基于二次误差测度的带属性三角网格简化算法

给出一种基于边折叠和二次误差测度的快速简便的算法来简化带属性的网格模型。该算法通过分别建立几何和颜色属性二次误差测度来计算几何和颜色属性误差,用几何与颜色属性误差的总和来控制网格简化的顺序和精度。边折叠是根据某种误差测度将候选的边按照折叠代价排序,每次取代价最小的边进行折叠操作,直至满足给定的终止条件。二次误差测度采用点到平面距离的平方作为误差测度。应用实例表明,该算法既能保证简化模型同初始模型在几何上尽可能相似,又能较好地保留初始模型的颜色、纹理等属性信息。     

多生物特征识别系统的关键技术

单生物识别技术一直存在着很多问题，它们在准确率，用户接受程度，成本等方面都有不同的缺点，并且适应于各自的应用场合。这些问题一般可以由多生物识别技术来克服。首先对各种不同生物特征识别技术作简要的介绍，然后分析多生物特征提出的背景，并着重阐述多生物特征识别技术系统的模型和各种数据融合技术及其相应的研究发展情况，提出了它的应用前景。     

Multimode trip information detection using personal trajectory data

Handheld global positioning system (GPS) devices can serve as a new tool to collect an individual's trip information with advantages of low cost, accurate data, and intensive spatial coverage. Various machine learning algorithms have been explored to detected trip train information in previous studies; however, few of them focused on the evaluation and comparison of the performance and applicability of different models. Meanwhile, according to previous studies, car and bus mode detection is a thorny issue due to their similar travel characteristics, and algorithms still need to be well explored and improved to solve this problem. In this article, an innovative method is proposed to detect trip information, including trip modes, mode-changing time and location, and other attributes, from personal trajectory data. The method is a two-step process. A machine learning algorith-based module (including artificial neural network, support vector machine, random forests, and Bayesian network) is firstly used to identify walk, bicycle, and motorized trip modes (bus or car); we thoroughly compared the performance of these four algorithms. Then a second module, using critical points on the GPS trajectories, is further developed to distinguish car and bus mode, incorporated with GIS map information. Field test results show that the proposed machine learning models can all be applied for walk, bicycle, and motorized mode detection with high detection rates exceeding 90%; however, the algorithms work relatively poorly for bus and car mode detection, with results mostly below 75%. The proposed two-step method can greatly improve bus and car mode detection accuracy by 14–30%. As a result, the average mode detection rates for all the four modes are above 90%. Compared with mode detection results by using only the machine learning algorithm, the proposed two-step method has much better performance in both accuracy and consistency.     

高性能PDA在道路工程中的应用

通过对国内外PDA在道路工程中的应用现状研究,提出了一种基于高性能PDA的道路内外业勘测设计一体化系统,阐述了系统主要模块的功能,并对其开发、运行环境进行了说明。该系统具有功能强大、效率高、实时化、可视化、操作简便等优点。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于粗糙集理论的交通事故形态成因分析

交通事故成因复杂且具有不确定性,难以用一两种因素表征。为提取影响交通事故的核心因素并量化各因素的影响力,引入不确定性分析方法--粗糙集理论。首先根据历史事故数据建立粗糙集信息决策表,之后利用粗糙集理论的简约算法求出各因素相对于事故形态的属性重要度,最终判断出各因素对事故形态的影响程度,为道路事故形态预测模型的建立提供科学、合理的指标选取依据。     

具有模糊特性变量的出行方式预测Logit模型

基于非集计模型与模糊数学理论,以城市群居民出行行为为研究对象,选择出行者的出行时间和出行费用作为影响因素,利用极大似然估计法进行参数标定,通过t检验、命中率检验与优度检验,将出行时间模糊化,忽略出行费用的影响,建立了具有模糊特性变量的出行方式预测Logit模型。将轨道交通与小汽车2种出行方式的时间模糊化参数分别选为0.1、0.3、0.5,分析了出行方式与出行时间对居民出行行为的影响。分析结果表明:轨道交通与小汽车的平均出行感知时间之比为0.8～1.2,且2种出行感知时间同等程度变化;当轨道交通出行时间模糊化参数为0.1,小汽车出行时间小于70min时,出行者均选择轨道交通出行;当轨道交通出行时间模糊化参数为0.3,小汽车出行时间小于67min时,出行者继续选择轨道交通出行,但当小汽车出行时间大于67min,小汽车出行时间模糊化参数分别为0.1、0.3时,出行者选择小汽车出行;当轨道交通出行时间模糊化参数为0.5,小汽车出行时间小于58min时,出行者仍然选择轨道交通出行,但当小汽车出行时间大于66min时,出行者均选择小汽车出行。     

基于 Apriori 算法的海事事故中人为失误致因分析

海事事故主要是由人为失误引发的,人为失误又受个人因素、环境因素、船舶因素以及组织因素的影响。一般统计方法只能够初步识别引发海洋事故的人为失误行为,想要进一步建立人为失误和影响因素之间的关系比较困难。利用了数据挖掘中的关联规则技术建立模型,对人为失误与导致因素之间的关系进行分析。以国内外100份海事事故调查报告作为对象,研究出人为失误和环境因素之间的关系。实践表明,人为因素和环境因素是导致海事事故发生的重要因素。      

粗集及遗传算法在交通事故黑点分析中的应用

交通事故黑点是由好多种因素综合到一起而形成的。利用粗集理论及遗传算法对冗余的黑点成因进行删减,得到主要的黑点成因,从而进行有针对性的治理,以达到减少交通事故的目的。     

基于Malmquist 指数和属性论的港口资源整合效果后评价

港口资源整合效果受到主客观多重因素影响,因此需将客观定量评价模型和主观定性评价模型相结合全面评价港口资源整合后效果.港口资源整合的目标在于优化资源配置效率,因此采用Malmquist 指数方法对整合前后港口及港口群沿时间轴纵向的资源配置效率改进情况进行量化评价.由于专家对指标体系权重偏好选择和得分评价之间存在一定的相关关系,因此探索采用属性论方法评价港口资源整合能力指标体系.由于两个模型在评价方法上存在着互补性,因此将二者评价结论相结合来分析港口资源整合效果的可靠度更高,并可反映资源整合过程中实际存在的瓶颈.