基于支持向量机的交通信息融合算法研究

支持向量机(SVM)是一种崭新的机器学习方法,它建立在结构风险最小化原理的基础上,具有很高的泛化性能。此方法能解决小样本、非线性及高维模式识别中的问题。本文以高速公路上的交通流参数为研究对象,提出了一种基于支持向量机的信息融合算法,并利用事件和非事件条件下的模拟数据对支持向量机进行了训练和测试。同时将该算法与多层前向神经网络(MLF)算法进行了性能比较,仿真实验结果表明该算法具有更好的分类效果,更高的检测率和更低的误报率,可以明显改善检测效果。     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

基于RS与SVM城市轨道交通项目融资风险探究

针对城市轨道交通项目融资风险问题,提出了基于粗糙集(RS)和支持向量机(SVM)理论构建项目融资风险评价模型。本文首先运用粗糙集理论对融资风险系统中的影响因素指标数据进行约简,消除多余信息,筛选得到主要影响因素。根据这些约简数据,进行标准化处理,确定支持向量机(SVM)的初始结构,并将主要因素输入SVM对15个典型城市轨道交通项目融资风险案例进行探究。经实证研究表明,该方法对城市轨道交通项目的顺利建设和实施提供了帮助,在融资风险探究中是完全合理可行的。     

基于支持向量机的舰艇部队作战油料消耗量预测研究

为了提高舰艇部队战时油料消耗量预测的准确性,提出了基于支持向量机的预测方法.分析了支持向量机的回归原理及算法,构造了舰艇部队作战油料消耗量预测模型.针对支持向量机中训练参数对预测结果的影响,采用遗传算法对相关参数取值进行优化,以获得预测性能较好的支持向量机模型.以某舰艇部队参加演习的油料消耗量数据作为实验数据,采用构建的支持向量机模型对舰艇部队油料消耗量进行预测,并将其与BP神经网络进行对比分析.实验结果表明,支持向量机比BP神经网络预测精确度更高,误差更小,有效提高了舰艇部队作战油料消耗量预测的准确性和可靠性.     

基于支持向量机的柴油机故障诊断

本文研究了基于支持向量机的故障诊断方法。以传感器检测数据为输入,利用v-支持向量分类机进行故障分类识别。通过对柴油机燃油压力波动信息和柴油机振动监测数据的处理分析,结果显示基于支持向量机的故障分类器能够在样本有限的情况下出色的完成多种故障的诊断分类。     

基于启发式SVM的入侵检测系统研究

文章针对支持向量机参数一直存在根据经验确定不足的问题,提出将启发式支持向量机快速学习算法应用于入侵检测系统中。为了使支持向量分类机获得更好的分类性能,该算法提出以启发式规则选取对分类器最有利的样本进行训练,以确定支持向量机的参数,并采用内积矩阵分解算法提高分类速度,达到提高学习速度的目的。实验表明该算法在入侵检测系统中的应用优于标准支持向量机算法。     

基于支持向量机的城市物流需求预测研究

文章利用支持向量机的非线性能力对历史物流需求量进行学习,获得模型最优参数,对将来物流需求进行预测。文章调研了焦作市历年的城市物流需求数据对模型性能进行测试,测试结果表明,支持向量机针对城市物流需求预测精度较高,为城市物流需求预测提供了有效的方法。     

基于小波变换与支持向量机的数控加工误差分析与预测

本文通过分析数控加工不确定性误差的特征,提出了一种基于小波分析与支持向量机的数控加工误差预测模型,小波分析可以清晰地提取加工误差的特征,而多输入多输出支持向量机更适合于多个输出变量之间有较强关联性的情况。通过合理地选择和设定模型的输入和输出,较好地实现了对不确定性误差的分析和预测建模。     

基于改进的SVM的交通信息融合方法研究

在对交通数据特性分析的基础上,提出基于改进的SVM多源交通信息融合算法。首先,在分析了传统SVM不足的基础上,提出了决策树-支持向量机算法(Decision TreeMethod-SupportVector Machines,DTM-SVM)。其次,对DTM-SVM多源信息融合算法的模型及其流程进行了研究,建立了DTM-SVM的分层结构模型。最后,经过实际数据测试,证明了该方法的高效性和实用性。     

基于支持向量机回归算法的航空公司客流量预测研究

在航空公司运营管理过程中,航空客流量预测是其航班计划和机队规划的重要依据。本文介绍了航空客流量预测中常用的几种预测方法,并对他们的特点进行了分析比较;阐述了支持向量机的理论基础和原理,给出了支持向量机的回归模型,并重点探讨了预测模型中核函数的选择方法;在选择适当的参数和核函数的基础上,对航空客流量进行预测,并与BPANN和线性回归算法这两种预测方法进行对比,证明支持向量机回归算法能获得训练最小的相对误差,是相对有效的一种航空客流量预测方法。     

