基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题，提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型，以检测器与训练样本之间的综合关联度作为匹配规则，并在综合关联度约束范围内引入控制参数，实现检测器对非己空间的更大覆盖；其次，根据匹配规则和控制参数构建适应度函数，采用粒子群优化算法生成候选检测器，分析控制参数对检测器生成和粒子群优化算法收敛速度的影响；此外，为降低候选检测器集合的冗余度，基于关联度提出了检测器特征参数区间的合并规则，将成熟检测器个数降低至18个；最后，通过信号模拟方法生成轴箱轴承的各类故障信号，建立100组测试样本，并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能，正常样本的检测器激活率为1.11%，故障样本的检测器激活率不低于96.67%.      

多特征多阈值级联AdaBoost行人检测器

为了满足更快、更准、更鲁棒的行人检测需求, 考虑交通监控视频图像质量不高与局部特征不明显的缺点, 采用简单的行人特征来实现行人检测。除矩形度、高宽比、轮廓复杂度、宽度比、行人面积特征外, 特定选用了对遮挡等干扰具有强鲁棒性的头部圆形度这一简单的局部特征。考虑交通监控视频图像中行人的尺寸变化, 引入区域划分策略划分图像区域。兼顾高检测率和低误检率, 根据分类误差最小原则与正样本分类率最大原则训练多个单特征多阈值AdaBoost行人检测器。为了优化多个行人检测器级联后的检测性能, 在兼顾检测性能和检测速度的基础上, 定义了以贡献率作为行人检测器的级联规则, 依据贡献率大小确定的级联次序为基于高宽比、宽度比、矩形度、行人面积、轮廓复杂度和头部圆形度的行人检测器, 依次进行级联, 建立了新的多特征多阈值级联AdaBoost行人检测器。选用3个交通场景对行人检测器进行测试, 并与单级AdaBoost行人检测器与现有2种级联AdaBoost行人检测器进行比较。分析结果表明: 在3个交通场景的检测中, 相比其他几种行人检测器, 多特征多阈值级联AdaBoost行人检测器具有较高检测率、较快的检测速度和较低误检率, 检测率最低为96.70%, 误检率最高为0.67%, 检测时间小于5s, 满足交通场景中对行人检测实时性和可靠性的要求。     

基于类锚虚拟线圈的多流向车流量检测算法

针对城市道路车流量检测中车辆误分类问题,提出一种基于类锚虚拟线圈的多流向车流量检测算法.首先,采集车辆图像样本并随机裁剪以构建小客车、公交车和摩托车的均衡数据集,通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法聚类获得3类车型...     

二维矩形块布局的交叉熵方法实现

给定一个小矩形块集和一个固定宽度而高度变化的大矩形的二维布局问题,就是将这矩形集中的所有矩形正交布置于这个大矩形中,并且保证矩形块之间不发生重叠,目的就是使得布局后这个大矩形块的高度最小.本文提出通过DROP或DROPF（DROP FILL）的启发式解码策略与交叉熵算法相结合求解该类问题.试验结果显示,算法稳定有效,较经典元启发式算法在提高空间利用率上有较大提高.     

基于单双目视觉融合的车辆检测和跟踪算法

提出了一种基于单双目视觉融合的车辆检测与基于Kalman滤波的车辆跟踪算法, 设计了一种基于二维深度置信网络的车辆检测器。在道路图像中利用单目视觉生成车辆可能存在的区域, 构成双目视觉处理的车辆候选集合。在车辆可能存在的区域内利用双目视觉进行误检去除, 并获得车辆的位置信息。在二维图像坐标系和三维世界坐标系内, 利用Kalman滤波器对检测到的车辆进行跟踪。试验结果表明: 算法的检测率为99.0%, 误检率为1.3×10^-4%, 检测时间为57ms, 检测率高, 误检率低, 检测时间短; 与单双目视觉弱融合算法、单目视觉算法和双目视觉算法相比, 本文车辆检测与跟踪算法兼具双目视觉算法检测率高和单目视觉算法检测时间短的优点。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

高速公路固定检测器布设方案分析

为研究高速公路交通事件检测算法及固定检测器布设间距,设计高速公路基本路段的人工神经网络事件检测算法,并研究基本路段检测器布设间距为200～700m时,使用不同情况的事件来检测效果。利用VISSIM4.2软件仿真获得数据,并在MATlab人工神经网络工具箱中计算,验证所设计的事件检测算法的有效性,得出基本路段固定检测器的合理布设间距。     

基于单毛坯条带的矩形件最优两段排样方式

对大规模矩形件排样问题提出一种精确、可生成一种新的满足剪冲下料工艺需求的排样方式：基于单毛坯条带的矩形件最优两段排样方式．采用动态规划算法生成最优单毛坯条带,通过一维背包算法确定条带在级中的排样方式和级在段中的最优排样方式,选择最优的两个段组成排样方式．对传统文献中的43道大规模基准测题进行计算,有38道测题达到最优,剩余5道测题的优化结果与最优化结果的比率达到99．9％,每题的平均计算时间仅用2．17s．结果表明,本文算法优于经典两段和著名的T型排样算法,在解决大规模矩形件排样具有高效性．     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明：本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0,32]、(32,96]与(96,400]尺度下...     

