基于浮动车的高速公路交通事件自动判别方法研究

交通事件判别是高速公路事件管理系统的重要组成部分，提高事件判别算法性能可以显著改善事件管理系统的运行效果．文中阐述了国内外交通事件自动判别方法的研究现状，分析了以往基于固定式检测器的事件判别算法之不足，如检测速度较慢、低流量情况下检测效果较差、可移植性不强等．根据交通事件会显著影响车辆运行速度这一特点，提出了一种基于浮动车数据的交通事件自动判别算法．仿真结果表明，算法具有较高的事件判别率（92．5％）、较低的误判率（1．2％）和较短的事件判别时间（1．6min）．     

奇数的快速素性判别

给出了素性判别的快速算法，计算量不超过Ｏ，概括，简化，并改进了原有的多项结果，能快速判别绝大多数合数，且可用于在一大类可指定形式的奇数中搜寻大素数，并给出了实例。     

线性规划问题的初始解与线性不等式组的相容性

本给出了一个求解线性规划问题初始解的算法，该算法是将作原算法稍中修改而成，与原算法配套组合，即构成一个完整的求解一般线性规划问题的强多项式算法。本给出的算法同时是判别线性不等式相容性的一个方法。     

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．     

FNN在心率失常判别中的研究

提出了一种基于模糊神经网络（FNN）对心率失常信号进行判别的新方法。首先，根据心电信号特点构建Sugeno型模糊神经网络，然后使用Cam Delta算法对其进行训练，这样可以得到模糊隶属函数，此隶属函数将R－R间期波及QRS波的长度模糊化。随后，用几何法通过计算隶属度实现对心率失常的判别。经MIT－BIH心电数据库和实测数据检验，此方法可有效的对心率失常进行判别。     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.     

道路交通事故多发点鉴别

介绍了事故多发点的分析方法，建立了事故多发点判别模型，并给出了其算法，根据中国交通流的特点，开发了事故多发点数据库，使事故多发点的鉴别工作能够快速进行。     

电力变压器微机差动保护改进算法及其保护系统研究

本文提出用微机实现电力变压器差动保护的改进算法和保护系统方案,研究设计了一种高精度综合优化数字滤波器用作差动保护涌流检测与判别的元件,并提出一系列提高保护灵敏度、速动性和减小计算量的方法,本算法与保护方案经模拟和仿真试验验证,取得了满意的效果。     

概率神经网络回归,判别与聚类

本文基于相同结构的概率神经网络，提出了使其具有回归、判别与聚类功能的不同权重学习算法以及通用变元最优选择方法。该网络具有结构和学习算法简单、收敛速度快、易于软件模拟实现等优点，并可方便地应用于预报、控制、决策等领域。     

时态命题演算T1的树枝图及其应用

将命题演算语义树理论扩充到非标准逻辑，建立了时态命题演算Ｔ１的树枝图，并证明这种枝图从语义上能判别Ｔ１的有效式，Ｔ１的无效式，从语法上能判别Ｔ１系统的定理，非定理的其它公式。     

全息投影的信号交叉口安全导向系统设计

全息投影技术是一门利用干涉和衍射原理记录并再现物体的技术。结合全息投影技术和信号交叉口管理,设计了一套信号交叉口安全导向系统,提出了"两难区"判别算法以及投影方位和时长的算法。以对即将陷入"两难区"的车辆进行投影,以实现对目标车辆的提前预警以及安全导向的功能。     

城市快速路交通状态自动判别解决方案

为满足社会公众对实时交通状态信息发布服务的需求,对城市快速路交通状态自动判别解决方案的关键技术进行研究。在总结已有研究成果的基础上,对快速路交通状态判别指标、判别标准及空间对象进行分析,选取平均行程车速作为快速路交通状态的判别指标。设计了交通状态自动判别软件构架,对平均行程车速实时估计算法模块进行了详细分析。基于研究成果开发的快速路交通状态自动判别系统软件已经应用于上海市快速路监控中心。对软件的实际运行效果进行评估,结果表明,道路交通状态判别平均精度达到95％以上。     

