基于 SVM 的出行方式特征分析和识别研究

基于智能手机采集的居民出行轨迹信息,分析了不同出行方式的特征,利用支 持向量机进行了出行方式识别研究.首先探讨了利用手机软件所能检测和记录的参数,进 而从出行轨迹和特征参数两个方面对出行方式特征进行了分析,探讨了不同出行方式两 两可分的关键变量,提取用于识别不同出行方式的特征向量,最后建立了径向基核函数 支持向量机（SVM）分类器.利用从大连市出行轨迹数据获取的出行方式样本,训练了该 支持向量机,并且以决策树、BP 神经网络为对照.结果表明,SVM 识别精确度为 89.6%,BP 神经网络为 85.5%,决策树为 77.3%,SVM 具有更好的识别性能.     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

分层CS-LBP和HOG特征融合的人脸识别研究

针对单独的纹理特征只能提取图像的纹理信息而不能得到图像轮廓边缘信息的问题,在人脸识别的特征提取研究中提出了分层CS-LBP和分层HOG特征的融合方法.对图像分别进行多次CS-LBP和HOG特征的提取,得到分层CS-LBP特征提取图像和分层HOG特征提取图像,对分层的特征提取图像再次提取分层CS-LBP和分层HOG特征,并将两种分层特征进行融合,得到更有效的人脸的纹理及边缘轮廓特征.在ORL和GT人脸库上的实验结果验证了所提出的分层特征融合方法的有效性.     

基于CNN和粒子群优化SVM的手写数字识别研究

针对传统卷积神经网络手写体数字识别中Softmax因指数函数运算而易产生计算溢出以及较高的计算机硬件需求问题,提出了基于卷积神经网络特征提取的支持向量机手写体数字识别方法。同时,为了提高手写体数字的识别精度,设计了基于K-CV意义下适应度函数的粒子群优化SVM参数方法。基于Semeion及MNIST手写体数字集的实验仿真表明,文章所设计的方法与传统方法相比能够获得更高的识别率。     

基于图像的铁路货车车号定位与识别

针对铁路货车车号特征,提出一种基于图像处理的车号定位与识别方法.该方法首先对车号区域图像进行预处理并粗定位出车号区域,然后采用改进的Soble算子边缘检测技术与投影法和铁路货车车号先验知识相结合对车号区域进行精确定位,最后通过对字符进行分割和归一化处理,在粗网格特征提取字符特征的基础上采用模板匹配法快速实现了车号识别.实验结果表明,该方法对铁路货车各种车型车号区域定位和识别具有较高的准确率.     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机（SVM）参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

基于改进YOLOv5算法的接触网绝缘子定位方法

【目的】针对高速铁路接触网绝缘子在复杂背景下检测效率不高的问题提出一种检测算法。【方法】首先对样本数据集进行大规模扩充,在原有YOLOv5s算法的基础上,为有效的提升模型的表征力,增加ECA注意力机制,进行无降维的跨信道方式来聚焦绝缘子位置信息;使用BiFPN特征金字塔网络,进行多尺度的特征融合来丰富语义信息;选用Meta-ACON自适应控制激活函数,在函数允许的最大范围内,严格把控函数的上下限,防止模型出现失控现象;将原有GIOU损失函数更换为EIOU损失函数,从梯度的角度对锚框进行更深一步的划分,进而提升网络的收敛速度。【结果】实验结果表明,通过对YOLOv5s改进后的检测算法,可以对绝缘子进行更精确的定位与识别,准确率达到了99.4%。【结论】所提出的检测算法为绝缘子定位检测提供了更加准确快捷的方法。     

基于投影和质心运动特征的人体行为识别算法

介绍了一种基于投影和质心运动特征的人体行为识别算法。首先用带重叠的等长时间窗口将原始视频进行分割,用时间差分法检测图像运动部分;其次对二值化后的图像进行水平投影和垂直投影,每组投影特征用主成分分析提取主成分,然后对融合位置与速度向量进行识别;最后使用网上视频库进行试验。试验结果表明:该算法在识别率和计算量方面具有良好的效果。     