不同SVM算法在入侵检测中的应用

近年来支持向量机在入侵检测领域得到了广泛应用,由于支持向量机理论在发展过程中不断涌现出新的算法,为了找到一种较适合入侵检测的算法,选择了具有代表性的基于C-SVM的SMO算法和一种新的支持向量机LS-SVM,分别应用于入侵检测.使用不同规模训练集和测试集进行多组实验,从不同角度研究了它们在入侵检测中的特性,并进行综合比较研究,从实时性、检测精度、误报率和漏报率方面研究它们在入侵检测中的优劣,找出较优的算法为SMO算法.     

基于粗集理论的交通流丢失数据补齐方法

为了解决交通检测器检测到的数据存在丢失的问题,提出了一种基于粗集理论的丢失数据补齐方法。利用检测到的交通流数据构造信息系统,通过计算扩充可辨识矩阵,并对其进行多次完整化分析,实施丢失数据的补齐,并采用英国南安普敦市的实际检测数据对算法进行了验证。研究结果表明:同一时间段,当仅有一个属性数据丢失时,粗集理论的补齐精度较高,绝对相对误差较小,基本保持在0～5%之间;当不同属性的数据同时丢失时,补齐精度较低,绝对相对误差甚至高达20%;当所有属性数据全部丢失时,补齐精度非常低,可视为无法实现补齐。可见,粗集理论是一种补齐少量丢失数据的有效方法。     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于粗糙集和贝叶斯分类器的病毒程序检测

在病毒程序检测中将粗糙集与贝叶斯分类器相结合．该方法在粗糙集属性约简的基础上，综合考虑了条件属性和决策属性的依赖性以及条件属性间的依赖性对约简的影响．通过基于依赖性的属性约简，减少对属性变量间独立性的限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器的特性．实验结果表明，检测率达到97．88％，正确率为97．16％，明显高于传统的基于特征和RIPPER的方法，也高于多贝叶斯方法；虚警率为5．19％，也比上述所有方法均有所降低．     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题, 提出了融合多模式弱分类器, 并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点, 以Haar特征训练判别式弱分类器, 以HOG特征训练生成式弱分类器, 以AdaBoost算法为桥梁, 采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器, 利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明: 相比于单模式弱分类器, AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性, 表现为较高的检测率与较低的误检率, 分别为95.7%、0.000 27%, 每帧图像的检测时间较少, 为25ms; 与传统级联AdaBoost分类器相比, AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间, 但检测率提升了1.8%, 误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法, 具有较佳的车辆检测效果。     

不规则物流园区功能区块布局模型与算法

物流园区功能区块的合理布局对于降低物流成本、提高物流作业效率有重要意义.传统的研究主要建立在假定物流园区是矩形的理想情况下,本文基于栅格数据结构,构建了以运输成本最小为目标的不规则物流园区功能区块布局的集合划分模型,并引入了栅格图像矢量化技术,用于提取布局形成后的图像拓扑结构,获得路网信息,然后设计了基于割树技术的变邻域搜索算法进行求解.最后以某物流园区为例,通过MATLAB编程计算得出布局方案,验证了本文模型和算法的有效性.     

基于生成式对抗网络的路网交通流数据补全方法

交通信息的完整性直接影响着城市交通管理的效率.针对城市道路交通中因路段检测器覆盖不全或设备损坏等造成的流量检测数据缺失问题,本文提出基于生成式对抗网络 (Generative Adversarial Network,GAN)算法的交通流量数据补全方法.首先,以路段实际流量为基础,进行图像化处理生成路网二维信息图;其次,计算考虑时空信息补偿的路网关联矩阵,利用GAN算法分析并实现路网二维信息图缺失部分的补全,进而得到路段交通流量的完整数据;最后,利用实际数据,对比分析了本文方法与相空间重构的卡尔曼滤波方法对缺失数据的补全情况.实例分析结果验证了本文方法的可行性和有效性.     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

二维平行放位装车问题的布局约束启发式算法

在分析二给平行入位货物装车问题的基础上，对货物装车问题设定了布局约束，构造了布局约束启发式算法。实验结果表明，此算法可以有效求得问题的优化或近似优化解，是求解此类问题的一个较好的方案。     

超声导波检测公路护栏立柱信号处理研究

由于超声导波多模态、易频散的特性,导致其在检测高速公路护栏立柱时会产生复杂的回 波信号,现有方法很难从中提取出有效的特征信号。为了解决该问题,首先提出了一种改进的子空间匹配追踪算法(ISMP)。它是将回波信号的先验信息在过完备Chirp 原子库上逐次迭代,得到 强相关原子集,然后对其再次进行迭代得到待匹配信号的最佳时频原子,从而实现对护栏立柱回波信号的特征提取。利用中心频率为128kHz和64kHz的检测信号进行实验验证,结果表明,ISMP可以有效提取出超声导波回波信号的特征原子,立柱检测长度与实际长度误差小于1%,满足工程检测要求。此外,还提出了一种基于离散傅里叶变换的相位检波算法,通过设置相位检测误差减少噪声带来的干扰。实验表明,在128kHz 和64kHz 检测信号下,可以得到设定相位的有用回波信息,满足工程检测要求。