基于感兴趣区域的CNN-Squeeze 交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

CRC通用校验测试工具的设计与实现

CRC(循环冗余校验码)编码是数字信号传输中用得较普遍的一种差错控制编码.它不但可以用于纠正独立的随机错误,也可以用于纠正突发错误.目前已有的CRC校验算法程序很多,但往往只以一种生成多项式为例进行编写,缺少完整、通用性好、用户界面良好的应用软件.介绍了一种CRC通用校验测试工具的设计与实现过程,本测试工具将各种类型的CRC校验算法进行汇总,类型全、计算精度高、速度快、用户界面好、易操作.     

甚低频通信系统的自适应算术数据压缩研究

受其带宽的限制，甚低频通信系统的数据传输率较低。我们可通过自适应算术编码压缩来提高甚低频通信系统的数据传输率。为了提高算法的抗错误扩散能力，算法必须定期地返回到初始状态，然后采用纠错编码来降低错误率，但是这增加了冗余而牺牲了最终压缩效果。在考虑了开销之后，我们得出结论，自适应算术编码压缩技术确确实实能够为甚低频通信系统提高数据传输率。     

基于聚类分析的港口类型化研究

根据各港口集装箱运量增长的特点,通过软件SPSS,应用基于聚类分析的类型化方法将我国沿海主要集装箱港口分成三大类型,即普通增长型、加速增长型和波动增长型,并对各类型港口增长特点进行了分析.     

���ڻ�ɫ����ĸ��ٹ�·����·�η���ˮƽ����

高速公路基本段服务水平是分析高速公路通行能力的重要内容。本文首次将灰色聚类理论引入分析高速公路基本段服务水平，建立了基于灰色聚类的高速公路基本段服务水平的多目标决策分析模型.在构造白化矩阵和白化函数的基础上，计算出聚类权系数和聚类系数，并利用聚类系数确定出高速公路基本段服务水平的综合分析情况。最后通过算例进行了计算分析，验证了该模型的有效性、客观性和适用性，并归纳了模型的特点及适用范围，对分析高速公路基本段服务水平具有一定的借鉴意义。     

基于密度半径自适应选择的K-均值聚类算法

K-均值算法聚类速度快,易于实现,且对数据依赖度低,在文本聚类中得到广泛应用.然而,由于聚类初始中心点选择的随机性,传统K-均值算法以及其变种的聚类结果会产生较大的波动.文章对K-均值算法进行了改进,通过自适应选择最佳密度半径进而优化聚类初始中心选择的方法,得到一种适合文本数据聚类分析的改进算法.实验表明,该算法能够生成质量较高而且波动性较小的聚类结果.     

基于欠定盲源分离的柴油机曲轴轴承故障诊断方法研究

针对柴油机曲轴轴承振动信号盲源分离的欠定问题,提出了基于相空间重构和动态聚类奇异值分解的适定化方法。首先通过引入广义时间窗的概念确定最佳时间延迟和嵌入维数,重构信号相空间矩阵;然后对其进行奇异值分解,并对奇异值进行动态聚类以确定最佳重构阶数,进而重构得到虚拟观测信号,从而将欠定问题转变为适定或超定;最后利用自适应Parafac方法对原观测信号与虚拟观测信号构成虚拟传播路径进行盲源分离得到有效源信号。仿真结果表明,该方法可有效分离出混合信号中的源信号,并将其应用到柴油机曲轴轴承故障诊断中,诊断准确率提高了18.4%。     

基于弦测法与密度聚类的三维结构光波磨检测

为解决钢轨波磨人工检测费时费力及惯性法检测精度较低的问题,综合利用三维结构光技术、弦测法和密度聚类算法进行波磨检测。首先获取钢轨点云,通过纵向平面遍历轨头点云得到钢轨的纵向截面簇,其次利用弦测法计算相应纵向截面的谷深和波长。最后利用钢轨发生波磨时产生的接触斑,对遍历计算的谷深和波长分别进行密度聚类,将相同或相似接触斑的波磨信息聚类成簇,对聚类后各簇的结果进行统计分析得到相应钢轨的波磨信息。本方法结合三维结构光数据量大、弦测法计算直接明确的优点,通过密度聚类将不同深度、大小的波磨接触斑进行区别,有效地将钢轨波磨不同谷深及波长成分进行分类计算。实验室样件试验及现场试验表明,本方法能够实现对钢轨波磨的精确检测。     

基于自适应层次聚类的无绝缘轨道电路补偿电容故障诊断方法

针对目前无绝缘轨道电路JTC(Jointless Track Circuit)补偿电容故障诊断方法对补偿电容多故障情况检测不准确、无法充分利用历史监测数据且算法及时性不高、过度依赖于模型的情况,提出基于自适应层次聚类的JTC补偿电容故障诊断方法。通过定义相应类内类间距离判据,提出自适应层次聚类的算法流程。根据机车信号远程监测系统获取的历史监测数据,结合补偿电容故障的影响特征和规律,建立历史数据特征矩阵与样本矩阵,并提出相应的补偿电容多故障诊断策略。实验表明,本算法可以正确、有效地对补偿电容故障情况进行检测,能够提高历史监测数据的利用率。