治法的思想,提出了一种全局非线性、局部线性的Google Maps影像变换算法,实现了与SRTM数据的快速配准,并在此基础上进行了地形数据获取与建模测试.研究结果表明:通过自动计算瓦片URL地址,采用libcurl库函数和多线程下载技术,下载影像瓦片速度稳定、快捷、自动化程度高;获取的DOM分辨率可达0.2 m以上,与DEM数据配准后,构建的虚拟地理环境能满足道路前期规划阶段开展数字化选线设计的需要.      

数据融合综述

新兴的数据融合科学内容丰富且应用广泛,正确理解融合算法与层次分类,能帮助我们避免数据富有但信息贫乏的情况发生.