基于GA的汽车故障特征选择

特征选择是模式识别中的一个关键问题。在很多实际问题中,很难找到那些最重要的特征,或受条件限制不能对它们进行测量,从而使特征选择成为模式识别系统最困难的任务之一。遗传算法作为一种智能化的优化方法,具有适合特征选择的优势。对遗传算法做了简约介绍,通过相应的程序并结合汽车故障实例进行了分析。     

新型景观护岸结构设计

介绍一种护岸结构造型及其特点,并为水工结构设计注入景观意识提供思路。     

日本铁道车辆用合金铸铁闸瓦

介绍了日本铁道车辆用合金铸铁闸瓦的开发背景、经过及特点,并指出了合金铸铁闸瓦今后的发展方向。     

XML5163XLJ13型旅居客车开发

介绍XML5163XLJ13型旅居车的总体布置、结构特点,以及开发旅居客车的前景.     

砂土宏观力学特性与细观结构的相关性试验研究

通过无标点变形量测系统分析桩周土变形场,确定剪切破坏区和显微细观观测点.应用MiVnt系统分析加荷过程中土细观参数变化,细观参数(1+e)/e3、颗粒偏心度与基础位移的相关性最强;随荷载增大,1#,2#点孔隙比下降呈负相关关系,引起剪缩特征,3#点呈正相关关系而剪胀应力松弛;1,2,3#点颗粒定向性均增高呈正相关性,表明颗粒分布有序性减弱,土体具有非稳定性的承载形式.     

疲劳驾驶的转向特征研究

为有效地实现疲劳提前预警,研究了心电信号(ECG)和转向特征随驾驶时间的变化规律.通过试验,分析了ECG信号的4个指标随时间的变化趋势,进行了显著性分析之后,运用主成分分析方法建立了综合的ECG评价指标来分辨驾驶员的疲劳状态.分析了驾驶员在不同驾驶状态,不同的道路线形下的转向行为,应用转向熵方法分析了转向数据,结果表明...     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析（PCA）为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明：2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D—PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。     

高速公路产业特征与企业战略理论

高速公路收费经营企业的发展战略是基于高速公路的基本特征及其未来发展趋势的前提下制定的，因此，理解高速公路的产业特征是制定高速经营发展战略的前提，同时企业战略思想的把握决定着高速公路企业经营发展战略的制定方向。