基于Gabor变换和隐马尔可夫模型的车型识别研究

通过对车型识别以及图像预处理技术的介绍,而提出的一种基于Gabor变换和隐马尔可夫模型的车型识别方法及相关算法,经实践表明,具有识别率高、复杂度较低的优点,能够适应复杂环境下特征车辆的识别,因而具有广阔的发展前景.     

冰雪条件下路段交通拥堵状态识别模型研究

通过对冰雪条件下交通流的饱和流率、平均车头时距和平均行程车速等交通参数的调查,分析了冰雪条件对路段交通流特性的定量影响,在此基础上,采用综合分析法,选取平均行程速度和饱和度等指标,建立了冰雪条件下路段交通拥堵状态识别模型。并结合正常条件下的交通参数拥堵阈值和冰雪对交通流的定量影响,给出了确定冰雪条件下各状态指标的拥堵阈值的方法。最后利用哈尔滨市红旗大街实际调查数据对该模型进行了验证。     

基于马尔可夫模型的地理信息系统研究

以“江西国土资源数字化研究”为项目背景,阐述了马尔可夫模型与地理信息系统结合的方法和意义,重点论述了基于数值区间划分的马尔可夫数值预测模型的理论基础和实现方案,理论论证和比较实验得出了马尔可夫预测模型在大量历史数据进行转移概率统计的情况下对于波动较大的数据有较好的预测效果.     

基于矩形法的交通拥堵传播模型研究

准确分析交通拥堵传播特征是预测交通拥堵状态进而解决拥堵问题的先决条件。首先结合实际交通状态,提出速度延伸判别指数(ESDI),并将道路拥堵状态划分为5个等级,界定各等级阈值,构造拥堵马赛克时空图。提出矩形法绘制规则,建立交通拥堵演变的传播模型分析法,研究拥堵和消散传播规律与特征,有效计算传播速度。最后以重庆市黄花园大桥为例进行建模验证,研究表明,基于ESDI的道路交通状态判别方法能正确划分路段所处拥堵状态,基于矩形法的交通拥堵传播模型能有效得到道路拥堵演变特征,包括常发或偶发性拥堵、消散的起止时间、传播速度及发生原因等。     

音素隐马尔可夫模型的训练及分布共享

在语音识别中，为了得到分布共享的异音模型，先要知道与发音语境无关的音素模型。     

一个对隐马尔可夫模型用于自由语句说话人的研究

研究了遍历型和从左以右型隐马尔可夫模型用于自由语句的说话人识别。本文作者与其合作者已在过去发表的研究成果中阐明，由于遍历型模型可自动将音素根据语音类分配到各状态上，所以这种模型很适用于自由语句的说话人识别，对于从左到右型模型，我们用了一个子字技术来适合自由语句实验，我们预计此方法会较遍历模型更好，因为它不仅能反映说明人的静态信息，而且还能反映语声动态信息，在对于美国语声库中的４０个人的实验中，遍历     

量化子空间分布隐马尔可夫模型的直接训练

尽管量化子空问分布隐马尔可夫模型(QSDHMM)的间接训练算法具有简单实用等优点，但仍存在两个方面的不足：其一，QSDHMM的间接训练实际上要经历两个最优化过程，即先用原始语音数据训练连续分布隐马尔可夫模型(CDHMM)，然后将训练好了的CDHMM转换成QSDHMM。因此，QSDHMM的精度将受到影响；其二，没有发挥QSDHMM本身参数少的潜在优势．在系统的子空间捆绑结构为已知的前提下，文中提出了QSDHMM的直接训练算法．仿真实验表明，与传统的训练算法相比较，采用直接训练算法可减少训练数据约10倍，但识别精度并无明显降低。     

