短时交通流预测中的特征选择算法研究

短时交通流预测是智能交通系统的重要基础,其精度直接影响到交通控制和诱导的效果.对于交通流预测中的非参数回归方法,其中一个重要的问题是状态向量的选取.本文提出基于 ReliefF和 Delta Test的特征选择算法来对特征向量进行选择.首先使用 ReliefF算法根据特征和类别的相关性对状态向量进行快速初步筛选,加快算法的执行效率.接下来以 Delta Test为性能指标,使用遗传算法对状态分量的权重进行进一步优选.最后通过基于实际数据的算例,对本文方法优选的状态向量与时间序列状态向量,简单时空关联向量进行了对比.结果表明,本文的方法在一般交通状态条件下和突变交通状态下都具有较好的性能.     

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.     

基于遗传BP网络的城市空气质量等级预测

针对空气污染诱因复杂、影响机理非线性等特点,选用遗传BP网络,对城市空气质量等级进行短期预测.分别使用2类共10种方案对数据进行了关联,使用遗传算法对输入变量进行了筛选,对BP网络的网络结构、权值和阀值进行了优化.仿真结果表明,经优化后的BP网络对未来8天空气质量等级的平均预测正确率达67.1%.     

RNA二级结构的数学表示及其应用

根据RNA二级结构的基本序列在3-D空间中定义了使核苷酸集与点集之间一一对应的映射,进而利用这个映射在3-D空间中得到了RNA二级结构的新的3-D有向图形表示,然后基于3-D有向图形表示把RNA二级结构转化为特征向量序列和L/L矩阵,提取特征向量序列的夹角余弦和的平均值和L/L矩阵的不变量（特征值）,并作为特征向量来刻画RNA二级结构,最后利用特征向量之间的距离来描述序列或结构的不变性来分析了AIMV-3等九种病毒的RNA二级结构的相似性,得到了比较好的结果.     

RNA二级结构的数学表示及其应用

根据RNA二级结构的基本序列在3-D空间中定义了使核苷酸集与点集之间一一对应的映射,进而利用这个映射在3-D空间中得到了RNA二级结构的新的3-D有向图形表示,然后基于3-D有向图形表示把RNA二级结构转化为特征向量序列和L/L矩阵,提取特征向量序列的夹角余弦和的平均值和L/L矩阵的不变量(特征值),并作为特征向量来刻画RNA二级结构,最后利用特征向量之间的距离来描述序列或结构的不变性来分析了AIMV-3等九种病毒的RNA二级结构的相似性,得到了比较好的结果.     

基于灰度共生矩阵和单尺度MRF的纹理图像分割

为改善纹理图像分割效果,提出一种基于灰度共生矩阵和单尺度MRF的纹理图像分割方法．这种方法考虑到纹理信息在空间内的结构特征以及一个像素与周围像素作用的特性关系,采用灰度共生矩阵的几个二次统计量作为纹理特征向量,利用K-means聚类获得起始分割,然后联合建立MRF的特征场与标号场模型．实验表明,此方法提高了分割准确度与一致性．     

基于SIFT的图像匹配算法

基于SIFT的图像匹配算法通过尺度空间检测特征点,计算特征点邻域的梯度方向直方图生成SIFT特征向量,然后采用SIFT特征向量的欧式距离来作为两幅图像中关键点的相似性度量.从不同阈值设置、视角变化及遮挡、添加噪声等几个方面对基于SIFT的图像匹配进行了研究和探讨.实验结果证明,本算法对图像尺度、视角变化、目标遮挡、噪声影响等方面有较好的鲁棒性,适用于在海量特征数据库中进行快速、准确的匹配.     

基于K-L变换的人脸识别系统

围绕人脸识别问题对人脸特征提取及识别技术进行了研究.主要有:运用灰度投影提取出在简单背景中的人脸图像,进行归一化操作;以类间散布矩阵作为产生矩阵,通过K-L变换降维并提取出代数特征,为了减少计算量,运用了奇异值分解,最后用最小距离分类器分类对图像进行分类.实验结果表明本方法的有效性.并且对人脸姿态,表情,光照等都具有一定的免疫性.     

新的小生境遗传算法在作业车间调度中的应用

普通适应值共享的小生境遗传算法是基于群体内个体适应度的共享,但这种小生境划分一般基于个体适应度、基因空间距离等属性,忽视了群体基因特征之间的关系.因此将生物学中的群体间共享机制引入到小生境遗传算法中,有效地利用了群体中的优良因素,并且利用了精英选择机制,增强了算法的全局和局部搜索能力,实验表明,普通适应值共享的小生境遗传算法在搜索能力和收敛性能上更有效.     

