基于Apriori算法的城市关键路段识别

为提高城市交通精细化管理,方便居民出行,采集车辆出行过程中的射频识别(RFID)数据,利用大数据算法实现城市路网中关键路段的识别,提出了一种基于Apriori 算法的城市关键路段识别方法。该方法通过计算支持度,计算出1 d 内城市道路的频繁程度以确定城市路网中的关键路段。本文对判定城市路网中的关键路段提供了新思路,为制定关键路段交通拥堵管理措施、引导部分交通流出行路径或通行权提供了重要依据。并对关键路段的交通流来源进行分析,回溯每条关键路段交通流的产生源头,进而指导城市交通规划和基础设施建设。     

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.     

多尺度稀疏电能质量扰动识别方法

针对传统电能质量扰动识别中存在数据量大、扰动特征依赖主观选择的问题,提出一种多尺度稀疏电能质量扰动深度识别方法.首先,构建电能质量的多尺度稀疏模型,通过对扰动信号平稳小波多尺度变换获得扰动的低高频信息;然后,对其压缩采样获得降维的测量数据,并在此基础之上,应用正交匹配追踪算法求取各层稀疏系数组成稀疏向量,将稀疏向量输入深度置信网络,实现扰动的智能识别;同时,为进一步提高网络识别的准确性,采用交叉熵算法完成对网络隐含层数、学习率等参数寻优;最后,为验证所述方法的有效性,针对几类典型的单一扰动和复合扰动信号进行大量仿真试验.结果表明:在理想环境和噪声环境下,针对七类典型单一扰动,平均识别率达到99.0%和96.71%以上;针对13类多重扰动,平均识别到达97.69%和94.62%以上.     

高速列车噪声源声功率与速度的函数关系

为了解决既有对数经验公式无法拟合高速列车显著声源贡献率与速度的函数关系这一问题,使用轮辐声阵列进行高速列车车外声源识别试验;根据显著声源位置对列车表面进行区域划分,量化分析显著声源区域的声功率级和声功率贡献率与速度之间的关系;在既有对数经验公式的基础上,根据不同种类噪声声功率随速度的变化特性,建立新的拟合公式;结合列车噪声测试数据对新的拟合公式进行验证.研究结果表明:列车以350 km/h运行时,下部区域对列车总辐射噪声的贡献率占70%以上,升弓区域对局部区域声功率的影响最显著,超过50%;随着速度的增长,下部区域的贡献率逐渐减小,弓网区域逐渐增大,显著声源区域的贡献率变化先快后慢,最后趋于稳定;利用新的拟合方法得出,列车声源区域的声功率级和声功率贡献率与速度的拟合度基本都在0.9以上.     

基于自回归条件异方差转换指标的非线性损伤识别

为了解决时域非线性损伤的识别问题,基于自回归条件异方差（ARCH）模型的基本理论给出了ARCH模型建模的定阶方法及模型参数估计的极大似然估计法;分析了结构非线性损伤的特性,提出了基于ARCH模型的非线性损伤识别原理;考虑到基于自由度的损伤指标难于判断损伤位置,故提出了一种自回归条件异方差转换指标;在测量误差和模型误差的影响下,使用3层框架结构的非线性损伤试验来验证该损伤指标的有效性. 试验结果表明:非线性间隙距离为0.05 mm和0.10 mm时,损伤位置第3层的自回归条件异方差转换指标值比传统的倒谱测距转化指标值高21.7%以上;当非线性间隙距离为0.20 mm时,第3层的自回归条件异方差转换指标值比倒谱测距转化指标值高3.7%.      

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.     

基于轻量级卷积神经网络的烟雾识别算法

由于烟雾图像场景模糊不清,背景复杂多变,难以捕获到有效特征,导致算法识别误报率和漏报率较高;此外,深度卷积神经网络结构复杂,参数繁多,难以缩短其计算时间至1 ms内,这成为实时火灾预警的一大难题. 为了解决上述问题,提出了一种基于4种Inception结构的轻量级卷积神经网络SInception （sequeeze-and-excitation inception）在此基础上加入SE Block （sequeeze-and-excitation block）用于对烟雾特征进行重新分配;同时,为了避免由于训练样本不足引起的过拟合,原始数据集上采用数据增强技术以及生成对抗网络生成更多训练样本,并在后续实验中采用了融合暗通道先验特征的策略. 实验结果表明:该网络在增强的数据集GAN-Aug-YUAN上将识别误报率降为0的同时将准确率提升至99.65%,且计算时间减少到0.26 ms.      

基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.     

结构损伤识别理论的研究现状与进展

桥梁结构损伤识别是工程界近年来研究的热点之一,发表了大量不同的理论和算法。从三个方面:(1)基于模型修正理论的结构损伤识别;(2)损伤指数法;(3)人工神经网络法等,对近年来国内外基于振动分析和结构动力学参数的结构损伤识别理论进行了比较系统的总结和评述,介绍了结构损伤识别领域研究的现状,给出了基于动力学参数和振动分析的结构损伤识别的模式,并分析了存在的困难以及需要进一步研究的问题。