寻根溯源话汽车

至善至美劳斯莱斯劳斯莱斯是世界上知名度最高的精品车之一。它造型优雅脱俗,充满绅士贵族风格,表现为复古保守,精贵稀少。100年来,它不仅象征着权力和荣耀,其本身也成了财富的同义词。人们在惊叹劳斯莱斯无与伦比的迷人和高贵时,会情不自禁地怀念它的研制者C·S·罗尔斯。他和著名的     

"环保无国界"——沃尔沃卡车关注中国气候

交通运输业在社会和经济的发展中发挥着非常重要的作用,正是各种车辆承担着载人运货的使命,并推动着贸易、旅行的发展.     

美国交通的人性化管理

多名乘员车辆使用畅通无阻的车道在美国大多数高速公路的最内侧,开设了一条标有“车池道”(CAR POOL)字样的车道。上面行驶的车辆比较少,整个路面畅通无阻。原来这是一条专用车道,凡是车上有2人(含驾驶人员)或多人,都有权使用。这种“车池道”鼓励邻居或一家人,在上下班组织好,一个月或更长的时间内轮流开车。此举不仅减少了上路车辆的数目,从而缓解了堵塞,而且也节约了能源,同时也能降低污染。     

专业创享价值——记2007年恒通新品展示会暨品牌发布会

2007年3月30日,我应邀来到了位于长江和嘉陵江边,被人们称为"山城"和"雾都"的重庆.初次踏上这个世界上人口最多的城市却没有给我带来一点的陌生感,而刚刚踏出飞机的舱门却感觉到了重庆的热情所在--相比北京的春寒一下把我带到了夏天.当我来到恒通客车产品展示会的酒店时,让我深深地感到:相比起当天30摄氏度的气温,"2007年恒通新产品展示会暨品牌发布会"更是人头攒动,热火朝天!     

评《东南亚港埠与政体之兴衰》

<正>本书收录的12篇论文,系20世纪80年代初由东南亚英国学院资助召开的两次学术研讨会的研究成果,令人耳目一新。这些文章对东南亚部分重要地区从古代至19世纪末的贸易与政体之间的相互关系进行了选择性的探讨。不过,书中绝大部分的论文讨论的是1400年之后的情况,当时,贸易的迅速增长限制了该地区传统权力的变动。书中仅有一篇有关阿瑜陀耶(Ayutthaya)的文章考察了东南亚大陆的非马来地区。     

"少年驾车郎"现象应关注

近年来,经常看见十四五岁的少年驾驶机动车辆现象。其在不减速、不回望车后路况的情况下,突然调头转弯,险象环生,违法载人,令人担忧。     

论公路的文化性及其对交通标志设计的要求

公路与人民的生活密切相关,公路使用者在交通活动中产生的人文情感使公路具有了浓厚的文化性.随着社会的发展,公路的这种文化性对公路交通设施的规划设计提出了更高的要求.因此公路交通标志的设计应当满足文化性的功能要求,并遵循相应的设计原则,以体现公路的文化性.     

德国高速公路为什么不限速

我们在德国的时候,交通主要是靠汽车,每天都要跑几百公里。由于在国内常常因为修路而绕行或者增加行车时间,所以为了保证我们的行程能够按照计划进行,在开始的时候我常问陪同的夏先生,从哪里到哪里有修路的吗?问了几次以后,夏先生告诉我,在德国几乎见不到修路的现象。德国的公路质量非常好,一旦修筑,多少年都不用大修,我们从慕尼黑到斯图加特的高速公路还是希特勒时候修的呢。联想到我们国内的某些高速公路,几乎从通车的那年起,就开始一段复一段地修理了。     

中玻友谊 源远流长——大金龙80辆客车交付玻利维亚

9月29日,“中玻友谊源远流长”——大金龙80辆客车出口玻利维亚交车仪式在厦门现代码头隆重举行.玻利维亚首都拉巴斯议会议长Fabian Sinani率领代表团亲临厦门,在厦门各相关部门领导见证下,接过了金龙汽车集团、大金龙董事长廉小强手中的“金钥匙”.厦门市副市长李栋梁亲切接见了玻利维亚客人,并代表厦门市政府对其致以热烈的欢迎.     

效益进一步安全进一步

轮胎是一辆车的基本组成部分,实际上它和发动机一样,都是汽车品质的象征之一.一部普通轿车也要有1吨多重,接触地面的只是4个轮胎,而在汽车快速行驶时,每个轮胎接触地面部分也只是手掌大的面积.     

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.     

一种基于二层贝叶斯网的网络入侵检测方法

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统得自适应性和可移植性,降低系统的误报率和误检率．并通过设计实验来验证基于贝叶斯网的入侵检测系统的性能,实验数据采用KDD cup 1999年的部分数据．实验结果表明：该方法在只使用10％训练数据和部分记录属性来学习的情况下,检测效果仍比较好．     

基于改进SBELM的耦合故障诊断方法

为了对主减速器的耦合故障进行识别,通过对振动信号经过集成经验模态分解(ensemble empirical mode decomposition, EEMD)所获得的高频分量采用自适应阈值降噪和对低频分量采用区间阈值降噪,有效去除了信号噪声,创建了配对多标签分类策略(paired multi-label classification,PMLC).基于PMLC和稀疏贝叶斯极限学习机(sparse Bayesian extreme learning machine, SBELM)用单故障样本构造概率分类器集,再采用网格搜索方法生成最优决策阈值,将分类器集的概率输出转换为耦合故障模式,提出了基于自适应区间阈值降噪和SBELM的耦合故障诊断方法,并用主减速器的实际样本集验证了该方法的性能.研究结果表明:该方法的诊断精确度达到96.1%,比基于PNN(probability neural networks)和SVM(support vector machine)的诊断方法提高了5%;该方法的训练时间和执行时间为131.4和61.3 ms,比基于SVM的诊断方法减少了70%.      