基于小波域隐马尔可夫树模型的多光谱遥感影像纹理分割技术研究

遥感图像纹理信息丰富，需要进行有效的纹理特征描述．小波域隐马尔可夫树（HMT）模型提供了一种有效的纹理特征提取方法．简述了HMT模型及分割思想，并在此基础上针对多光谱遥感图像，探索更好的纹理描述方法．通过适当的数学变换，得到多光谱遥感影像在不同角度下的描述：H—S—I分量和最大主成分分量．研究比较各分量特性并应用HMT模型，得到不同分量下纹理分割结果．实验表明，利用多光谱信息可有效地提高分割质量。     

基于交通需求的路网交通拥堵评价模型

文章提出了微观、中观、宏观3个层次上的用于评价交通拥堵状态的交通拥堵指数指标;确定了基于分层抽样技术的最低路段抽样方法,并采用综合评价法,以从时间角度表征交通需求的指标——车辆行驶时间（VHT）作为加权模型中的权重,建立了基于交通需求的交通拥堵评价加权模型。最后,以北京市为例,对北京市五环内路网的拥堵状况进行了评价。     

基于改进灰色马尔可夫的港口货物吞吐量预测研究

为了提高港口货物吞吐量的预测精度,以宁波舟山港为例对灰色马尔可夫组合预测模型进行了优化研究。首先,用中国统计年鉴中宁波舟山港货物吞吐量的历年数据建立灰色GM(1,1)模型;其次,对模拟误差值用一阶马尔可夫链进行修正并确定误差的转移状态,建立复合灰色马尔可夫预测模型;最后,用粒子群算法对该复合模型进行迭代寻优并优化改进,使模型能够根据实际情况对每个灰区间分别进行分析计算,并实时动态更新其区间参数;最终,提高改进后的模型误差精度。结果表明,用粒子群算法改进的灰色马尔可夫模型误差均值下降了37%,预测值与实际值的拟合度更高,预测结果更符合实际情况。     

基于灰色马尔可夫链模型的航空货运量预测研究

航空货运量预测是航空货运发展和决策的基础.将灰色系统理论和马尔可夫链相结合,提出了灰色-马尔可夫链预测航空货运量的预测方法,并且针对我国航空货运量的发展趋势进行了预测.理论分析与实践都表明,该方法不但预测结果可靠,而且能够对航空货运市场的发展趋势进行宏观把握,有利于决策者的经济决策行为.     

基于不同张量算法的交通拥堵识别效果对比分析

基于表征多维动态交通数据的张量数学模型,利用行程时间交通数据,对张量算法中交通拥堵识别效果较好的基于鲁棒主成分分析的张量恢复算法(RSTD)和基于贝叶斯定理的张量恢复算法(BPTF)进行分析,对比两种算法对交通拥堵的识别效果。结果表明,两者在常发性拥堵(早晚高峰)识别上的差距并不大,RSTD算法的偶发性拥堵(意外延误)识别能力强于BPTF算法,且RSTD算法具有更高的识别精度。整体来说RSTD算法的交通拥堵识别效果优于BPTF算法。     

基于动态栅格与隐马尔科夫模型前车换道意图识别

针对前车换道意图识别预测问题,提出基于动态栅格地图与混合高斯隐马尔科夫模型结合的识别预测方法,建立以自车车头中心点为零点的动态栅格地图描述前车的位置信息,基于语义分割的方法获取前方车辆的轮廓特征与车道线,并分析前方障碍车辆的相关运动状态信息.将动态栅格地图与混合高斯隐马尔科夫模型相结合,识别预测前车换道行为.利用可观测...     

基于改进VGG模型的低照度道路交通标志识别

针对低照度情况下道路交通标志图像亮度偏低、饱和度过高、图像模糊、识别不精确等问题,提出一种基于膨胀卷积-VGG(dilated convolution-VGG,DC-VGG)模型的道路交通标志快速识别方法.首先,运用限制对比度直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)对图像H(色相)S(饱和度)V(色明度)空间中的V通道均衡化,实现低照度图像亮度增强;其次,在HSV空间中设定阈值分割出指定色彩,通过轮廓检测定位交通标志;然后,基于深度卷积对抗神经网络(deep convolutional generative adversarial networks,DCGAN)对真实的交通标志图像进行数据样本增强,以提高分类模型的鲁棒性;最后,提出DC-VGG轻量化模型实现交通标志快速识别.经验证,该方法达到94.12％的识别准确率,且能在硬件不佳的条件下实时检测.     

