工业过程模糊控制建模中数据预处理方法研究

工业过程模糊控制中建模是关键,而数据预处理直接影响着模型收敛速度、计算量、模型质量.针对所采集的样本数据提出几个新的数据预处理方法.利用三次样条进行空缺数据的插值填充,然后利用K-均值进行输入输出空间划分与数据离散化,为模糊规则的提取做好准备.     

道路交通流检测器数据预处理技术研究

检测器采集的交通流信息往往具有一定的误差，数据预处理就是对数据进行初步加工，提高数据质量的过程。本文着重讲述了交通流检测数据预处理的基本过程，并提出了一些新的处理方法。     

基于网格模型与K-Means算法的交通状态演变特征

为利用海量网约车轨迹数据实现对城市交通状态的高效识别与分类,对成都市网约车轨迹数据进行预处理,构建城市交通状态识别网格模型,根据模型判别网格的交通状态.利用K-Means聚类算法对不同时段的交通状态进行聚类,并将交通状态分为持续畅通型、轻度缓行型、持续缓行型、持续拥堵型4种类型,从时间维度和空间维度分析不同网格的交通状...     

SVM入侵检测系统中数据预处理方法改进

由于网络数据的复杂性和不规范性制约着SVM分类器的精度,当前被广泛使用的数据预处理方法显得过于单一。因此,提出一种改进的数据预处理方法。首先,利用异构数据集上的奇异距离函数HVDM对数据进行归一化处理;然后,使用最近邻法对数据集修剪得到最后的训练样本,并且通过实验证明该方法可以提高SVM分类器的精度。     

基于CKKS加密方案的区块链集成风险评价模型

针对区块链平台中存在的多方数据交互不可信以及隐私数据易泄露等问题，基于CKKS (Cheon-KimKim-Song）全同态加密方案，提出了一种集成风险评价模型，把同态加密算法应用到风险评价中，将多种评价模型与同态加密结合起来.首先，利用三角模糊综合评价方法确定各评价指标的权重，通过多种评价方法处理分布式数据库中的样本数据，获得相关节点对同一交易事件的风险评价结果；其次，利用公钥对评价结果进行加密并进行同态运算，获得密文综合评价结果，以避免风险评价过程中的数据泄露；再次，利用私钥对评价结果进行解码，获得明文综合评价结果；最后，选取5 000个中欧班列企业的样本数据作为案例，利用决策树模型、Adaboost模型、Bagging模型、ExtraTree极端随机数模型、GBDT (gradient boosting regression trees）模型、KNN(K-nearest neighbor）模型、随机森林模型、SVM (support vector machine）模型等最为常见的评价模型进行风险评价，并将经CKKS方案加密后的综合评价结果与明文直接计算的综合评价结果和经BFV (...     

数学方法在油液监测中的应用

在油液监测过程中，信息表现形式多样，容量高．监测智能化需具备高信息处理速度，以完成油液监测中的数据分析、趋势分析、故障诊断和状态预测等，这对处理中所用到的数学方法和模型提出了要求．文中依据油液诊断策略的原理，从数据预处理、模式识别和趋势预测等环节分析了各种数学模型和方法的应用现状，并对各方法进行了评述．     

基于高速公路通行大数据的跨区域货运分析建模技术

为分析跨省跨区域货运情况,帮助行业管理部门更好地制定发展策略,用数据诠释有关政策的实施效果,基于高速公路通行大数据对跨区域货运分析建模技术进行研究.首先,根据高速公路通行数据的特点,设计了数据预处理流程,提出并实现了车辆轨迹追踪模型.然后,针对货车数据中货运量、货运周转量等关键指标,建立了高速公路主要指标统计模型对缺失数据进行补全,最大限度提高数据的契合度和准确度,生成各省高速公路货运信息以及省与省之间的货运交互信息.最后,将模型应用在宏观管理决策、运输量统计分析、车辆安全监管等方面,动态反映了各省之间高速公路货运交互规律,可为各级交通运输管理部门掌握高速公路货运情况、制定行业发展政策提供支撑.     

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。     

基于实测数据的路段可靠性近似算法研究

利用北京市快速路与主干路的流量与车速实测数据,分析交通流量的变化规律,拟合流量-速度关系;分别采用车速和流量计算可靠度与饱和度,得到欠饱和与超饱和状态下可靠度与饱和度之间的一一对应关系,从而建立可靠度与饱和度之间的关系模型;最后利用实测数据对该模型进行了验证,结果表明快速路最大误差为0．0885,主干路最大误差为0．0923．     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

激光线扫描测量数据点的处理方法研究

在分析激光数字化测量数据点的基础上,提出利用圆心距偏差判别法对测量数据进行平滑处理,修正个别测量异常点位置,再利用基于弦高的自适应数据采样法,对数据点列进行精简,消除冗余数据,使数据点的分布自适应于曲线曲率,达到优化数据点的分布及减少描述曲线数据量的目的.实验结果表明该方法能够对测量数据进行较好的精简优化.     

