边坡监测中FCM聚类算法的应用研究

利用模糊聚类分析方法将边坡进行安全等级分类,在提高变形监测效率的基础上可降低工作量。FCM聚类分析算法更具科学性,是理论最为完善且应用较多的算法。利用边坡的坡角、高度、边坡所处的水文地质条件作为影响边坡稳定的影响指标,来对边坡监测点的安全等级分类,从而降低工作量,提高工作效率。     

Outlier mining based abnormal machine detection in intelligent maintenance

Assessing machine’s performance through comparing the same or similar machines is important to implement intelligent maintenance for swarm machine. In this paper, an outlier mining based abnormal machine detection algorithm is proposed for this purpose. Firstly, the outlier mining based on clustering is introduced and the definition of cluster-based global outlier factor (CBGOF) is presented. Then the modified swarm intelligence clustering(MSIC) algorithm is suggested and the outlier mining algorithm based on MSIC is proposed. The algorithm can not only cluster machines according to their performance but also detect possible abnormal machines. Finally, a comparison of mobile soccer robots’ performance proves the algorithm is feasible and effective.     

基于居民出行需求的城市公共交通运营水平综合评价

分析影响城市公共交通运营水平的因素,在充分考虑居民出行需求的基础上,遵循科学性、合理性、客观性、完备性的原则,结合兰州市城市交通实际,建立城市公共交通运营水平的评价指标体系。运用灰色聚类分析法,构建城市公共交通运营水平评价的层次结构,建立综合评价数学模型,对兰州市公共交通运营水平纵向进行全面评价。     

天然气重型发动机电控系统分析

介绍陕汽重型载货汽车T6114ZLQ3B型CNG天然气发动机电子控制系统的结构组成,阐述各相关部件的结构特点、工作原理和故障代码的读取。     

使用分类和聚类提高搜索引擎的可用性

由于很多Web用户面对搜索引擎搜索出来的成千上万条结果记录没有耐心一页一页地翻找,搜索出来的内容就不能得到有效的利用.自动分类聚类技术将是搜索引擎进一步改善搜索效率的一个很重要的方面.介绍联合使用分类聚类技术来改善搜索结果的表示形式,提高搜索引擎的可用性.     

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%.     

基于OpenStreetMap的城市自行车网建模与多判据路径规划

自行车交通是一种健康、绿色、环保的交通出行方式,合理地规划自行车出行路线对于满足骑行者多元化出行需求、构建安全规范的城市交通出行环境具有重要的意义.在对真实骑行者路径选择行为深入分析的基础上,提出了基于Open Street Map的城市自行车网络的构建方法及基于其上的多判据自行车路径优化的数学模型,并给出了求解该模型的一种基于聚类的最优多判据路径规划方法.实验仿真结果表明,该模型及方法能够生成满足骑行者真实需求的多判据路线方案.     

基于PCA-聚类分析的高铁旅客购票行为特性研究

铁路运输中旅客购票行为是铁路客运运营策略制定的重要基础.旅客购票行为直接影响着列车能力的占用过程,是铁路客运票额组织的重要依据.根据贵阳—广州高速铁路的旅客购票统计数据,以高铁购票旅客为样本,运用主成分分析法购票行为的特征属性进行综合分析,获得购票行为中重要特征变量.结合单次购票强度提出基于模糊C均值的双重聚类算法,对购票旅客进行聚类,并利用模糊聚类有效性指标Xie-beni和分离系数法确定最佳聚类数.结果表明,高铁旅客购票行为的关键特性为单次出行旅客人数、购票提前天数、出行OD城市人均GDP和购票渠道;不同旅客类型的购票行为有明显特性.     

基于特征子序列修正的公交刷卡滞后时间推算

针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。     

An Adaptive Joint Source/Channel Coding Using Error Correcting Arithmetic Codes

An approximately optimal adaptive arithmetic coding (AC) system using a forbidden symbol (FS) over noisy channels was proposed which allows one to jointly and adaptively design the source decoding and channel correcting in a single process, with superior performance compared with traditional separated techniques. The concept of adaptiveness is applied not only to the source model but also to the amount of coding redundancy. In addition, an improved branch metric computing algorithm and a faster sequential searching algorithm compared with the system proposed by Grangetto were proposed. The proposed system is tested in the case of image transmission over the AWGN channel, and compared with traditional separated system in terms of packet error rate and complexity. Both hard and soft decoding were taken into account.