应急物流中基于PPSVM的应急物资分类研究

突发事件一旦发生,应急物资需求种类是纷繁复杂的,应急物流中的物资需求又是紧迫的、动态变化的. 为了提高应急物流的运作效率,救援管理人员需要对应急物资进行分级. 本文提出一种基于后验概率支持向量机的应急物资分类方法,并在此基础上建立应急物资分类模型. 把物资的重要性、时效性和缺口程度三个因素作为物资需求分级的评价标准,将模糊化后的评价值作为PPSVM的输入,选择后验概率最大所的类别作为测试样本的类别输出来完成整个分类过程,从而得到对应的分级结果. 实验结果表明,PPSVM用于应急物资分类是可行的,能够很好地解决应急物资的分类问题.     

基于蚁群优化模糊C均值聚类算法的疲劳驾驶研究

通过收集大数据对汽车驾驶员的疲劳特征和疲劳参数进行学习,根据学习的参数将驾驶员的疲劳程度进行分类,提出了蚁群优化的模糊C均值聚类算法。在初步聚类中运用蚁群聚类产生聚类中心和簇的个数,提供给模糊C均值聚类;利用模糊C均值聚类再次进行聚类,克服了单个聚类算法的缺点。仿真结果表明:文中方法比一般方法具有更好的性能和聚类效果。利用BP神经网络模式识别功能可以识别疲劳驾驶类别。     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。     

基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法，并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用，新算法与已有算法进行了对比研究。新方法对其他类似的实际应用也有参考价值。     

基于层次聚类的改进FCM算法

针对基本FCM算法只适用于球形或者类球形数据分布的特点,提出了基于层次聚类的改进FCM算法,首先对数据进行过划分,然后再进行凝聚,使之适用于不规则分布的数据。并且引入Ksoko子集度量使合并操作在计算时间上可以接受。     

基于改进聚类方式的牵引负荷分类方法

为得到更为准确的牵引负荷分类结果,基于大量的牵引负荷实测数据,提出了一种改进后的自适应模糊C均值聚类方法. 该方法能够自动获取最佳聚类数,以馈线电流带电有效系数、最大值、平均值、95%值以及1～5阶样本矩作为聚类指标对实测牵引负荷进行聚类;然后采用非参数核密度估计方法对牵引负荷概率密度函数进行拟合,得到了每一类馈线电流概率分布模型. 结果表明:聚为一类的牵引负荷特征参数相近、概率分布相似.      

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著,本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据,调用开放地图接口地理编码解算事故地点经纬度,使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入,为解决这一局限,建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型,并与原始聚类模型进行对比.结果表明,优化算法在参数确定上更加智能,对簇的划分更加准确,对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分,证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

基于时效性目标的应急物资库存策略

为适应紧急救援和战时后勤的特殊需要,克服传统库存控制模型不能适应应急环境下物资库存控制实际情况的缺点,根据应急物流库存控制特征,基于时效性准则,通过平衡库存的时间成本,建立了时效性最佳的应急物资订货批量分段函数模型,并由此推导出确定性和随机性的一系列库存控制参数计算公式,初步建立以提高应急物资输送速度为目标的库存控制理论和方法.     

Ӧ�������л���PPSVM��Ӧ�����ʷ����о�

突发事件一旦发生,应急物资需求种类是纷繁复杂的,应急物流中的物资需求又是紧迫的、动态变化的. 为了提高应急物流的运作效率,救援管理人员需要对应急物资进行分级. 本文提出一种基于后验概率支持向量机的应急物资分类方法,并在此基础上建立应急物资分类模型. 把物资的重要性、时效性和缺口程度三个因素作为物资需求分级的评价标准,将模糊化后的评价值作为PPSVM的输入,选择后验概率最大所的类别作为测试样本的类别输出来完成整个分类过程,从而得到对应的分级结果. 实验结果表明,PPSVM用于应急物资分类是可行的,能够很好地解决应急物资的分类问题.     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

一种改进K-means模型的城市轨道交通突发事件分级方法

针对城市轨道交通事件量化分级的难题,本文提出了一种改进的 K-means聚类的突发事件分级方法.首先,从事件类型、持续时间、影响程度等方面分析各种类型事件的特征规律,提取 8个关键特征量用于聚类分析;其次,应用主成分分析法提取 4个主成分变量并提出权重系数计算方法,实现特征向量降维;提出了基于密度扫描的初始聚类中心确定方法,并将改进的 K-means聚类算法应用于地铁突发事件的分级.案例结果表明,与原始 K-means聚类方法对比,应用本文提出的改进方法聚类效果更佳.研究成果已应用于北京地铁应急指挥系统,验证了本文方法的可行性.     