����ģ���ֲڼ���֧��������������������Ԥ��

对区域物流量进行研究与预测有助于把握区域物流的需求,实现区域物流供需相对平衡,提高区域物流规划质量和运行效率具有重要的理论和实际意义.本文将模糊粗糙集理论引入区域物流量的预测中,建立基于模糊粗糙集与支持向量机的区域物流量预测模型,用模糊粗糙集作为前端预处理器对数据进行约简,剔除冗余信息,以实现两种算法的优势互补.针对支持向量机在处理数据时无法将数据简化的问题,提出了基于模糊粗糙集与支持向量机的区域物流量预测方法,在支持向量机对样本数据进行处理之前,利用模糊粗糙集数据挖掘的能力对原始数据样本集进行预处理.结果表明,这种预测方法具有很好的精确性和有效性.     

面向I TS共用信息平台的数据融合研究

信息融合系统通过关联系统的信息整合,为ITS共用信息平台的各种功能提供信息支撑.基于对ITS共用信息平台中数据的特点,数据预处理的分析,结合数据融合的级别,提出一种新的面向ITS共用信息平台的数据融合方法和技术,来满足智能交通各子系统的不同的数据需求.这种方法在技术上是可行的,具有一定的实用性和广泛的应用价值.     

面向ITS共用信息平台的数据融合研究

信息融合系统通过关联系统的信息整合,为ITS共用信息平台的各种功能提供信息支撑.基于对ITS共用信息平台中数据的特点,数据预处理的分析,结合数据融合的级别,提出一种新的面向ITS共用信息平台的数据融合方法和技术,来满足智能交通各子系统的不同的数据需求.这种方法在技术上是可行的,具有一定的实用性和广泛的应用价值.     

基于浮动车数据的出租车规模确定方法

通过对出租车GPS数据进行预处理、地图匹配、运营信息挖掘,可以获得与出租车运营有关的信息,单次行驶的时间、距离、经过的路径等。从浮动车数据钟挖掘出租车运营信息,获得出租车在城市运营中的平均运营速度、平均运营时间、平均出行距离等信息,并在结合城市出租车需求的基础上,给出了确定出租车合理规模的方法。同时以广州的出租车数据为基础,对该方法进行了验证。结果表明该方法能够更准确地为出租车提供合理规模,为出租车管理及交通规划等提供科学依据。     

面向实时交通信息提取的车辆轨迹数据挖掘

车辆行驶轨迹是驾驶人员主观意愿和道路客观约束条件综合作用的结果,从海量车辆轨迹中可以挖掘出道路的实时交通信息为智能交通服务．通过建立轨迹约束模型用以量化各约束因子,基于线性参照系统的数据预处理以加快检索速度和降低轨迹的不确定性,基于移动目标主体相似性和移动轨迹时空相似性的数据选取降低了数据库搜索次数提高发掘准确度,分别针对道路交叉口和一般路段进行数据挖掘,提取实时的道路交通信息．研究结果和实验结果表明,这个挖掘算法可以有效地提取道路实时路况信息．     

���������ھ�Ľ�ͨ����ģ�Ͳ����궨

为了克服经典速度－密度模型刻画道路交通流动态变化特性的缺陷,将更丰富的路段检测信息运用到交通仿真模型参数的标定过程中.提出在预处理检测器数据后,采用一种基于凝聚层次聚类的局部加权回归算法标定车辆速度.该算法先对训练样本进行聚类,然后用凝聚层次聚类法对每一个约束类生成一棵聚类树;其次用k 最近邻方法将与待估计速度相关的新样本划入适当的类中,最后采用局部加权回归标定车辆速度.利用现场数据对算法进行了大量测试,分别将车流密度,密度与流量作为变量标定车速.结果表明,提出的算法是有效的,适用于基于仿真的动态交通分配系统.     

用于数据分析的变精度模糊粗糙模型

利用模糊集理论扩展Ziarko的变精度粗糙集模型,得到变精度模糊粗糙数据模型(VPFRDM).以属性重要性为启发式信息,提出了模糊信息系统中的属性约简方法.通过计算各模糊模式类相对于决策类的分类能力,生成相应的模糊规则.仿真实验表明,与Ziarko的变精度粗糙集方法相比,VPFRDM具有更好的数据概括能力.     

一种模糊隶属函数的自动生成算法

提出了一种模糊隶属函数的自动生成算法，该算法基于样本数据的变化趋势对数据进行预处理，同时结合模糊C均值方法，实现连续数据的离散化，直观、合理地确定了模糊隶属函数的中心参数，并应用MATLAB语言实现了模糊隶属函数的自动生成算法。     

基于方位时差的多站协同目标跟踪

为提高多站无源协同跟踪的精度.提出了一种基于方位时差的目标跟踪方法.从一种拟线性的方位增量卡尔曼预处理方法人手,降低方位观测的误差,利用距离和时差跟踪建立观测方程.使用扩展卡尔曼滤波的方法对目标的运动状态进行估计,并采用分布式估计集中处理的方式融合多站并行估计数据.通过计算机仿真分析了该方位时差方法的跟踪性能.仿真结果表明.该方法对于目标状态的估计与真值偏差较小,能够满足跟踪精度要求.