基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.     

基于K近邻非参数回归的压痕弹性模量估计

基于球压痕过程的有限元分析,建立了无量纲压痕功和无量纲压痕弹性模量的数据集。采用相关性分析方法发现球压痕的特征参数之间存在明显的非线性特性。结果表明：相对于K近邻、加权K近邻和高斯K近邻,采用5近邻和曼哈顿距离的模糊K近邻回归估计算法来估计压痕弹性模量,能够获得较高精度的压痕弹性模量。     

基于K 近邻和支持向量机的醉酒驾驶识别方法的对比分析

醉酒驾驶严重威胁道路交通安全,对醉酒驾驶进行准确识别意义重大.利用驾驶模拟舱进行驾驶实验,提取醉酒驾驶和正常驾驶的驾驶行为参数.首先,通过方差分析和均值分析选取方向盘转角作为识别特征,并采用滑动数据窗求取方向盘转角均值序列,构建识别特征参数;然后,分别采用K近邻(KNN)和支持向量机(SVM)对驾驶状态进行识别,得到两种分类方法在不同道路线形的最高识别准确率及其相对应的最优数据窗;最后,对两种分类方法进行了对比分析.结果表明,SVM对醉酒驾驶的识别性能优于 KNN;数据窗对KNN的识别准确率影响显著,对SVM的识别准确率影响不明显.     

点云数据配准算法的研究

点云配准是点云数据处理的关键,直接影响最后合成结果和模型精度。目前,点云配准方法普遍存在对配准数据初始位姿要求高的缺点。将点云配准分为两个阶段：第一阶段是基于同名点配准,即粗配准,采用人机交互式,配准过程耗时短,节约时间;第二阶段是精配准,在粗配准后,依据最小二乘原理,用间接平差思想,通过最近点迭代算法对点云数据快速配准,并采用目标点集中、目标点坐标与转入目标点集中的点坐标中误差为指标,评价配准精度。进行粗配准的精配准不仅速度快、耗时短,并且可以避免因局部收敛而带来的局部最小问题。试验表明该方法有效可行。     

镗刀进给信号两点法测量精度及误差分析

介绍了两点法测量镗刀位置信号的方案构思,采用最小二乘法对镗杆的圆度误差和被测圆面的偏心量进行了建模计算,并对数学推导的结果利用Matlab软件进行仿真检验,对其精度和误差作了分析,验证了两点法测量镗杆/镗刀位移信号的可行性,从而为整个系统的顺利开发奠定了理论基础.     

镗刀进给信号两点法测量精度及误差分析

介绍了两点法测量镗刀位置信号的方案构思,采用最小二乘法对镗杆的圆度误差和被测圆面的偏心量进行了建模计算,并对数学推导的结果利用Matlab软件进行仿真检验,对其精度和误差作了分析,验证了两点法测量镗杆／镗刀位移信号的可行性,从而为整个系统的顺利开发奠定了理论基础。     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

基于特征数据分块自适应切片的空洞修补

针对常用的空洞修补方法在修复具有多种曲面类型的空洞时失效和所修复的曲面不光顺等缺点,提出基于特征数据分块自适应切片的空洞修补。首先,在考虑特征信息的情况下基于聚类对散乱点云进行分块;然后利用特征进行自适应切片,获得曲线并进行拟合;最后,在线上取点填充缺失的点云,最终对完整的点云模型进行曲面重构建立实体模型。试验结果表明,采用自适应切片法修补空洞能够保留特征,所填充的点云数据精度较高,能够满足后续建模的需要。此外对该方法填充的点云进行了曲面重构及光顺,结果令人满意。     

基于激光点云的桥梁变形分析方法研究

目的、反映桥梁运营后在横桥向和顺桥向的不均匀沉降、梁体以及墩身表面形态变化以及应用,依据最近点的距离值确定变形阈值可以提取表面变形量。方法、根据激光点云配准算法,对桥梁曲面拟合变形进行分析,主要研究了桥梁平面以及二次曲面拟合,通过试验的方法对该分析进行了验证,通过对现有桥梁的ICP配准算法的桥梁变形提取,确定了ICP配准精度指标,分析了变形量距离阈值判定.得出了该方法可以反映桥梁运营后在横桥向和顺桥向的不均匀沉降、梁体以及墩身表面形态变化以及应用ICP配准算法对桥梁两期数据进行配准,依据最近点的距离值确定变形阈值可以提取表面变形量。结果、桥梁经过震动发生了沉降以及变形。结论次方法可以用于相同销量变性分析的监测     

顾及自适应多细节层次的八叉树点云管理算法

为了解决大规模点云不易有效组织、动态可视化时冗余度大,且较难实现自适应显示的问题,提出顾及细节层次(levels of detail, LOD)的八叉树点云管理算法.该算法基于八叉树索引将扫描点限定在每个结点范围内,利用自上而下空间分割和自下而上参数计算相结合的预处理策略,减少实时阶段计算量,通过构建保守性模拟误差,使场景各处均可自动满足可视要求,并辅之以高效加速方法,实现了点云的有效组织和自适应流畅显示.实验研究表明,在优化的预处理和辅助加速策略支持下,与经典R树算法相比,该算法实时阶段计算量小,每帧自适应漫游平均时间在0.04 s以内.      

