中文网页的自动分类

提出了一种中文网页自动分类的方法,主要包括中文网页的自动抓取、中文分词、特征选取、贝叶斯机器学习与分类等功能模块.该系统可以很好地实现一个中文网页的自动分类,且系统中的分类器具有较高的分类质量.     

基于车辆动力学响应特征的越野地面分类方法

利用车辆动力学响应进行地面分类是越野智能汽车的关键技术之一。本文中提出了结合地面不平整度特征和力学特征进行越野地面分类的方法,对沙地、土路、水泥路和雪地进行分类。本方法中选取等效地面轮廓和车身垂向加速度作为地面不平整度特征,选取行驶阻力和轮速波动作为力学特征,设计了基于LSTM模型的越野地面分类器,对自行采集的车辆越野行驶数据集进行训练与测试,结果表明,分类正确率达到95.5%;最后,使用HMM模型实现了分类后处理,解决了分类结果在连续数据上跳变的问题,使该算法在连续越野数据上的地面分类正确率从88.44%提高到90.13%。     

基于KNN算法的文本分类

本文介绍了数据挖掘^[1]的一个分枝—文本自动分类的相关技术,实现了基于粗糙集的K最近邻分类算法。实验表明,该方法训练数据规模大大减少,训练效率较高,同时具有较好的实验结果。     

基于支持向量机的车辆自动分类方法

提出一种基于支持向量机(Support Vectir Machine，SVM)理论的车辆分类方法，通过CCD摄像机采集标准车辆图像，由边缘检测算法获取图像中的车辆特征数据长度和宽度作为训练样本，离线训练SVM，得到分离器，然后将测试车辆的特征数据作为测试样本，根据本文提出的分类方法，通过离线获得的分类器对车辆类型进行判决，从而为交通参数的准确检测提供依据。实验表明SVM在有限训练样本情况下具有良好的泛化能力。     

基于社交网络数据的交通突发事件识别方法

为了从社交网络数据中挖掘出交通突发事件,研究了基于机器学习的文本识别方法.通过关键词和地点定位,利用网页爬虫"Beautiful Soup"爬取到原始文本.采用正则匹配、重复度计算以及"0-1"标记预处理原始文本.基于预处理后文本特征,研究了基于特征权重的特征词选取方法;其中,特征权重的计算综合了词语的出现频率和含有该...     

一种基于红外检测的车型自动分类电子收费系统

章介绍了目前常用的电子收费系统的基本组成，依据我国公路收费行业的实际情况，提出一种基于红外线车型自动分类的电子收费系统的方案设计，并且完成了其中车型自动分类等关键技术的研究，为我国公路由停车收费向不停车收费方向发展提供了一种必要的技术。     

电子收费系统中红外检测车型的自动分类技术

介绍不停车电子收费系统的基本组成,根据我国公路收费行业的实际情况,提出一种基于红外线车型自动分类电子收费系统的方案设计,为我国公路收费向不停车收费方向发展奠定基础.     

高速公路信息自动分类处理平台体系结构研究

针对目前广东省高速公路管理中实际存在的问题,对高速公路管理中心业务信息进行了分类,并利用信息自动分类处理技术构架高速公路管理中心信息自动分类处理平台,探讨了平台内各个结构层次的功能,并以发生重大交通事故为例来说明高速公路信息自动分类处理平台的应用.     

面向商用车行驶工况优化设计的高速公路工况识别

为解决商用车行驶工况优化设计中确定工况类型的问题,研究商用车行驶工况特性,提出一种基于朴素贝叶斯方法的高速公路工况识别方法。利用21辆长途运营商用车采集的106 200 km行驶工况数据,以3 km为单位进行分割,共获得35 230段有效试验路段数据(其中:高速公路27 986段;一般公路6 124段;城市公路1 120段)。以该数据为基础,根据朴素贝叶斯方法分析汽车运行过程中的平均速度和挡位统计信息,确定面向商用车行驶工况优化设计的阈值划分区间,获得相关的先验概率和条件概率,利用MATLAB软件进行编程计算,对高速公路工况进行了识别分析。研究结果表明:高速公路工况识别的正确率到达88.26%,高速公路工况被误判为一般公路工况的误判率为9.54%,高速公路工况被误判为城市公路工况的误判率为2.20%;基于朴素贝叶斯方法的高速公路工况识别能够为商用车行驶工况优化设计提供一种有效的高速公路工况识别方法。     

基于规则的海事自由文本信息抽取方法研究

海事数据的结构化处理是海事安全研究的一个重要步骤.目前,网络上存在着大量的海事相关信息,但多为不同格式的非结构化文档数据,可以采用一种基于规则的海事信息抽取方法,将海事自由文本转化为结构化的数据.通过网络爬虫从海事相关网页中得到待抽取文本数据,根据得到的文本信息定义抽取任务为时间、地点、船名和事故类型4个数据项,再根据抽取任务本身及其常见触发词构建自定义海事词库,用于自由文本的分词和词性标注;通过对大量事故语料的分析总结,编制抽取规则进行海事信息的抽取,形成结构化的海事数据.以长江海事局网站的事故详情为数据源,采用基于规则的抽取方法进行实验.实验结果表明,时间信息抽取的准确率为100%,召回率为91%;地点信息抽取的准确率为94.52%,召回率为69%;船名信息抽取的准确率为97.75%,召回率为86%;事故类型信息抽取的准确率为96.67%,召回率为87%.     

