基于Canopy-K-means算法的半挂汽车列车行驶数据分析

为实时监测车辆行驶状态,建立了基于Canopy-K-means算法的车辆行驶安全特征分类模型.采用Canopy-K-means聚类算法对车辆行驶数据进行挖掘分析,以欧氏距离大小作为数据集属性间的相似性分类指标,得到表征不同行驶安全特征的离线聚类质心;搭建T ruckSim与Simulink联合仿真平台,设置定半径变车速和方向盘斜阶跃输入仿真工况对车辆行驶状态进行在线识别;同时为验证该方法在实车上的应用效果,设置相同工况对离线聚类质心进行验证分析.仿真和实车结果表明:基于Canopy-K-means算法的数据挖掘方法可以对不同行驶状态数据进行分类,得到的表征不同行驶安全特征的聚类质心能在一定程度上对车辆行驶稳定性进行评价,可以作为车辆控制和预警的判定依据.     

基于滑动窗口的PCA与SVDD方法研究与应用

文章分析了主元分析法和支持向量数据描述方法的基本原理,提出了将PCA和SVDD方法同滑动窗口模型相结合的研究思路。通过采用适当大小的滑动窗口逐步更新当前子数据空间,分别建立PCA和SVDD子模型,从而实现在线实时故障监测。文章通过对比基于滑动窗口的PCA和SVDD发现,基于滑动窗口的SVDD有更好的监测效果。数值仿真验证了该方法的有效性。     

基于聚类神经网络的人体行为识别研究

本文提出了基于融合特征的聚类神经网络人体行为识别方法。采用了傅里叶描述子提取人体动作外形轮廓,利用外接矩形长宽比及变化率表征人体运动特征;提出了聚类分离度和紧密度相结合的Silhouette宽度,定义了训练参数目标误差为均方根误差RMS,采用改进的基于聚类的RBF神经网络进行行为识别。仿真实验表明,该方法能有效识别人体行为类别,应用效果满足实际要求。     

个人信用评估模型比较分析

文章以互联网金融机构客户信贷数据为基础,使用7种不同的数据挖掘方法建立个人信用评估模型,从预测准确率、模型外推性、第二类错误率、预期错误分类成本4个方面评价模型的综合信用评估能力。评价结果表明,使用分类树和K近邻分类算法建立的个人信用评估模型的综合信用评估能力最高;同时发现使用线性和非线性方法建立的模型各有特点,线性分类模型能够对违约客户进行有效识别,而非线性分类模型的预测精度较高。     

电子商务垃圾评论者识别研究

论文以l00个刷客{垃圾评论者)和100个正常评论者的历史评论数据作为研究对象,结合淘宝刷客的特点提取了l4个用于刷客识别的特征,采用SVM算法和KNN算法构建分类模型并使用两种模型对淘宝网上的刷客进行识别。研究发现：两种分类模型对淘宝刷客识别的效果都很理想,其中SVM明显优于KNN,其分类模型对刷客识别的精确率迭88％,召回率迭l00％。     

基于CatBoost的护士离职预测研究

针对传统的离职预测算法应用于现实中高维度小样本不平衡数据集时存在准确度低、易过拟合、鲁棒性差等问题,应用梯度增强集成分类器CatBoost算法,进行类别型特征处理,利用BOHB(Bayesian Optimization and Hyperband)寻找最优参数,结合交叉验证对模型分类性能进行评估,建立分类模型并对护士离职情况进行预测。该算法采用高维小样本不平衡特征的上海部分公立医院的护士离职数据集,并与XGBoost、随机森林、支持向量机进行对比。实验结果表明,该算法准确度高,鲁棒性强,能够有效地对护士离职进行预测。     

金融风险的统计测度

一、金融风险统计测度的方法 　　(一 )金融风险统计测度的尺度 　　1定类尺度，又叫类别尺度、名义尺度。它是金融风险统计测度中最基本、最简单的操作，它是按事物的某些特征辨别和划分它们的异同的一种测度层次。定类尺度只能将事物分类，并标以各种名称，确定其类别。定类尺度的量度必须具有完备性和互斥性。在定类尺度中，有时也用一定的数字和符号表示某类事物，但这些数字是人们赋予的识别标志，并不反映事物的数量状况。例如，某地有五个银行储蓄所，分别用 1、 2、 3、 4、 5表示，用以区别它们是不同的储蓄所。因此，在定类尺度…     

