基于路面指纹的高精度车辆定位

车辆定位广泛使用基于视觉的定位方法,针对前视图像或侧视图像易受到周围环境的影响且定位过程中需要遍历匹配地图图像导致耗时较长的问题,本文提出一种基于俯视路面图像的表征模型--路面指纹.路面指纹包含GPS(Global Positioning System),路面特征和图像特征点.该模型通过卷积神经网络(Convolutional Neural Network, CNN)结合连通区域识别待定位图像的路面特征信息,利用路面特征信息对GPS初定位筛选的地图节点进一步筛选从而提高定位效率.分别在路面特征信息密集和稀疏的路段下进行实验,实验结果表明,通过引入路面指纹使定位耗时减少20.3%,平均定位误差为47.4 mm.该方法能提高定位效率并实现高精度车辆定位.     

低噪声机房设计典型方案分析

简要分析低噪声机房设计的工作原理,通过典型方案,介绍设计的基本思路和技巧。     

TPMS系统的应用

随着社会消费者安全意识的提高和安全法规标准的深入,汽车的另一项安全技术——TPMS轮胎气压监测系统正在广泛应用。通过对TPMS系统的组成、系统的标定及初始化学习的简要介绍,使读者了解TPMS轮胎气压检测系统的当前应用和发展方向。     

国内沥青路面冷再生结构研究

介绍了沥青路面厂拌和就地冷再生技术及其优点,列举了国内各省市路面冷再生结构,总结了这些结构的特点,为我国各等级公路大中修提供宝贵的经验。     

流媒体技术在铁路党校教学中的研究与应用

流媒体技术是一种新兴的网络传输技术,这种技术已经广泛地应用于远程教育,从铁路改革和铁路党校信息化建设的实际,探索和研究流媒体技术在铁路党校干部培训中应用的必要性和可行性.     

小置信范围下指示函数的沃尔什逼近

讨论了基于统计学习理论中满足较小置信范围时,采用沃尔什函数逼近机器学习响应函数,从而在结构风险最小化原则条件下使风险泛函最小,保证了小样本环境下机器学习的误差最小,并且获得较好的学习推广能力.     

多仿生机器鱼群体定位控制

研制了一种多微小型仿生机器鱼实验平台，对微小型机器鱼的游动速度、最小转弯半径和急转角度等机动性能进行了测试。在此基础上，进行了机器鱼水中定位控制的研究。由于水面波动和多机器鱼之间的相互干扰，机器鱼在水中的游动是一种高度的非线性问题，难以进行精确定位控制。提出了一种机器鱼自学习的算法，通过建立机器鱼行为信息数据库，实现了机器鱼的精确定位控制。     

基于UML状态图和基本Petri网生成测试用例

结合UML状态图和Petri网提出了一种生成测试用例的方法。将UML状态图转换成对应的EN-系统模型，利用EN-系统的性质检测并排除UML状态图中的不可达状态和事件的冲突和冲撞；再应用与合理的UML状态图对应的EN-系统生成可达状态图，利用可达状态图生成测试用例。该方法一方面可以很好地实现并行子状态的嵌套问题，避免了将并行的UML子状态展平成EFSM时引起的状态爆炸问题；另一方面，由于测试用例的覆盖标准是基于可达状态图的基路径、事件和可达状态覆盖，所以还很好地解决了对系统的不同测试要求和状态的可达性问题。     

Learn Grammar in Games

Grammar learning has often been regarded as a structure based activity.Grammar games which are worth paying attention to and implementing in the classroom can help learner to learn and recall a grammar material in a pleasant,entertaining way and motivate learners, promote the communicative competence and generate the fluency.In this essay,the author compares the use of games in learming grammar with some traditional techniques for grammar presentation and revision,in order to find the advantages of using games.Also the author cusses how to choose appropriate games and when to use games.     

����ǿ��ѧϰ�Ļ���ƿ�����ɱ����ٲ����о�

为提高高速公路汇流瓶颈区的通行效率,本文结合强化学习无需建立模型,具有智能学习的特点,对瓶颈区的可变限速策略进行了优化,首次提出了基于Q学习算法的可变限速控制策略。策略以最大化系统总流出车辆数为目标,通过遍历交通流状态集合,尝试不同限速值序列进行自适应学习。以真实路段交通流数据搭建了元胞传输模型仿真平台,通过将其与无控制和基于反馈控制的可变限速策略进行对比,对Q学习策略的控制效果进行评价。通行时间的降低和交通参数的变化表明,强化学习控制策略在提高汇流瓶颈区通行效率和改善交通流运行状况方面具有优越性。