动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.     

基于时空特性和组合深度学习的交通流参数估计

为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州...     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。     

基于改进移动最小二乘法的结构可靠性分析

基于改进移动最小二乘法对结构可靠性问题进行分析,数值模拟结果表明,改进方法可有效提高计算精度.具体方法是使用椭圆范数代替二范数来度量样本点到中心点的距离,并根据上次迭代所得到的响应面在中心点处的法向量与坐标轴所成角度,对影响域进行旋转变换;从而将样本点的权重大小由样本点与中心点、响应面的距离共同决定,并将每次迭代得到的响应面函数在中心点处的法向信息包含在内.     

舰载机试飞数据的移动基准区间与牛顿插值处理

分析飞行试验数据具有数据量大,需分段加载和截取的特点,针对试飞数据预处理过程中常规全局统计误差分析方法有时难以满足要求的问题,建立移动基准区间和牛顿插值相结合的误差修正模型,提出移动基准区间牛顿插方法,并应用于飞行试验数据处理中,最后通过实例验证其有效性.     

货物系固力是船体局部强度不可忽视的载荷

在装载重大件货物时,要校核船体结构的局部强度。实际航运中,为了防止重大件货物的移动和倾倒,要对重大件货物进行系固。这就使船体结构所承受的压力,大于重大件货物本身的自重。从超出的数量上来讲,给船体结构局部强度带来的影响是不可忽视的。此文对此进行了计算和分析。     

移动的海上艺术馆

最近意大利百年老店Bagletto造船厂可谓风光无限,在过去8个月间一共下水了6艘超级游艇。这在经济萎靡的背景下堪称战绩骄人,Baglietto在全世界超级游艇主间的认知度由此可见一斑。     

基于流形理论的数据分类挖掘

数据挖掘技术应用于作战指挥挖掘系统,能为指挥员的决策分析提供智能化的、自动化的辅助手段。在分析数据挖掘问题中的分类算法的基础上,利用流形结构对分类算法进行了改进。从而避免全局线性对分类信息造成的丢失,保留完整的数据结构信息,在一般意义下完成针对数据集的各项任务。     

移动Agent在网络信息安全中的应用研究

针对如今计算机网络面临的信息安全问题,分析了传统的解决网络安全问题的入侵检测技术、拥塞控制技术和故障管理技术的不足之处,引入移动Agent应用于这三种系统中,分析其可行性,并提出了基于移动Agent的三种系统的组成和系统结构。