Web文本分类中特征项权重的研究

Web数据挖掘的主要研究内容是如何快速有效地在异构的、半结构化的、动态的Web信息资源获取有用信息,而Web文本分类是Web数据挖掘的核心。通过分析Web文本的特点,本文提出一种改进的TF-IWF特征项权重计算方法来对web文本进行分类。实验表明,该方法提高了web文本分类系统的分类性能,具有较好的正确率和召回率。     

公共项目PPP模式选择路径研究——基于交易合作三维框架

公私伙伴关系(PPP)模式在中国的公共项目中正在得到日益广泛的应用。由于对PPP模式分类不清晰,并且缺乏对各种具体模式运作特征的深入了解,政府仅将诸如BOT、BT、TOT等少数模式简单套用到众多的公共项目中,如此就会出现PPP模式制度安排特征与公共项目属性不相匹配的问题。文章在文献调查的基础上,构建出PPP模式的二十二个小类、九个中类和四个大类的三级分类结构,提出政府在该分类结构中选择PPP模式时遵循从上至下的决策思路。针对九个中类的PPP模式,在所有权转移效益、经营权控制程度、公私合作程度构成的三维框架内,识别出公共项目PPP模式选择的三条路径,结合公共项目属性给出每条选择路径的适用条件。     

深度学习融合多源数据的城市土地利用制图研究

基于单一方法和单一数据源的遥感图像复杂信息挖掘的精度和可靠性不高。而深度学习为代表的人工智能方法为高分辨率遥感地物信息挖掘提供了新的手段。着眼于城市化的精准监测和精细管理需求,本文选取西安市空港新城作为研究区,建立适合中国城市的高分遥感土地利用数据集。通过微调最先进的卷积神经网络模型,从遥感图像中提取有价值的颜色和纹理特征,得到高精度的地物分类结果;利用多源数据对模型分类精度进行交叉验证,在此基础上基于空间分析识别复杂目标;引入共享单车数据进行土地利用建模,挖掘影响城市发展的关键因素。我们将3S技术和人工智能技术应用到土地利用制图与分析中,为城市地理学精细化和定量化研究做出有价值的尝试。     

短期飞行冲突判定模型的研究

通过对航空器冲突判定模型的研究,阐述了两种模型的构建方式和具体应用方法,基于两种模型的建模方式和算法特点提出了一种新的冲突判定模型,新的模型简化飞行态势的分类和航空器保护区的设定,以航行差、航空器相对趋势及告警距离为主要影响因素,通过MATLAB利用雷达历史数据对新构建的模型进行了仿真验证,结果证明此模型在一定程度上提高了冲突探测的准确性,并满足实时性和虚警率的最低要求,保障了航空器的安全高效运行。     

基于高光谱高分融合数据在喀斯特地貌环境下的林分分类

喀斯特地区的传统林区保护和统计多靠大量人工测绘及高分影像目视解译勾绘,不仅工作量大耗时耗力,且最终成果精度也不能得到保证.为了尽量弥补这种主观性误差,采用10 m分辨率的高光谱卫星影像与0.8 m分辨率的高分卫星影像多源数据融合的方式,并结合地面目标地物样本光谱采集方法,对贵州六盘水地区乌蒙山地质公园西北段的林分进行分类研究.结果表明,基于高光谱、高分融合影像数据SAM分类方法的分类精度较单一数据源的都高,其中基于融合影像的分类精度为85.9％,基本满足地物分类应用及调绘的精度要求.     