���е�·�����ͨ�д�ʩ�ۺ�����

通过对城市道路交叉口的守护栏杆、人行天桥、信号设备、地下通道、立交桥等5种通行措施进行分析，在实现道路通行安全性的同时，兼顾车流通行能力，此外还考虑了系统的实施费用、与周边环境的协调、城市景观等因素，从而选择了减少伤亡人数、减少经济损失、城市景观、实施费用和车流通行能力等五个影响道路交叉口通行措施评价的指标，运用层次分析法(AHP)，建立判断矩阵并计算特征向量，并通过计算判断矩阵的最大特征根来检验判断矩阵的一致性.在层次单排序判断矩阵与层次总排序判断矩阵的一致性检验均符合要求后，方案总排序的结果才可以接受.最后，对方案总排序的结果进行了综合分析评价，并得出了可供相关部门参考的评价结果.     

基于自然驾驶跟车数据的驾驶人差异性分析与辨识

为研究跟车工况下个体驾驶行为特性及其辨识,以驾驶人自然驾驶数据为基础,通过统计分析,频域分析及时频分析,多尺度对比驾驶人加速度、碰撞时间倒数、跟车时距等跟车轨迹特征参数分布的差异性;利用统计方法和离散小波变换提取能够表征驾驶人跟车习性差异的特征参数,分析不同参数输入结果,确定最优参数组合,建立基于随机森林的驾驶人差异性...     

多视点标定图像的交替迭代度量重建方法

提出了一种针对相机内部参数已标定的多视点图像交替迭代度量重建方法.该方法以目标空间中重建的3D点到匹配特征点的反投影线间的距离作为重建误差的测度,使误差函数形式上更简洁且具有明确的几何意义.重建过程通过对相机外部参数中的旋转矩阵、平移量和3D重建点交替迭代完成,其中平移量和3D点一起估计,避免了它们与旋转矩阵中的元素间的尺度差异引起的数值偏差.利用合成数据和真实图像的计算分析均表明本文方法有较高的重建精度,具有实用性.     

Nonlinear Statistical Process Monitoring Based on Control Charts with Memory Effect and Kernel Independent Component Analysis

A novel nonlinear combination process monitoring method was proposed based on techniques with memory effect (multivariate exponentially weighted moving average (MEWMA)) and kernel independent component analysis (KICA). The method was developed for dealing with nonlinear issues and detecting small or moderate drifts in one or more process variables with autocorrelation. MEWMA charts use additional information from the past history of the process for keeping the memory effect of the process behavior trend. KICA is a recently developed statistical technique for revealing hidden, nonlinear statistically independent factors that underlie sets of measurements and it is a two-phase algorithm: whitened kernel principal component analysis (KPCA) plus independent component analysis (ICA). The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed combined method based on MEWMA and KICA can effectively capture the nonlinear relationship and detect small drifts in process variables. Its performance significantly outperforms monitoring method based on ICA, MEWMA-ICA and KICA, especially for long-term performance deterioration.     

Face recognition via adaptive image combination

Dimension reduction and manifold learning are the two most popular feature extraction methods. The two methods focus on spatial locality as a guiding principle to find a low-dimensional basis for describing high-dimensional data, but no bases or features are more spatially localized than the original image pixels. So, adaptive image combination is presented to represent a class by a combined sample. The combined sample is a linear combination of original samples in the same class. Adaptive image combination (AIC) find the best combination coefficients by minimizing the intrapersonal distance and maximizing the interpersonal distance. Experimental results show that AIC is effective.     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

双注意力引导的跨层优化交通场景语义分割

针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。     

基于点特征和边缘特征的无人机影像配准方法

为解决变形较大的无人机影像配准问题,提出了点特征和边缘特征相结合的配准方法.用尺度不变特征变换(SIFT)算法提取点特征,完成影像的初步配准,并通过多项式函数对影像进行粗校正.在此基础上提取影像的边缘特征信息,根据距离相似性对边缘特征信息进行配准;依据色彩能量差筛选点特征信息配准结果和边缘特征信息配准结果,采用小面元微分校正的方法对变形影像进行校正.实验结果表明:提出的配准方法能够弥补点特征配准方法和边缘特征配准方法的不足,其配准的鲁棒性提高10%左右,可以较好地完成变形较大的无人机影像配准.      

A SPEAKER ADAPTABLE VERY LOW BIT RATE SPEECHCODER BASED ON HMM

IntroductionPhonetic and segmentvocoders are popular tech-niques used in speech coding at rates on the or-der of 1 0 0 bit/s.These coders are based onrecognition/synthesis technique.They use somekind of speech recognition technique to decom-pose speech signals to sequence of speech units,such as phonetic units or speech segment units,and then transmit indexes and durations of therecognized units.The decoders receive this in-formation,and synthesize speech by concatenat-ing typical instances of…     

Automatic product image classification with multiple support vector machine classifiers

For the task of visual-based automatic product image classification for e-commerce, this paper constructs a set of support vector machine (SVM) classifiers with different model representations. Each base SVM classifier is trained with either different types of features or different spatial levels. The probability outputs of these SVM classifiers are concatenated into feature vectors for training another SVM classifier with a Gaussian radial basis function (RBF) kernel. This scheme achieves state-of-the-art average accuracy of 86.9% for product image classification on the public product dataset PI 100.