基于LVQ神经网络的交通拥堵预测研究

面对大量的交通参数数据,如何快速建立高效的分类预测模型以尽快地对拥堵状态进行判别是一个重要的问题。本文利用检测器提供的车速、流量和占有率等相关参数信息,提出了基于学习向量量化（LVQ）神经网络的交通拥堵预测模型．通过使用Matlab7．3数学软件的神经网络工具箱对该神经网络不断地训练,最终可以对道路正常状态和拥堵状态进行分类,通过交通流参数数据的输入预测出路段交通拥堵状况．最后,给出算例进行网络训练和测试,训练结果表明,运用该算法进行交通拥堵预测取得了良好的效果,具有一定的现实意义．     

基于级联失效的交通拥堵仿真研究

路运输网络的路段封锁失效时,往往造成交通拥堵。本文基于仿真方法研究公路运输网络的级联失效,依据交通工程学合理确定负载、容量,考虑相邻路段的负载和长度合理分配负载,将运输路段定义为正常和非正常两种状态,从道路和网络两个层次确定网络交通拥堵指数,对网络的交通拥堵进行宏观测度。最后通过仿真的方法分析公路运输网络在不同攻击情况下的级联失效,仿真结果对减弱公路运输网络的级联失效的危害和构建级联失效应急预案具有重要意义。     

基于马尔可夫链模型的交通拥挤状态预测

交通拥挤严重影响了道路交通的安全性和运行效率,如何对交通拥挤状态进行判别,并预测下一时刻交通状态的变化趋势,是提高交通管理水平的一个关键.利用马尔可夫链建立了交通状态预测模型,实例表明该模型对短期交通状态预测具有良好的适用性.     

基于CapsNet模型的过程故障识别研究

为了实现过程故障的识别诊断,文章使用CapsNet模型训练数据。首先,运用网络模型的空间特性,以向量的形式对训练数据进行特征表示、归一化处理。然后,进行卷积操作,在动态一致路由更新上进行故障分类。最后,增加重构模块来对输入数据矩阵反馈修正,降低损失误差,使网络快速收敛。同时,在每一层网络进行特征可视化,能清楚看到每一层网络特征图的变化。实验结果表明,文章模型的过程故障识别性能优于其他神经网络模型。     

基于隐马尔科夫模型的文本分类

文本分类经过多年的发展,已经产生了很多成熟高效的算法.将隐马尔科夫模型用于文本分类,对每个文本类构建一个隐马尔科夫模型,x2检验获得类别特征词集,其状态转移表示按照一指定顺序对类别特征词集进行遍历,状态输出符号为特征词的词频,隐马尔科夫模型的状态转移过程隐含的表示了属于该类的文本的形成过程.具有最大概率的HMM分类器就是所属的类别.该算法不仅将特征词考虑进去,而且还将词频信息融入隐马尔科夫模型中,实验结果表明该方法分类效率较高     

考虑交通拥堵的出租车市场均衡模型

为了衡量交通拥堵对出租车市场均衡结果的影响,采用柯布—道格拉斯型生产函数作为匹配函数的表达形式,构建了交通拥堵环境下的包含巡游车与网约车的出租车市场均衡模型。算例表明,提高两类平均行驶速度对乘客等待时间、出租车空驶时间以及乘客占比具有不同的影响,但均能提高出租车系统的社会福利。在交通拥堵较为严重时,提高载客出租车平均行驶速度对提升出租车系统社会福利的效果更为显著。