基于DAG-SVM的居民出行方式选择模型

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.      

基于向量式有限元的响应围裙特性参数分析

为了实现大扰动下的响应围裙特性参数计算分析,基于向量式结构力学,提出一种计算大扰动下围裙复杂成型的向量式有限元法。运用该有限元法进行了围裙特性参数计算,并全面分析了囊压比、航速、触水深度和几何参数对响应围裙特性参数的影响,得出的结论可为响应围裙的设计提供一定参考。     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

基于视频的车辆特征表达与分类算法

为实现车辆类型的高精度检测,提出了基于偏心矩向量的特征表达方法,将运动车辆轮廓点与重心之间的距离定义为偏心矩,构造特征向量实现车辆的标识.该特征向量具备旋转、平移、伸缩的不变性,能够克服目标运动状态和环境变化的影响.采用支持向量机构建多类最优分类超平面,实现运动车辆的多类别快速分类.实验结果表明,不同类别车辆特征区分明显,识别准确率可达94%以上.     

基于粗糙集与支持向量机的无级变速器速比控制阀质量分类

在提取无级变速器速比控制阀性能特征参数的基础上,提出了采用粗糙集和支持向量机相结合的质量分类方法.首先,基于粗糙集理论对特征参数集进行属性约简;然后,使用支持向量机分类器对速比控制阀进行质量分类.实验结果表明该方法的分类准确率能够达到93.6%,具有良好的工程应用价值.     

声传递向量法在汽车驱动桥声辐射中的应用

为了分析和控制汽车动力传动系统的辐射噪声,应用声传递向量法对动力传动系统进行结构声辐射仿真研究.以汽车驱动桥为例,运用声传递向量仿真算法,计算得到驱动桥壳体表面辐射声压级、外场域点声压级等声学响应,并且在研制的汽车驱动桥性能试验台上进行试验.结果表明:仿真结果与试验结果吻合良好,声传递向量法在进行汽车动力传动系统声振分析时具有很高的可信度和良好的识别能力,是汽车产品设计过程中适用于结构声振分析的可靠仿真方法.     

模糊支持向量机和独立成分分析在人脸识别中的应用

将独立成分分析(ICA)、模糊支持向量机(FSVM)以及三叉决策树相结合并应用于人脸识别.首先对人脸图像做独立成分分析,提取有利于分类的面部特征的主要独立成分,然后在特征空间中,用FSVM和三叉决策树相结合设计人脸分类器.在ORL人脸库上的实验结果表明,该算法能够取得较好的分类效果.     

基于聚类分析算法的公交车到站时间预测研究

在现代城市中,准确获取公交车到站时间可以吸引更多人选择公交出行。但在目前城市交通日益拥堵的情况下,公交车在实际行驶过程中受多种因素的影响,导致行驶时间不稳定,这严重影响人们乘车体验感。本文结合了聚类分析和支持向量机,提出了一种基于聚类分析的公交到站时间预测模型。该模型使用了公交线路的站点数据,对所采集的数据进行标准化的预处理,并考虑了公交车在运行过程中受到的多种干扰因素,对鹰潭市27路公交上行线路进行了分析。结果表明,基于聚类分析和支持向量机的公交车到站时间预测模型的平均绝对误差在四十秒以内,预测精度也优于直接支持向量机的模型,能很好地预测公交车的到站时间。     

基于笔记本电脑的心电监护传输系统

详细阐述了电话线传输监护(TIM)的基本实现技术,包括模拟传输和数字传输方式,着重于数字式传输方式的实现方法,从工作机理上指出数字传输方式在传输生理信息方面有质量高、容量大等优点。在此基础上,结合作者研制的一个便携式无线传输监护的实例给予进一步说明。该系统利用笔记本电脑通过移动电话传输心电数据,医院监护中心的台式计算机接收数据,显示心电波形,从而实现无线传输监护。     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。