���ڶ������ںϵĹ����ͨ������Ƶ����ʶ�����о�

结合轨道交通客流特点和应用需求,在详细描述人像识别中的图像预处理、人像空间的建立及特征脸识别方法的基础上,研究了全局特征提取、Upper特征提取和Tzone特征提取方法.基于全局特征的识别方法通过提取人像的整体形状特征进行识别,易受表情、姿势、遮挡等的影响.基于Upper特征和Tzone特征在处理表情和遮挡等问题时,与基于全局特征的方法相比具有一定的优势,因此,本文对全局特征、Upper特征和Tzone特征进行了加权融合,提出一种基于多特征融合的人像识别方法.经京沪高速铁路部分车站试点验证,该方法能有效提高人像识别的准确率.     

舰艇主被动声纳方位航迹信息融合研究

介绍了舰艇水声融合系统位置级融合的典型融合技术.重点研究了舰艇水声系统中一部主动声纳和一部被动拖曳线列阵声纳航迹关联的融合,主要是在等样本容量条件下的航迹关联方法,并对融合性能进行了分析.     

聚变堆液态包层MHD效应的研究现状与发展

聚变堆包层液态金属在强磁场中流动引起磁流体动力学效应,会改变其流动和传热特性,造成严重的压力损失,是液态金属包层研发的关键问题。该文依据受控轻核聚变及其液态包层的发展需求,综述了包层磁流体动力学问题的主要研究方法及内外研究现状,并比较了不同MHD数值模拟软件的特点。     

柴油机故障诊断中的变权重多证据体融合应用研究

为了能够确定各证据的权重,对证据进行权重调整,应用了基于遗传算法的加权平衡证据调整方法。首先,利用遗传算法确定最优化的或者近似最优化的权重系数,然后依据加权平均值和优先权的证据分布形态对证据进行加权调整,且保证调整后的证据加权平均值不变以及优先权证据分布形态稳定。柴油机故障诊断实例表明,采用基于遗传算法的加权平衡证据调整方法能提高故障诊断的信任度和准确率,明显优于普通D-S等权重证据组合方法。     

基于多源信息融合的潜艇目标识别方法研究

提出一种基于多信息源的潜艇目标识别系统原理模型,介绍了证据理论在潜艇目标识别中的应用方法,给出了针对潜艇装备情况,建立各种识别信息源的方法,初步探讨了该识别系统的实现方法,并给出了有效的决策规则,为解决潜艇目标识别难题提供了一种新的解决方案.     

基于多源数据融合的城市道路网络宏观基本图模型

宏观基本图(MFD)是描述路网平均流量和平均密度的关系模型,在路网服务水平评估、区域控制和宏观交通建模中具有重要的作用.本文以路网加权流量和加权密度为MFD描述指标,提出了一种融合微波检测器数据和车牌识别数据的MFD构建方法.为了评估不同数据源下路网MFD的有效性,提出了采用状态比指标描述 MFD的差异性.以青岛市实际数据为例,分析了单一数据来源和融合数据下的MFD变化规律.结果表明,在路网中存在不同类型检测器时,融合模型仍能够精确描述路网MFD.     

考虑航段相关性的航路拥挤态势多模型 融合动态预测方法

研究航路交通拥挤状态动态实时预测问题,可为缓解航路交通拥挤,优化拥挤管控 策略提供科学的依据.首先,采用神经网络理论建立考虑航段相关性的交通流参数预测模型, 预测航段流量和航段密度参数;然后,运用多模型融合预测算法提高预测精度,基于模糊C均 值聚类算法和航段历史及预测交通流参数预测航段交通拥挤态势;最后,采用雷达实测航迹 数据验证模型的有效性.研究结果表明,本文建立的预测模型同时考虑了时间和空间因素,对 航路拥挤状态预测准确率达到82.29%,预测方法符合实际且对航路交通态势的预测具有应用 价值;同时考虑航段相关性影响和采用多模型融合预测算法能够明显提高预测精度.     

基于自适应加权平均的路网MFD估测融合方法

路网宏观基本图(Macroscopic Fundamental Diagrams,MFD)的估测方法有基于固定检测器数据估测法和基于浮动车数据估测法,但很少有文献将两者结合起来,鉴于此,本文提出以车联网环境下联网车数据估测的交通参数为检验数据,引入动态误差,建立两个自适应加权平均数据融合模型,对两种估测法所得的路网加权交通流量和路网加权交通密度分别进行数据融合,从而更加准确地估测路网MFD.为验证模型的有效性,以广州天河区核心路网为研究区域,通过Vissim交通仿真建模分析,对比各种估测法所得路网MFD参数的平均绝对相对误差、路网MFD的状态比和差异值.结果表明,经数据融合后的路网MFD参数平均绝对相对误差和路网MFD差异值均最小,最接近标准路网MFD.     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

基础交通信息融合方法综述

文章介绍了几种经典算法在基础交通信息融合中的应用,包括卡尔曼滤波、人工神经网络、统计分析(加权平均,指数平滑法,平均值的递推估计算法),以及交通流量和行程时间预测方法。各种方法均通过实际验证其有效性及可靠性。融合后的数据能够满足智能交通系统的子系统ATMS相关应用领域对信息的精度要求,为下一步的交通状态估计提供可靠信息。