单翼分解下的纯度函数失效分析

为了清晰地说明纯度函数失效的原因,首先拓展了纯度函数的定义,得到一种能方便运用数学方法表示的新纯度函数形式,并在其基础上,分析了有些纯度函数在有些情况下会失效,而另外的一些却不会．说明了这种“预测性能”实际上与纯度函数某种特殊的“凹凸性”有关,这种凹凸性只在特定的方向才呈现出来．通过若干定理,阐明了如何通过赫斯矩阵寻找这些特定的方向,而纯度函数的“预测性能”本质上就是该方向性严格凸性质．最后通过若干实验数据,验证了结论．     

圈Cn与树Tk生成的单圈图的优美性及其它标号

Cn∪Tk是由圈Cn与树Tk生成的单圈图,证明了当n=3,4,6时圈Cn与鞭炮树Tk生成的单圈图的优美性,以及给出了Tk分别为鞭炮树、毛毛虫时单圈图Cn∪Tk的一些其它标号：序列标号和调和标号。     

基于贝叶斯网络的铁路旅客服务质量评价

为了吸引更多客源和提高客运竞争力,铁路需要不断提高其旅客服务质量,而有关服务质 量的科学评价对于服务质量的提高具有一定的指导与督促作用。基于此,首先,根据服务地点的不同将铁路旅客服务划分为车站旅客服务和列车旅客服务,并分别确定相应的评价指标,进而根 据各指标间相互独立又相互影响的关系,运用树模型构建评价体系。然后,将评价指标体系中的各项指标转化为贝叶斯网络中的相关结点,进而映射成为贝叶斯网络。通过贝叶斯网络特有的概 率计算方法,对评价体系展开逐级计算,最终得到作为顶层指标的旅客服务质量的评价结果。最后,以实际算例对比不同运输时间段内的评价结果,验证理论方法的适用性。研究结果表明：基于贝叶斯网络的铁路旅客服务质量评价方法是可行的、有效的,其得出的评价结果可以作为改进服务措施和提高服务效率的指导。     

基于C4.5 决策树算法的道路结冰预报模型构建与应用

为准确预报冬季道路结冰情况,保障交通运输安全,需要构建精度高、实用性强的道路结冰预报模型。将道路是否结冰抽象为二元分类问题,采用C4.5 决策树算法,以通辽地区历史日最低气温、日降水量、日积雪深度和道路结冰数据为训练数据,构建了道路结冰预报模型,并以赤峰地区和沈阳到锡林浩特特高压设备运输期间道路结冰预报为例对模型的准确率加以验证。计算结果表明,赤峰地区道路结冰模型准确率为93.3%,沈阳到锡林浩特特高压交流输变电主设备运输期间道路结冰预测结果与实际情况符合度高达86.4%。这表明基于C4.5 决策树算法的道路积冰预警模型准确度较高且实用性强,可作为我国东北部地区冬季道路结冰预报方法加以推广,也可为其他地区道路结冰预报提供参考。     

磁浮列车系统故障模型的建立与分析

作为一种新型的交通工具,磁浮列车对安全性和可靠性有着极高的要求.系统的故障模型是对系统进行故障预防、故障诊断,从而提高系统安全性、可靠性的重要基础.分析了国防科技大学CMS-03A型磁浮列车的结构,阐述了磁悬浮列车中供电、悬浮、牵引/制动三个重要子系统的结构、工作原理和故障状态,并由此建立了磁浮列车关键子系统的故障模型.结合关键子系统的故障模型,在整理和综合前人研究工作的基础上,提出了一套相对完整的磁浮列车系统故障模型并对故障事件进行等级划分.这是一个开放的模型,可以通过后继的工作对其进行进一步的细化和扩展.模型使用动态故障树方法(FTA / DFTA)中的一些常用符号表达逻辑关系,但并不依赖于故障树方法或者其他某种具体的故障诊断方法,可以作为今后CMS-03A型磁浮列车故障分析研究的平台.     

基于贝叶斯网络的驼峰超速连挂事故分析

针对驼峰超速连挂事故进行分析。分析对事故有重要影响的线路、调速设备和车辆等因素,考虑到贝叶斯网络能较好解决不确定性问题以及可以双向推理的特点,建立驼峰超速连挂事故树,并将其转化成贝叶斯网络,计算顶上事件的发生概率以及基本事件的后验概率。结果表明,超速连挂事故的主要影响因素为线路纵断面、调速设备制动能力以及新型重载车辆三方面。进一步考虑新型重载车辆的共因失效问题,建立贝叶斯共因失效混合网络,计算并分析新型重载车辆对超速连挂事故的影响程度以及对既有驼峰的适应性。     

1-Wire总线器件ROM搜索算法与即插即用技术研究

介绍了Dallas／Maxim公司1-Wire总线器件接口技术,研究了MicroLAN中单总线所挂载的多个器件的ROM光刻码与二叉树结构的映射关系,提出了参照二叉树路径搜索的ROM搜索算法设计及器件即插即用功能设计,通过测试运行所设计的系统C程序,验证了系统的可靠性与稳定性。     

图的符号树控制数

引入了图的符号树控制的概念,给出一个连通图G的符号树控制数γr（G）的一个上界和一个下界,说明了这两个界限均是最好可能的,并确定几类特殊图的符号树控制数,这包括了圈、轮图、完全图和完全二部图．     

Development of a maximum likelihood regression tree-based model for predicting subway incident delay

This study aims to develop a maximum likelihood regression tree-based model to predict subway incident delays, which are major negative impacts caused by subway incidents from the commuter’s perspective. Using the Hong Kong subway incident data from 2005 and 2009, a tree comprising 10 terminal nodes is selected to predict subway incident delays in a case study. An accelerated failure time (AFT) analysis is conducted separately for each terminal node. The goodness-of-fit results show that our developed model outperforms the traditional AFT models with fixed and random effects because it can overcome the heterogeneity problem and over-fitting effects. The developed model is beneficial for subway engineers looking to propose effective strategies for reducing subway incident delays, especially in super-large-sized cities with huge public travel demand.     

基于机器学习模型的建成环境对小汽车拥有行为的影响

为分析家庭小汽车拥有行为，同时考虑居住地和工作地建成环境的影响，构建梯度提升迭代决策树(GBDT)模型；分析社会经济属性，居住地、工作地建成环境属性对小汽车拥有行为的影响程度，并基于长春市居民出行调查数据进行实证研究.结果表明：3类影响因素中，社会经济属性对小汽车拥有行为的影响最大(58.95%)；职住地建成环境属性均对家庭小汽车拥有行为具有显著影响，且居住地建成环境影响(23.77%)高于工作地建成环境(17.28%)；职住地建成环境属性中，除居住地交叉口密度，工作地到中央商务区(CBD)距离及公共交通站点密度外，其他建成环境属性对小汽车拥有行为的影响均大于5%.因此，有必要同时优化职住地的建成环境来抑制小汽车拥有量的增长.