基于物联网技术的高速公路交通监控系统

物联网技术引入高速公路交通监控系统中,交通监控指挥中心通过安装在车辆上的电子标签,对车辆身份识别和定位,实现对车辆的实时监控和管理,一旦发现数据异常,系统会立即发出告警信号,相关人员接到报警后立即对事件进行处理,并通过超级计算机动态计算出最优的交通指挥方案和车行路线,这对于降低环境污染,减少交通拥堵,确保高速公路交通安全畅通,进一步提高高速公路运行安全等具有重要意义。     

基于流数据挖掘的网络流量异常检测及分析研究

网络流量异常检测及分析是网络及安全管理领域的重要研究内容。本文探讨了网络流量异常的种类、网络流量异常检测的方法,分析了基于传统检测方法在网络流量异常检测应用中存在的问题。并重点对基于流数据模型的网络流量异常检测进行了研究,综述了已有流数据挖掘研究方法在网络流量异常检测中的研究进展。最后,本文对现有研究工作存在的问题及未来的研究方向进行了探讨。     

城市交通拥挤事件的模糊C均值聚类识别方法研究

交通拥挤事件是城市公共交通系统中造成交通延误的最主要原因之一,快速有效的识别拥挤事件是城市交通控制策略的重要环节。针对交通流相态及其交通因素类属方面存在的模糊性,本文在分析交通流特征时对其进行了聚类软化分。根据交通流特性,运用模糊C均值聚类算法对交通流各要素进行模糊分析处理。通过对交通量隶属度的判别和聚类分析结果,找出不同交通流间的亲疏程度和相似性,将具有相近特性的交通流归纳在一类,从而判别出交通流相态属性,确定交通拥挤事件的发生,达到对交通拥挤事件识别的目的。     

高速公路收费站无人值守自动发卡机的应用研究

近年来,我国高速公路网络发展迅速,给人们带来交通便利的同时,也产生了许多问题.如何提高高速公路各路段的综合管理水平,充分发挥路网中各高速公路之间快捷、畅通的通行优势,最大限度地减少人为干扰因素,成为摆在高速公路管理者面前的一项新的研究课题.文章从工程应用和收费管理工作的角度,对当前高速公路收费站应用无人值守自动发卡机的利弊和应用意义进行了分析.     

探讨无人值守自动发卡机在高速公路收费站的应用

目前,我国高速公路网络发展迅速,给人们带来交通便利的同时,也产生了许多问题。如何提高对高速公路各路段的综合管理水平,充分发挥路网中各高速公路之间快捷、畅通的通行优势,最大限度地降低人为干扰因素,已成为摆在高速公路管理者面前的一项新的研究课题。为此,尽快实现联网收费成为交通管理部门的重要工作目标之一。文章从工程应用的角度,对当前高速公路收费站应用无人值守自动发卡机工作流程的特点和通信过程中可能遇到的问题进行详细分析。     

论PLC实现路口交通信号灯远程智能控制的设计

对如何应用PLC实现十字路口交通信号灯远程智能控制,论述了通过对PLC控制系统的软、硬设计,分析对交通信号灯的控制要求,同时将PLC的逻辑控制、数据运算、数据比较、数据传送,通过程序有机地结合起来,既远程控制交通灯的变化,同时对应的时间显示。     

地感线圈在车辆通行自动检测控制系统中的应用

本文对基于地感线圈的车辆通行自动检测控制系统进行了研究。由于线圈电感量的变化,使得由三点式LC振荡电路构成的检测电路输出的波形频率发生变化,再经过波形整形电路送入单片机,单片机检测到频率变化来控制电机运转。采用这种方法可以使得当有车辆经过时,挡车器可以自动抬升档杆。而且当杆下有车辆时可以及时停止落杆,防止砸中车辆。具有较高的实用价值和应用前景。     

交直流电动机功率性能自动测试系统

文章旨在应用微机和单片机等先进技术研制面向电机用户的电机功率性能测试系统。采用以直流发电机作为被测电机的可控负载,与传统的机械负载、水力测功负载相比具有结构简单、节省人力、可随时任意精确调控的显著优点。采用微机控制的自动数据采集处理系统,可提高检测的准确可靠性,减少人力开销,提高检测速度,同时可产生完整的电机档案数据库,为加强电机的管理提供可靠的数据基础和便利条件。     

两种机动车制动性能检测技术对比

机动车制动性能是车辆安全性能检测中的重点项目,其高低对机动车的行车安全及运输效率具有重要影响。本文介绍了机动车制动性能检测装置,重点对两种机动车制动性能检测技术进行对比分析,并阐述了这两种检测技术的可用性和特点,以供参考。     

基于因子分析法的交通污染源分析研究

随着城镇化、工业化的发展,交通污染问题愈发严重,重金属在表层土壤的污染程度也愈演愈烈,已经严重威胁到人类的生产和生活。因此研究交通活动影响下城市的地质环境显得尤为重要。本文基于环境单元数据,运用地统计学软件计算区域土壤重金属的半变异函数,研究区域土壤重金属含量的空间结构特征。并利用多个实测变量之间的相互关系,运用数学变换,将多个变量转变为少数几个线性不相关的综合指标,用较少的有代表性的因子来说明众多变量所提取的主要信息,从而有效地确定交通污染源。