基于PMI与BTM的船舶事故原因文本挖掘

为了实现从海量的船舶事故调查报告中自动提取出水上交通安全知识,提出了从词语和主题2个层面对船舶事故调查报告进行语义挖掘的方法,并以100份船舶自沉事故调查报告为语料进行具体挖掘。在词语层面,使用PMI算法从事故原因文本中挖掘频繁共现的词语模式,通过文本特征词的共现揭示事故致因要素间的关联。在主题层面,使用BTM算法对事故原因文本进行主题建模,通过主题对数似然、主题一致性评估建模结果的优劣。通过主题建模,对表征自沉事故原因的特征词进行聚类,并根据主题在文档集合中的分布初步量化出每种原因的发生概率。根据使用500组新数据集对主题模型预测能力的测试,所构建的主题模型能够100%识别出领域无关的词并自动忽略;对于语料库中85.6%的词语,所构建的主题模型能够明确地将其归属于代表某一原因的主题;另14.4%的词主题边界不明显,难以将其单独以较大的可能性明确归属到某一主题下。     

一种可自动调频调幅的汽车缓冲件疲劳试验机

目前广泛使用的疲劳试验机多为机械式，其最大缺点在于调幅时需停机并通过手动调节，费时费力，本提出的创新结构采用一种新型的双曲柄直差速调相组合机构，可以通过调整相位角进行调幅，简便易行，而且与计算机配合使用实现自动调幅调频，这一创新结构同样可应用于振幅需要调节的其它振动机械，从而向自动化，智能化迈进。     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...     

A data-driven dynamics simulation framework for railway vehicles

The finite element (FE) method is essential for simulating vehicle dynamics with fine details, especially for train crash simulations. However, factors such as the complexity of meshes and the distortion involved in a large deformation would undermine its calculation efficiency. An alternative method, the multi-body (MB) dynamics simulation provides satisfying time efficiency but limited accuracy when highly nonlinear dynamic process is involved. To maintain the advantages of both methods, this paper proposes a data-driven simulation framework for dynamics simulation of railway vehicles. This framework uses machine learning techniques to extract nonlinear features from training data generated by FE simulations so that specific mesh structures can be formulated by a surrogate element (or surrogate elements) to replace the original mechanical elements, and the dynamics simulation can be implemented by co-simulation with the surrogate element(s) embedded into a MB model. This framework consists of a series of techniques including data collection, feature extraction, training data sampling, surrogate element building, and model evaluation and selection. To verify the feasibility of this framework, we present two case studies, a vertical dynamics simulation and a longitudinal dynamics simulation, based on co-simulation with MATLAB/Simulink and Simpack, and a further comparison with a popular data-driven model (the Kriging model) is provided. The simulation result shows that using the legendre polynomial regression model in building surrogate elements can largely cut down the simulation time without sacrifice in accuracy.     

基于机器学习的柴油机碳烟颗粒质量排放预测模型

基于SC7H涡轮增压柴油机试验台架,开展了非道路瞬态试验循环下的柴油机排放试验,研究了瞬态循环的工况对碳烟颗粒质量浓度的影响。收集与碳烟颗粒质量浓度相关的各类传感器数据,构建一个大型的柴油机碳烟排放数据集。构建LGB梯度树模型和循环神经网络模型,采用数据集对它们进行训练,然后采用自学习算法对两种模型进行融合,获得一个更高准确度的预测碳烟质量排放融合模型。预测与实测结果的比较表明,构建的融合模型能较为准确地预测柴油机排放的即DPF入口的碳烟质量浓度实时变化,为柴油机后处理过程中碳载量的准确计算以及控制策略的开发提供参考。     

汽车自动变速器阀体阀芯孔内壁面质量检测系统的研发

针对汽车自动变速器阀体的自动化加工质量检测,本文中提出了一套基于工业内窥镜拍摄的自动化检测系统设计方案。该方案融合机械、电控、视觉、软件等多个模块,以实现自动化视觉检测;并进行系统关键部分的原型研发及拍摄测试。结果表明,系统能够有效完成阀孔内壁面的完整图像拍摄和缺陷特征提取,有助于提高检测精度,且数据整理方便,有助于提升工厂的自动化水平。     

面向智能驾驶行为的机器学习

基于机器学习的智能驾驶行为分析是智能车辆发展的方向和难点之一.驾驶行为的知识获取和表达,涉及机器学习中的诸多算法.首先对机器学习在驾驶行为识别判断、建模预测、智能决策等方面的研究进行了分析,进而对驾驶行为分析中的几种主要机器学习算法进行了较为全面的总结,最后给出了各种算法的优缺点.