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

基于模糊C均值聚类的城市道路交通状态判别

为及时判别城市道路交通状态,考虑城市道路交通特征的差异性和交通流的波动特性,对状态指标的合理性进行分析;将交通状态划分为畅通、缓行、拥堵、阻塞4类,提出一种基于模糊C均值聚类（FC M ）判别城市道路交通状态的算法。选取车速、流量、占有率作为交通状态判断指标,根据不同指标设计3种方案,用MATLAB模糊逻辑工具箱分析出仿真数据的聚类中心,对不同指标组合下的各样本交通状态进行判断,验证算法判别的可行性。结果表明,以速度、流量、占有率为参数的FCM算法能较好地判别城市道路交通状态,精度较高。     

图形编辑系统中从面状目标到其属性的查询

地理信息系统的图形编辑系统中，从面状目标到其属性查询的关键在于经过多边形内点判别快速地检索出该目标的图形数据与属性数据相互关联的计算机内码。通过对传统面状目标的数据结构改进和对构成面状目标周边的坐标串预处理，利用Ｂｏｒｌａｎｄ Ｃ＋＋环境进行程序设计与调试，在试验系统中实现了从而状目标到其属性的查询，大大地降低了多边形内点判别的运算量，明显的提高了查询的效率。     

基于CKF的GNSS/INS列车组合定位鲁棒滤波算法

针对列车组合定位融合估计的非线性以及鲁棒性问题,分析了GNSS/INS列车组合定位的基本原理和系统结构,给出了非线性滤波算法CKF的基本过程,通过将H∞鲁棒滤波思想应用于标准CKF,提出了一种基于CKF的新型鲁棒滤波算法,从滤波器收敛判别及误差H∞范数界鲁棒性判别两方面探讨了滤波器的自主状态监测,并采用青藏铁路实测数据对算法进行了验证。分析结果表明:在该实测数据条件下,所提算法平均估计误差与标准UKF、CKF相比,分别降低了7.13%、4.85%;约束水平从31.5到1315.0时,估计误差均方根增大了8.56%,估计精度变化趋势较平缓,该算法有效。     

城市路口交通状态判别方法研究

为客观、有效地评价城市路口交通状态,选择平均最大排队长度、饱和度、平均车辆延误、速度比等4个对城市路口交通状态变化最为敏感且容易获取的参数作为评价指标,选取Relief F算法对所选取的评价指标进行权值判定,设计了基于模糊FCM聚类的综合判别模型,并借助VISSIM交通仿真软件对路口交通流状态进行了仿真。结果表明:改进的W-FCM判别方法相比于传统的神经网络判别法,总体误判代价降低了47.5%,判别精度提升至96.7%,改进的判别方法具有较强的可行性。     

车头间距与高速公路交通流混沌

为了分析交通流混沌的转化机理，探讨了车头间距与高速公路交通流混沌的关系．提出了一种快速判别交通流混沌的最大李雅普诺夫指数改进算法，并用此改进算法和功率谱法研究了高速公路实测交通流的混沌问题，绘制了实测交通流的功率谱曲线．通过分析功率谱曲线，可以明显地观察到交通流频谱出现了噪声和宽峰的变化；用最大李雅普诺夫指数改进算法计算实测交通流的最大李雅普诺夫指数，结果表明，高速公路实测交通流中存在混沌现象．研究表明，车头间距的变化是交通流混沌现象产生的根本原因．     

离散大系统的鲁棒关联稳定性

提出了离散大系统的鲁棒关联渐近稳定的概念，并利用加权向量Ｌｙａｐｕｎｏｖ函数推导出在非线性结构参数扰动下离散线性大系统关联斩近稳定的判据，得出的结论对判别区间大系统的关联稳定性也是有效的，从而进一步发展了大系统的关联稳定性理论。     

电容式快速手势识别系统设计

针对当前基于机器视觉及图像处理技术构成的手势识别系统,对周围环境要求高、难度大、算法复杂及成本高等特点,设计了一种基于FDC2214电容式传感器的手势识别系统。通过对特定手势特征的分析,阐述了系统手势数据获取部分的传感平面和FDC2214电容式传感器模块详细设计过程,对采集到的数据采用滑动均值滤波处理和多次训练,采用模糊分区简单模板匹配算法对采集到的手势信息进行快速判别和结果识别,该系统手势识别总耗时均小于1 s,平均识别正确率97.1%,基本满足系统的实时性、准确率等性能要求。