一种结合2DLPP与2DPCA的人脸识别方法

为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA 不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99％以上.     

某变宽箱梁桥的梁格法分析

以某枢纽匝道变宽桥为例,采用有限元软件MIDAS/Civil进行梁格法分析,对该桥的梁格划分及截面特性的计算进行了详细说明,并对该桥的支座反力、位移进行了分析,得出该桥采用梁格法模拟的合理性,为以后同类型桥梁的设计提供了借鉴和参考。     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

基于乘客群体特征的城市轨道交通满意度研究

为提高城市轨道交通服务质量、优化乘客乘车体验、提升城市轨道交通在公共交通中的竞争力,对城市轨道交通乘客满意度开展研究。首先,选取乘客特征因素,引入皮尔逊积矩相关系数来分析乘客满意度与乘客特征因素的相关关系,提取对满意度存在显著影响的乘客特征因素。然后,运用主成分分析法刻画乘客群体特征,据此对乘客进行分类,并采用克鲁斯卡尔-沃利斯检验法来分析其满意度的差异性。基于此,对某城市地铁A号线2019年乘客满意度调查数据进行了分析,结果显示：地铁A号线乘客的出行频率、出行目的和收入水平与乘客满意度显著相关。通过主成分分析将乘客划分为常乘客与非常乘客,发现两者对城市轨道交通服务的关注点不同,常乘客更关注乘车效率,非常乘客更关注信息指引准确性,运营单位应针对不同乘客群体展开差异性服务。     

动态权重的数字化刻面分类模式研究

构件的分类与描述是构件库管理系统的核心。文章在研究经典刻面分类模式的基础上,提出了一种基于动态权重的数字化刻面分类模式。该模式通过原子术语数字化、动态权重的引入以及构件间相关度的定义,将构件的检索过程转化为n维空间中向量与矩阵的乘法。改进后的分类模式有效提高了构件检索时的查准率与检索效率。     

舰船工程风险演变机理和建模分析

为增强舰船工程风险管理的针对性与有效性,研究了舰船工程风险的演变机理,讨论了舰船工程中的各种风险成分及其相互关系.通过定性分析表明,随着舰船工程阶段的推移,不仅总的风险度是逐渐降低的,而且各种风险成分占总风险的比例也是不断变化的.在此基础上又通过建立数学模型的方法给出了舰船工程风险的演变模型与函数关系,并通过举例给出了风险演变和转化的趋势,进一步验证了定性分析的正确性.本文的研究成果为舰船工程风险的管理提供了理论依据.     

影响交叉口控制方式选择的主要因素的筛选与权重分析

城市平面交叉口是城市道路网络的基本节点,对其实施舍理的控制,是解决交叉口问题的关键。影响交叉口控制方式选择的因素很多,因此必须对各种影响因素做出筛选,找到主要的影响因素,才能合理地确定控制方式。相关的研究成果可以应用于交叉口的改造．并为交叉口的综合效益分析奠定基础。     

放电型前照灯的结构与检修

针对目前汽车前照灯常用的卤钨光源难以解决的车辆前照灯久用光度衰减的问题,介绍放电型前照灯的组成、工作原理,放电型前照灯的使用与维修注意事项,放电型前照灯控制单元配置及调零方法,并对氙气灯与卤素灯的性能进行了比较。     

Efficient missing data imputing for traffic flow by considering temporal and spatial dependence

The missing data problem remains as a difficulty in a diverse variety of transportation applications, e.g. traffic flow prediction and traffic pattern recognition. To solve this problem, numerous algorithms had been proposed in the last decade to impute the missed data. However, few existing studies had fully used the traffic flow information of neighboring detecting points to improve imputing performance. In this paper, probabilistic principle component analysis (PPCA) based imputing method, which had been proven to be one of the most effective imputing methods without using temporal or spatial dependence, is extended to utilize the information of multiple points. We systematically examine the potential benefits of multi-point data fusion and study the possible influence of measurement time lags. Tests indicate that the hidden temporal–spatial dependence is nonlinear and could be better retrieved by kernel probabilistic principle component analysis (KPPCA) based method rather than PPCA method. Comparison proves that imputing errors can be notably reduced, if temporal–spatial dependence has been appropriately considered.     

整车试制阶段的电器故障诊断方法

以整车装车与跑车验证案例为背景，讨论汽车开发过程中汽车电器故障诊断的方法，阐述如何应用零部件置换原则来分析故障的重要性等级（significance）。