基于模糊聚类和识别的出租车合乘算法研究

针对目前部分大城市出租车合乘效果差,合乘效率低等现状,本文采用模糊聚 类和模糊识别方法,研究出租车行驶路线模糊聚类,并利用行驶路线、行驶时间和合乘人 数创建隶属函数,实现合乘乘客与出租车的合乘模糊识别.通过随机生成的多组出租车出 行和合乘乘客样本数据,发现在假定的出租车合乘条件下,出租车样本数量决定了合乘 的成功率,但同时也发现,在合乘人数固定的情况下,无限制的增加出租车样本数量会增 加合乘乘客的搭载成功率,平均每辆合乘出租车的收入并不会随着样本数量的增大而增 大,而是趋于稳定值.仿真结果说明,该算法适合于大样本的出租车合乘问题,是一种可以 提高出租车合乘成功率的有效方法.     

基于无监督学习的部分-整体关系获取

针对面向中文自由文本的部分-整体关系抽取问题,提出一种基于无监督学习的方法. 首先提出子模式提取算法,从领域文本集中获取概念对和概念对所在上下文模式,利用概念对和概念对上下文模式建立分布式语义模型;然后采用协同聚类算法将具有相同语义关系的概念对聚合成簇,通过训练L1正则化逻辑回归模型提取簇的特征并得到代表每个簇语义关系的概念对上下文模式;最后根据模式识别表达部分-整体关系的簇,从而获取部分-整体关系概念对. 实验结果表明,该方法取得较好的性能,F度量达到68.97%,优于传统聚类方法（55.77%）和模式匹配方法（61.95%）.      

运用于京沪高铁动车组中WTD技术的改进

车载无线传输网关（WTD）技术通过对车辆的实时信息进行采集,处理及发送,使得在地面接收端的信息处理系统能够有效地监控与管理动车组.京沪高铁通信环境的变化对现有WTD技术提出了更高要求.本文通过引入有限状态机技术,类P2P文件传输技术,使得改进后的WTD技术能够在这种新的高速铁路环境下发挥更大的作用.     

基于动态PCA的核动力装置传感器故障检测

针对变工况过程中传统主元分析方法的模型不适应问题,通过稳定性因子分析,剔除过渡过程数据,并用模糊聚类方法将不同稳态工况进行分类,利用动态主元模型方法根据工况类型建立不同的主元模型,并将该方法用于核动力装置传感器的故障检测,结果表明该方法能够适应变工况情况下的传感器故障检测,减少了故障的误检,并提高了检测灵敏度．     

“行为导向”的建筑类英语自主学习能力探究

"行为导向"是上世纪80年代德国"双元制"职业教育中提倡的一种教学方法。近年来它被越来越多的高职教师所关注,并逐步应用于自己的课堂教学。本文介绍了行为导向教学模式及其优势,通过对建筑类高职生英语学习现状的分析,指出公共英语教师应将"行为导向法"引入其课堂,结合其理论下的模拟仿真教学法、合作学习法、案例教学法和大脑风暴法这四种教法,有效提高和培养学生英语自主学习的能力,使其为高职院校的英语课程改革服务。     

社会体育专业管理类课程实践教学模式研究

本文根据社会体育专业培养目标,以《健身俱乐部经营与管理》课程为例,分析指出现阶段社会体育专业在实践教学中存在的问题,探索研究在体育专业领域培养经营管理人才的实践教学模式,为体育专业培养经营管理人才实践教学改革提供了理论基础。     

灰色变权聚类法在吉茶路隧道大变形风险评估中的应用

通过分析隧道大变形的机制,应用灰色变权聚类法,建立了隧道大变形风险评价模型,同时根据隧道风险评估特点,增设了相应的经验定权系数,解决了灰色变权聚类对评价参数量纲不同的适用性问题,有效完成了对隧道大变形风险的评价,具有较高的应用价值。     

ATIS渗透率对有限理性用户行程可靠性的影响

鉴于行程时间可靠性是累积前景择路模型参考点设置的首要依据,采用先进交通信息系统(ATIS)引导此类用户择路能否显著改善路径、OD和系统行程时间可靠性成为一个有意义的研究课题.对此,本文构建了基于双参考点累积到达时间价值择路模型与ATIS引导下路径行程时间最可靠择路模型的多类用户均衡网络,以研究随机退化路网中ATIS渗透率对双参考点有限理性用户行程时间可靠性的影响.结果表明,针对路径、OD和整个系统而言,通畅时,高渗透率能提高系统可靠性,并增加可靠性曲线的稳定性;但拥堵时,一定比例的渗透率能增加可靠性值,而高渗透率反而可能降低部分用户的可靠性.     

基于时空聚类算法的轨迹停驻点识别研究

利用手机等智能移动终端获取个体出行GPS轨迹数据,提出了一种新的时空聚类算法AT-DBSCAN识别轨迹中的停驻点.该方法以固定长度的滑窗搜索核心点,以时空邻近条件定义簇间距离,以簇密度大小规定合并次序.提出了出行次数一致性、出行起止时刻误差、停驻点时长误差、停驻点中心偏移距离4个算法验证指标,弥补了传统查全率、查准率等忽略停驻点时空信息准确性的不足.结果表明,识别的停驻点有98%的位置误差在30m以内,100%的时长误差在5min以内,98%的出行起止时刻误差在5min以内.此外,算法对于室内活动、定位飘移、路径重合程度高等复杂轨迹具有较好的泛化能力.     

高速公路事故多发点鉴别及诱发因素识别

为了提高事故多发点鉴别的客观公正性及自动化识别水平,提出了在公路沿线上划分初始评估地点的动态聚类算法,建立了鉴别事故多发点的自组织神经网络模型,给出了基于离散多变量算法与概率分布相结合的事故多发点突出事故诱发因素识别过程. 方法应用结果表明,基于动态聚类的初始评估点划分方法能够客观地描述出事故点在公路沿线上的集中与分散状况,而神经网络鉴别模型能够对初始评估地点的安全状况进行自动分类且结果较合理. 在掌握了能够满足统计分析要求的事故样本点数量的基础上,能够应用突出事故诱发因素识别方法建立一套评估标准,并用来识别事故多发点的突出事故诱发因素.