����ģ���ֲڼ���֧��������������������Ԥ��

对区域物流量进行研究与预测有助于把握区域物流的需求,实现区域物流供需相对平衡,提高区域物流规划质量和运行效率具有重要的理论和实际意义.本文将模糊粗糙集理论引入区域物流量的预测中,建立基于模糊粗糙集与支持向量机的区域物流量预测模型,用模糊粗糙集作为前端预处理器对数据进行约简,剔除冗余信息,以实现两种算法的优势互补.针对支持向量机在处理数据时无法将数据简化的问题,提出了基于模糊粗糙集与支持向量机的区域物流量预测方法,在支持向量机对样本数据进行处理之前,利用模糊粗糙集数据挖掘的能力对原始数据样本集进行预处理.结果表明,这种预测方法具有很好的精确性和有效性.     

驾驶人分心状态判别支持向量机模型优化算法

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.     

A probability approach to anomaly detection with twin support vector machines

AbstractClassification of intrusion attacks and normal network flow is a critical and challenging issue in network security study. Many intelligent intrusion detection models are proposed, but their performances and efficiencies are not satisfied to real computer networks. This paper presents a novel effective intrusion detection system based on statistic reference model and twin support vector machines (TWSVMs). Moreover, a network flow feature selection procedure has been studied and implemented with TWSVMs. The performances of proposed system are evaluated through using the fifth international conference on knowledge discovery and data mining in 1999 (KDD’99) data set collected at MIT’s Lincoln Labs and the results indicate that the proposed system is more efficient and effective than conventional support vector machines (SVMs) and TWSVMs.     

复杂生产过程的小故障检测与分类方法

为监测复杂生产过程的状态,根据多元统计过程控制方法和支持向量机理论,将累积和控制图原理扩展为多变量的形式对过程数据进行预处理,并通过主元分析方法提取复杂生产过程的关键信息,得到有效的小故障数据,进而构建计算正常数据的统计量阀值及故障数据的Hotelling T平方统计值（T2）和平方预测误差值,实现了复杂生产过程的小故障模式检测,并采用支持向量机多分类方法将检测到的故障进行了分类.沥青混合料生产过程的仿真研究表明:在集料均值发生小波动、周期性上升和下降3种小故障模式下,故障检测识别率均达到95%,与主元分析方法相比平均提高了75%;分类准确率达到92.5%,与BP神经网络方法相比提高了19.3%.      

���ڳ���ǰ��������Ĺ��������

轨道交通线路净空安全是确保列车平稳、不间断运行的基础.由于轨间异物对行车安全产生严重影响,所以基于非轨道电路的轨道异物入侵检测系统在铁路系统中具有十分广泛的应用前景.本文提出了一种基于移动车载摄像机检测轨间异物的方法.首先,通过钢轨识别算法自动定位钢轨位置,并确定列车前方轨道是否有其它列车或公路车辆等大型异物,若有则进行报警;之后,基于边缘检测的异物检测算法自动检测轨间可疑小异物,同时提取可疑异物的尺度信息和颜色索引参数等相关特征;最后,用支持向量机（SVM）来对可疑小异物区域进行分类和辨识.车载实验结果表明,该方法可以有效地检测出轨间异物.     

基于图模型与卷积神经网络的交通标志识别方法

为了提高交通标志识别的鲁棒性, 提出了一种基于图模型与卷积神经网络(CNN)的交通标志识别方法, 建立了一个面向应用的基于区域的卷积神经网络(R-CNN)交通标志识别系统。构造了基于超轮廓图(UCM)超像素区域的图模型, 有效利用自底向上的多级信息, 提出了一种基于图模型的层次显著性检测方法, 以提取交通标志感兴趣区域, 并利用卷积神经网络对感兴趣候选区进行特征提取与分类。检测结果表明: 针对限速标志, 基于UCM超像素区域的图模型比基于简单线性迭代聚类(SLIC)超像素的图模型更有利于获取上层显著度图的大尺度结构信息; 基于先验位置约束与局部特征(颜色与边界)的层次显著性模型有效地融合了局部区域的细节信息与结构信息, 检测结果更加准确, 检测目标更加完整、均匀, 查准率为0.65, 查全率为0.8, F指数为0.73, 均高于其他同类基于超像素的显著性检测算法; 基于具体检测任务的CNN预训练策略扩展了德国交通标志识别库(GTSRB)的样本集, 充分利用了CNN的海量学习能力, 更好地学习目标内部的局部精细特征, 提高了学习与识别能力, 总识别率为98.85%, 高于SVM分类器的95.73%。     

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.