基于参数选择优化SVM算法的研究

在分析影响支持向量机分类能力参数的基础上,提出了支持向量机参数选择的方法——网格法,代替以往使用交叉验证法或凭经验确定参数的方法。网络法可以在限定的范围内对最优参数进行自动搜索,明确搜索的次序。     

基于移动数据的用户出行方式识别研究

为研究智能手机所采集到的位置数据在识别用户出行方式领域的应用,首先,比选出速度、速度的百分位数、轨迹点数量占比、出行距离、停止率这5 个适用于移动终端定位数据区分出行方式的特征变量,并对各特征变量的判别阈值进行了定义。然后,针对基站分布导致的数据偏差和位置信息漂移等问题,采用扇形定位结合地图匹配技术对数据进行了修正,进而在对时间阈值和距离阈值分割的基础上提出了移动终端用户出行链的获取方法。接着,建立C4.5 决策树模型,以此判别移动终端用户的出行方式。最后,基于在某地区采集的7 000 部移动终端的位置数据（包含：终端编号、定位时刻、经度、纬度） 来对用户的出行方式进行研究。结果表明,模型在区分机动车和非机动车时准确率较高,达到了90%以上;在进一步区分中,如区分步行与自行车以及公交车和小汽车的出行上准确率相对较低,但也达到了80%以上的精度。     

一种改进的有向无环图支持向量机分类算法

针对有向无环图支持向量机多类分类方法未采用有效的有向无环图生成算法,提出了一种改进的有向无环图生成算法。该方法采用了聚类分析中类距离的思想作为层次分类依据。实验结果表明,该方法与原方法相比具有较高的分类精度。     

一种基于分道线模型的道路识别方法

介绍了一种基于分道线模型的道路识别方法。该方法首先对图像进行预处理,然后应用分水岭算法划分道路感兴趣区域ROI,最后采用Hough变换拟合分道线,实时地进行道路识别。试验结果显示,在一定条件下,该算法能够满足道路识别的要求。     

基于混合遗传算法的试验选址问题研究

大型海上试验的保障资源分散在全国各地，将这些资源运输到合适的海区属于工厂选址问题．海区的选择会影响资源的取舍，进而影响试验流程优化这一车间调度问题，反过来试验流程优化也会影响资源的取舍和海区的选择．因此试验海区的选择是工厂选址运输问题和车间调度问题的耦合．文中建立了该问题的数学模型，并分别用遗传算法和排队论处理流程优化中的时间约束和资源约束，再用启发式算法对运输问题进行优化．仿真结果表明了该方法的有效性．     

TDOA Passive Location Based on Cuckoo Search Algorithm

This paper formulates a new framework to estimate the target position by adopting cuckoo search(CS)positioning algorithm. Addressing the nonlinear optimization problem is a crucial spot in the location system of time difference of arrival(TDOA). With the application of the Levy flight mechanism, the preferential selection mechanism and the elimination mechanism, the proposed approach prevents positioning results from falling into local optimum. These intelligent mechanisms are useful to ensure the population diversity and improve the convergence speed. Simulation results demonstrate that the cuckoo localization algorithm has higher locating precision and better performance than the conventional methods. Compared with particle swarm optimization(PSO) algorithm and Newton iteration algorithm, the proposed method can obtain the Cram′er-Rao lower bound(CRLB) and quickly achieve the global optimal solutions.     

基于DENCLUE聚类算法的交通事故多发点鉴别方法

针对目前交通事故多发点鉴别常用方法存在的问题,引入了DENCLUE聚类算法用于事故多发点鉴别。对DENCLUE聚类算法的基本原理,基本定义及计算步骤进行了阐述,重点分析了该算法用于事故多发点鉴别的可行性。实例计算结果表明：与传统事故多发点鉴别法方法相比,该算法能有效的避免对排查位置进行事先划分,实现任意长度聚类;同时,在事故数据小样本的情况下,能充分凸显道路沿线的危险性,可以有效地应用于事故多发点鉴别的研究。     

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.