基于DT-CWT、粗糙集和神经网络的轴承智能诊断

对一种滚动轴承的智能故障诊断方法进行了研究,包括对偶树复小波变换(DT-CWT)特征提取、用粗糙集理论进行数据约简和神经网络进行模式识别。利用DT-CWT的平移不变性、粗糙集的数据约简以及神经网络的自动识别功能,达到尽量减少人工诊断的效果。理论和实际信号的研究表明:该智能诊断过程能初步达到在线自动诊断的目的。     

基于耦合神经网络的步态识别方法

主流步态识别过程中识别率易受到视角变化的影响,使用耦合网络模型解决最小类间距离大于最大类内距离的问题,利用步态样本比对解决识别问题。用二值图像序列合成步态能量图,联合使用逻辑回归与对比损失函数对模型进行训练优化,实验验证耦合神经网络的步态识别性能,并与普通卷积神经网络模型（CNNs）的识别结果进行对比。在背包与大衣遮挡情况下的识别率达到73.7％和60.5％,高于CNNs的识别率,并提高了遮挡情况下步态识别精确度。     

基于BIM的线路加固专项方案三维信息模型的构建

中国目前正大力推进新型基础设施工程领域的信息化建设,建筑信息模型是其信息化建设的重要载体.通过对涉铁工程线路加固专项方案文献进行分类,总结线路安全加固的施工工法,进行工程结构分解,建立参数化族库.并引以实际工程项目三维信息模型的构建,验证基于Revit平台基础设施工程参数化建模的可行性,为BIM在此类工程中的全寿命周期内精细化管理奠定前端基础.     

基于LDA主题模型的专利文本分析应用研究

为了解决运用传统的专利文本分析方法中出现的分类粗糙、科学性不强等问题,提出使用基于Latent Dirichlet Allocation(LDA)主题模型的专利文本分析方法。以我国转基因玉米育种领域专利文本为研究对象,对专利文本主题进行划分。通过实验表明LDA主题模型对专利文本的划分和热门领域的分类准确、有效。并得出结论:对专利文本使用LDA主题模型建模可以实现对专利文本的分类,可以实现对热门领域主题分类、子领域细分,并对未来发展态势给出意见。     

基于模糊逻辑的X波段双偏振雷达地物回波识别方法

为提升天气雷达数据质量，减少地物杂波对天气雷达数据质量的影响和满足短临预报业务应用，需对地物杂波进行识别和剔除。采用绵阳机场X波段双偏振天气雷达数据资料，选取4个特征参量，运用模糊逻辑算法结合层次分析法，确定识别地物杂波的隶属度函数及特征参量的权重，得出每个回波点是地物的可能性，进行识别和剔除。结果表明：该方法能清晰体现出各个参量在对地物识别时的贡献值，提升地物回波识别效果，提高雷达数据质量。     

基于因子聚类方法的基金风格分类研究

基金风格是指基金为了适应投资者不同的风险管理需求．在基金招募书中说明并在实际运作中遵循的投资策略。但基金在远作过程中是否会表现出与宣称风格的背离？如何从基金的实际数据去判断它的风格？如何把市场上的基金按照实际风格进行分类？这些都是投资者在信息不对称的市场中所面临的问题。本文提出一种解决上述问题的分类方法，具有利用信息全面，操作过程简便的优点，可以为不同风险偏好的投资者选择适合的基金风格提供一定的参考。该方法首先基于两个方面选取基金的指标：一是基金的投资对象；二是基金的投资理念。接着对选取指标的样本数据进行因子分析和聚类分析。最后对分类结果作Sharp回归以分析结果。本文运用该方法对中国的基金数据作了实证研究，结果表明，中国的证券投资基金风格趋同现象严重，并且实际风格与宣称风格有较大差异。     

基于NBC模型的电力变压器故障诊断

随着电力变压器朝着大容量、高电压、高负荷的方向发展,其结构也越发复杂,故障逐渐增加.当前广泛使用的改良三比值法在对电力变压器进行故障诊断的过程中,容易出现准确率低和漏判率高等问题.鉴于此,提出一种NBC模型,该模型将朴素贝叶斯网络和改良三比值法的优势结合,在对电力变压器当前状态数据和历史样本数据充分学习的基础上,利用朴素贝叶斯分类器对当前电力变压器故障的编码组合进行故障预测分类,将预测所得到的诊断结果进行排序整理输出,实现了对电力变压器各类故障的有效分类.仿真结果表明,该NBC模型能较好地适应电力变压器各类故障的诊断,故障综合诊断正确率为95％,相较于改良三比值法,诊断准确率提升了50％,具有较强的工程实用性.