边坡监测中FCM聚类算法的应用研究

利用模糊聚类分析方法将边坡进行安全等级分类,在提高变形监测效率的基础上可降低工作量。FCM聚类分析算法更具科学性,是理论最为完善且应用较多的算法。利用边坡的坡角、高度、边坡所处的水文地质条件作为影响边坡稳定的影响指标,来对边坡监测点的安全等级分类,从而降低工作量,提高工作效率。     

基于模拟退火算法的应急物流仓库选址优化

论述了在应急物流管理中应急仓库优化选址问题,分析了应急物资仓库建立的必要性及重要性.为了较准确的分析选址方案对仓库布局覆盖能力及其广义时间费用的影响,在合理假设的基础上,构建应急仓库选址问题的集合覆盖双层规划模型,既考虑配送过程中广义时间费用最小（上层目标）,且满足服务范围覆盖整个区域的应急仓库数目最小（下层目标）,并以模拟退火算法求解问题最优解.最后以实例分析证明模型和算法的有效性,为决策部门在灾害管理的灾害准备阶段科学合理进行应急仓库选址提供参考依据.     

基于改进Dijkstra算法的高速公路 应急疏散路径规划

为解决采用传统Dijkstra 算法在高速公路应急疏散规划路径中存在可用性差的缺陷,考虑 高速公路路网中有通行容量及条件限制的节点和路段特征,对其进行改进,提出容量限制节点的 表征方式及流量计算方法,并根据待疏散车辆特征对具有限高、限重属性的路段进行筛选,提出 分类路径规划方法。最后,以河南省高速公路局部路网疏散路径规划问题为基础设计算例,分别 采用传统算法和改进Dijkstra 算法对高速公路应急疏散路径进行求解。结果显示,传统算法得到 的路径规划及交通量分配结果中,容量限制节点上游路段的分配交通量高于节点容量,在节点处 形成疏散瓶颈,且对于规划路径中有限重条件的路段,案例中超重车辆无法使用该路段疏散;相 比而言,由改进算法得到的路径规划及交通量分配结果则不存在上述问题,从而使得疏散效率和 疏散路径的可用性得到了保证。     

基于蚁群算法的应急物流动态网络鲁棒优化

考虑应急物流网络的时间依赖性及所处环境的复杂性,将动态网络理论与鲁棒离散优化理论相结合,建立具有鲁棒特性的动态网络优化模型,在此基础上,结合蚁群算法基本理论,将算法中的启发因子加以改进,使之与优化模型相适应,并利用改进后的蚁群算法在全路中寻求一条时效性高、鲁棒性好的路径以供应急物资运输。最后,举例验证研究所提出的优化理论及改进算法的合理性。     

基于层次聚类的我国沿海VTS分类问题研究

为了更好地对我国迅速增长的VTS（vessel traffic service）中心进行管理,同时为未来VTS中心的建设与管理提供指导,应用层次聚类分析方法,综合考虑VTS需求程度、规模大小、信息服务强度、助航服务强度、交通组织服务强度与辖区航行环境安全性等因素对我国21个沿海VTS中心进行分类,并对每类VTS中心的特点进行了总结.通过对不同聚类方法的比较,最终选择了ward法,通过对不同聚类数对应的聚类结果的方差分析,最终将聚类数确定为4类.     

交通状态划分的参数权重聚类方法研究

由于交通流量、速度、占有率或密度等参数在交通状态划分中作用不同,本文提出了基于参数权重聚类的交通状态划分方法.根据交通参数数据的相似性,应用基于加权欧氏距离的相似性度量方法构建了交通参数评价函数,并用梯度下降法极小化评价函数对交通参数权重进行求解.将交通参数权重应用于模糊C均值聚类算法（FCM）,得到基于参数权重的FCM道路交通状态划分方法.应用提出的模型对选取的实际交通参数数据进行交通状态划分,并与基于欧式距离的FCM状态划分结果对比.研究结果表明,本文提出的方法提高了交通状态划分精度,更接近交通实际运行状况.