天然气流量信息融合及聚类控制系统

根据天然气流量数学模型,提出了天然气流量信息融合聚类结构,通过ART 2网络和BP网络对影响流量的差压、压力及温度传感器数据进行融合和输出空间聚类分析,制定了在输出流量变化时保持输出压力稳定的聚类控制策略.该系统已用于四川省广元市天然气远程监测调度系统.实测结果表明该系统的天然气流量变化范围在5%～95%时,压力波动不超过±10%.     

回收沥青路面(RAP)材料的分类及其评价方法

为解决再生过程中回收沥青路面材料（RAP）的变异性问题,根据《公路沥青路面再生技术规范（JTGF41—2008）》,对回收沥青路面材料（RAP）按表观质量和内在质量进行初步分类。用单因素方差分析法和K均值聚类分析方法,通过SPSS软件,对初步分类的数据进行评价,评价的结果作为回收沥青路面材料（RAP）回收、预处理、堆放的依据。     

基于粗糙集聚类算法的铁路通道客运市场细分

对铁路通道内客运市场的细分,是研究铁路通道客流分担、客运产品设计的基础. 根据宝鸡-兰州铁路通道旅客出行方式选择调查数据,结合粗糙集理论,首先,构建了铁路通道旅客出行方式选择决策表,对条件属性进行属性约简,并计算各属性的权重;其次,考虑到避免传统聚类算法的“维数陷阱”,提出了基于粗糙属性重要度的K-means聚类算法,并在UCI数据集上进行仿真实验;最后,运用该算法对调查数据样本进行聚类.结果表明：将铁路通道客运市场细分为6类时,具有最好的聚类效果;经统计分析发现,不同子市场的旅客出行行为有明显的偏好.     

应用模糊数学定量化方法分析交通状况

准确评价交通状况对经济的发展有重要的意义。用模糊数学的方法研究交通问题具有量化分析的优势。文中应用模糊数学中的模糊网络聚类分析和相似选择方法，定量地分析与评价了我国辽宁等5省交通状况，说明了交通状况对经济发展的制约情况。     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

基于AP聚类和深度卷积网络的船舶焊缝缺陷检测

针对船舶焊缝缺陷检测中存在定位困难和识别效率低问题,提出基于AP聚类和深度卷积神经网络的检测方法.采用基于距离最值的M-SMOTE算法进行焊缝样本不平衡数据集处理,实现少数类新样本的精细化生成,并提出基于AP聚类的深度卷积神经网络模型.模型先基于几何特征、强度特征和背景对比反差进行11个焊缝缺陷特征提取和AP聚类,并将聚类结果作为神经网络输入;采用自适应PCA法对网络进行降维,在保证识别准确率的基础上,通过参数化方法简化降维步骤.试验表明,在通用焊缝数据集上,文中模型的识别率高达98.87％,与准确率较高的VGG模型相比,训练时间缩短12.10％,模型存储减小11.94％;在船舶焊缝数据集上,文中模型的总体识别率达到98.00％,对比准确率较高的DNN模型,其准确率提高了 3.33％.     

基于12328电话数据的城市交通问题分析

本文基于四川省12328电话数据,综合考虑了各市相关行业的实际发展情况,用多种技术方法从不同角度对四川省相关交通行业存在的问题进行了挖掘和分析。区别于传统仅利用绝对值进行简单统计分析,本文引入暴露量进行分析。分析表明,城市的实际交通投诉情况与使用绝对值计算的结果有较大偏差。同时,采用因子分析的方法,发现巡游出租车在打车难、异地经营等方面存在较为严重的问题。利用FCM聚类的方法,对城市群从业务类型、出租车运营管理占比和分类两个方面进行聚类,发现不同类型下的城市群具备一些共同的特征,可为行业管理者制定相关措施提供一定参考。     

区位对高铁车站周边地区开发的影响

高铁车站选址需要综合考虑技术、经济以及空间等诸多因素,国内已有研究缺乏针对新建高铁线路边缘化的选址及其对车站周边地区开发影响的定量分析。以京沪和武广高铁沿线城市的38个高铁车站及其周边地区发展状况为研究对象,探索高铁车站与城市中心的距离这一关键因素对高铁车站周边地区开发的影响机制。通过构建距离指数,系统分析不同区位高铁车站周边地区的开发特征,并通过聚类分析,得到车站周边地区开发规模与城市规模、距离指数的关系。结果表明,城市规模越大、距离指数越小,则开发量越大;在22个有开发车站中,距离指数较低(0.5~1.0)的车站周边地区开发效果最为显著;相对大、中开发类车站,小开发类和无开发类车站周边地区的开发情况对于城市规模和距离指数的变化更加敏感。     

航班起飞阶段QAR关键参数提取研究

为提取快速存储记录器(QAR)记录的航班起飞阶段的本质参数,提高飞行运行监控效率,建立飞行针对性训练,特提取某公司BB737-800机型的原始QAR数据进行参数提取研究。首先使用聚类分析对航班起飞阶段的QAR数据进行聚类,将起飞阶段变化趋势相近的变量进行比较,利用飞机性能工程相关知识分析变量之间的关系,保留关键变量,剔除重复变量。通过层层聚类和约简,最终得出航班起飞过程的关键参数为迎角、计算修正空速、垂直速度、横向加速度、纵向加速度、横滚姿态、俯仰角。该研究能够对QAR数据进行科学分类,对后续数据分析奠定基础。     

利用Hadoop云计算平台进行海量数据聚类分析

海洋信息的飞速增长使其数据量越来越多,对数据进行合理的分类,能够有效的挖掘数据与数据之间的关系。本文首先描述传统的K-Mean聚类算法,并指出其影响因素,在此基础上进行改进,提出BRTI-KMeans算法,并将此算法与传统的K-Means算法和Canopy-K-Means算法进行比较,以此说明本文算法在进行海量数据聚类分析方面具有优越性。