基于法矢量的三角形折叠简化算法

文中提出一个基于三角形折叠的简化算法,此算法利用三角形顶点的邻接三角形折叠前后的单位法向量变化大小来判定三角形三个顶点中的关键顶点,并将两个非关键顶点向关键顶点进行折叠以达到简化效果。实验证明,完整的简化算法可以在保持模型外观的同时有效的降低模型的规模。     

基于边界点云数据的3次B样条曲线拟合

点云边界特征线是指能够表达实物样件原始边界特征的测量点。边界不仅作为表达曲面的重要几何特征,而且作为求解曲面的定义域,对重建曲面模型的品质和精度起着重要作用。提出空间点云边界提取方法获取边界点云数据,然后通过“构造树型特征链”和3次B样条算法实现边界点云数据曲线拟合。     

基于边缘角点的SIFT图像配准算法

SIFT由特征提取,特征描述符描述和特征匹配3部分构成,该算子特征提取数目庞大,建立特征描述符运算量高,导致算法效率低.提出了一种SEC (SIFT-Edge-Corner)算法,在图像尺度空间提取角点代替SIFT特征点,并根据角点是边缘曲率极值理论,预先采用Canny算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择.实验结果表明:该算法在保障高准确率的前提下大幅度提高特征提取效率.     

一种改进的基于轮廓特征拐点的遮挡车辆分离方法

在传统的基于4类特征拐点的遮挡车辆分离方法的基础上进行改进,提出了一种基于8类特征拐点的分离方法．该方法以车辆常用的矩形模板为先验知识,首先对存在遮挡的连通区域提取边缘轮廓,并将轮廓上的特征拐点分为8类;然后在对相邻且同类的轮廓特征拐点进行合并的基础上,利用改进的车辆轮廓特征拐点的类型组合来实现遮挡车辆的识别和分离．仿真实验表明,本文所提出的新方法具有更好的鲁棒性和精确性,且方法简单,具有很高的实际应用价值．     

基于波数积分的点声源海底地震波计算方法研究

将舰船地震波简化为液固多层半无限空间低频点声源引起的地震波动问题,基于波数积分方法,通过FFP数值积分求解了海底表面声压、位移和加速度幅值,得到了海底表面声压、位移和加速度的频率特性曲线.对硬质和软质两种海底条件下远场海底地震波信号特征的分析结果表明:随频率增大,海底表面声压的传播损失逐渐增加;软质海底的位移、加速度总体上比硬质海底大;和硬质海底相比,软质海底更有利于声源较低频率成分的传播.     

基于型面曲率的三角网格快速自适应细分算法

提出一种基于型面曲率的三角网格快速自适应细分算法．该算法通过建立三角网格动态空间索引结构,快速准确获取局部型面参考数据并计算型面曲率．对曲率较大区域进行细分,对较平坦区域只进行网格顶点重定位,不进行面片分裂,实现三角网格的自适应细分．实例证明该算法可提高模型的光顺性与细分效率,以相对较少的面片准确表达模型型面特征信息．     

招聘甄选策略研究——基于雇员接触点和岗位胜任力

没有一套科学有效的招聘甄选方法来解决组织和应聘者的信息不对称问题,造成了实践中组织的招聘甄选活动效果不佳。在比较了各种招聘甄选方法后,从资格审查、雇员接触点和岗位胜任力角度设计了招聘甄选程序,对甄选过程中各环节的权重进行了分析,并对不同层次岗位及不同种类岗位的招聘甄选策略的适用性进行了初步探讨。     

点汇聚系统的航空器污染物减排效应与机理

为研究点汇聚系统的环境效益及减排机理,采用考虑气象条件修正后的航空器性能、燃油 流量及污染物计算模型,设计了理想条件下非高峰时刻与实际运行的高峰时刻两种场景,对比分 析了航空器在点汇聚系统与标准进场程序中污染物(即HC、CO、NOX、SOX和PM)的排放情况,并 从飞行时间、燃油消耗与排放指数3个方面分析了点汇聚系统的减排机理、识别了减排关键因素。 研究发现：在非高峰时刻,点汇聚系统与标准进场程序的污染物排放总量分别为5.79 kg与7.17 kg, 点汇聚系统较标准进场程序共减少约19.25%污染物排放,对NOX、SOX和PM减排效果显著;在高 峰时刻,点汇聚系统与标准进场程序的污染物排放总量分别为290.01 kg与406.69 kg,点汇聚系 统较标准进场程序共减少28.69%污染物排放,其中NOX减排比例最高可达48.32%。结果表明： 无论是非高峰时刻还是高峰时刻,点汇聚系统都具有良好的环境效益,可有效减少污染物的排放 总量,且对NOX减排效果最佳;较短的飞行时间、较低的燃油流量是点汇聚系统体现减排优势的 关键驱动因素。