基于半监督SVM的交通方式特征分析和识别

为解决基于手机信令数据识别大规模用户交通方式问题,多维度分析出行方式特征,提出结合主动学习和Tri-training的半监督支持向量机算法。以手机信令出行链为基础,将出行特征划分为距离、时间、速度、出行者属性等四类,并进一步研究多维度特征及其计算方法 ,基于有向无环图设计一种结合主动学习与基于Tri-training的半监督多分类支持向量机。运用HY市手机信令数据构建样本集并训练该分类器,与多种监督学习分类算法进行比较。结果表明主动学习构造的富含信息的已标记样本集可以减少半监督学习的迭代次数,Tri-training半监督支持向量机可以通过大量未标记样本提升分类器准确率,结合主动学习与Tri-training半监督支持向量机算法可以有效地识别手机信令数据出行链的交通方式。     

高原双车道公路事故形态影响因素分析

基于青海省109国道事故样本数据,对高原双车道公路事故特征进行深入分析,从道路环境、自然环境、车辆运行情况等方面研究发生冲出路外事故、路内事故形态的影响因素。     

考虑批量订购的铁路客运动态定价研究

我国传统的铁路客运定价较少考虑旅客需求变化与运输能力的限制等条件,使用比较单一的价格制定机制,这种方式由于缺乏对市场需求反映,难以试下实现企业收益的稳步提升,同时也使得部分运输能力闲置。针对固定价格存在的缺陷,在考虑批量订购的基础上,针对分类的乘客需求建立了离散时间马尔科夫定价模型对高铁客运进行定价决策。应用最大凹向包络理论,对离散时间的多维马尔科夫模型进行了优化求解,并提出了市场需求变化时价格动态调整的策略,最后通过数值仿真验证了该模型的正确性。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

混合式教学创新模式研究

文中以混合式教学为研究对象,旨在找到一种行之有效的新模式来指导实践教学。在对混合学习的理论基础及内涵阐述后,找到了混合学习的本质特征并提出了一种创新的混合教学模式。最后,分析了这一新模式在实践中的优点及可行性。     

位场向下延拓系数矩阵性质及Barzilai-Borwein向下延拓法

位场的向下延拓不仅仅能够提高地球物理数据解释的可靠性，在导航方面也有着重要的作用. 为了进一步提高计算精度和速度，提出了位场向下延拓的Barzilai-Borwein （BB）法. 首先证明了位场向下延拓的系数矩阵为对称的双重Toeplitz系统矩阵（block-Toeplitz-Toeplitz-block，BTTB）；其次，假定该系数矩阵为正定的条件下，采用BB法迭代求解下延方程组，并约束其迭代步长确保算法收敛；最后，分别通过理论模型无噪声数据和实际资料对BB法进行检验，并与积分迭代法进行对比. 结果表明:理论模型验证时，同一收敛精度条件下，BB法的计算速度是积分迭代法的2倍以上；实际资料检验时，在相同计算次数下，BB法与积分迭代法的平均相对误差分别为6.1%与7.7%.      

基于碰撞案例的船舶双方过失分析及应对措施

<正>伴随着航运业的快速发展,船舶航行速度显著提升,吨位明显增大,各国拥有的船舶数量也急剧增加,各海域的船舶通航密度迅速增大,与此同时船舶碰撞事故也是成倍增加。数据统计显示,70%以上的碰撞事故是在能见度不良情况下发生的,因此研究分析在能见度不良时海事高发的原因,据此提高船舶航行安全,从而避免人员伤亡、财产损失,减少海事的发生具有十分重要的意义。一、碰撞案例概要2007年5月12日0308时30秒,从烟台驶往大连的集装箱船"金盛"轮与从营口鲅鱼圈港驶往韩国唐津     

小疏忽酿成大事故

小张不见了已经一个星期没见到三楼小张了,最后一次跟他下棋时,他说第二天出车去天津。按以往的经验,一天一夜准回来,这次是怎么了?会不会出事了?几个老棋友直嘀咕。还真让老哥儿几个说着了,小张真的出事了,这会儿正