基于双偏好矩阵的B2B智能推荐研究与实践

B2B电商平台的用户都具有企业特征,传统的协同过滤算法以用户-商品偏好矩阵为主,难以体现用户的企业特征。在传统协同过滤算法的基础上增加企业-类别矩阵,改进形成双偏好矩阵协同过滤算法,搭建具有企业数据特征的B2B电商平台智能推荐引擎,应用于电商大数据分析平台,并在铁路某电商平台上进行实践应用,算法响应时间为毫秒级。为了证明算法的实用性,分别在准确率、召回率、覆盖率、新颖度等方面与传统的协同过滤算法、KNN算法进行对比,均具有优势,尤其是在不活跃用户的准确性方面提升超过10%。     

基于云模型的高速铁路绿色施工等级评价——以西南地区为例

针对高速铁路绿色施工评价过程中决策信息的模糊性和不确定性等问题,提出一种结合云模型和模糊综合评判的铁路绿色施工评估方法.以水土流失防治、资源节约和环境保护3个方面共17项指标建立评价指标体系;采用不确定层次分析法和集对理论得到权重值;而后建立各评价指标的标准云,采用逆向云生成器将专家估算数据转化为评价云,通过云相似度算法测算标准云与评价云的相似度并建立相似度矩阵,用相似度矩阵改进模糊评判矩阵,再结合权重获得最终评价结果.最后,通过实例验证了该评价模型的适用性和可行性.研究结果表明:模型可以确定项目及各指标的绿色施工等级,并可为今后绿色施工等级提高策略的制定提供数据支持.     

基于可变形部件模板的扣件状态识别

针对在铁路钢轨扣件状态自动识别中断裂扣件与正常扣件难以区分的问题,基于DPM算法思路提出DPTM算法用于扣件状态自动检测。为屏蔽扣件图像中背景区域的干扰,根据扣件几何形状设计相应的掩膜模板,并对扣件进行分块得到扣件部件模型。采用弹簧模型度量部件之间相对位置关系、余弦相似性度量HOG特征点之间的相似度,加权融合特征点相似度得到部件相似度,根据各个部件重要性的权重系数组合建立扣件状态分类准则。理论分析和实验结果表明,DPTM算法能够较好地区分正常、断裂和丢失三种状态的扣件,并在优先保证较低漏检率的同时取得较低的误检率。     

基于布模拟滤波和支持向量机的隧道三维点云提取算法

针对传统隧道点云提取方法存在先验条件要求较高、参数依赖性较强、通用性较差的问题，提出基于布模拟滤波和支持向量机的隧道三维点云提取算法。介绍隧道三维点云提取算法流程，分析点云数据获取与下采样算法、基于布模拟滤波算法的地面滤波，以及基于支持向量机的隧道点云提取算法，并开展现场验证试验。试验结果表明，基于布模拟滤波和支持向量机的隧道三维点云提取算法，可准确剔除与隧道点云特征不一致的非隧道点云，隧道点云提取具有处理速度快、准确率高、通用性强的特点。但如果隧道中出现大量距离隧道非常接近的物体，且体积较小，该算法会出现较多误判。减少误判是该隧道三维点云提取算法今后的研究方向。     

基于聚类分析算法的铁路通信设备厂商信息智能分类

针对铁路通信大数据平台中设备厂商信息不规范的问题,提出一种采用聚类分析算法对厂商信息智能分类的方法,介绍聚类分析算法、相似度计算方法和聚类性能度量等理论,通过分词处理、构建词袋模型、权值转换等数据预处理技术,将文本转换为适合分类的权值向量,采用K-均值聚类、层次聚类算法分别对部分样本进行聚类分析,比较测试结果,最终选择层次聚类算法对所有样本进行聚类分析。该算法可以将不规范的厂商信息进行合理的分类,从而为形成厂商信息字典提供数据支持。     

基于LSTM的云环境异常智能检测方法研究

为提升运维人员响应速度,降低云环境异常对云上应用的影响,研究了一种基于长短期记忆(LSTM,Long Short-Term Memory)的云环境异常智能检测方法。通过将传统时间序列分析算法同LSTM神经网络相结合,实现在线预测云环境监控数据,并通过正态分布和贝叶斯推理定义预测波动范围,快速准确地判别云环境异常。在铁路云数据中心环境中进行测试验证,同其他时序预测方法的比较证明,本方法具有判别准确性高、对各种场景适用性强的优点,可为铁路大规模云数据中心智能运维实施提供一种有效的异常检测手段。     

铁路工程三维协同大数据云平台研究与开发

铁路工程三维协同大数据云平台是基于3DGIS空间信息平台、BIM云平台、GIM云平台、在线监测云平台及增强现实云平台的多平台融合技术,根据铁路工程项目不同阶段的具体业务需求,通过专题分析和技术应用整合衍生多种专项系统,实现铁路建设项目的设计成果数据、施工过程数据、运维状态数据等多源数据信息一体化协同管理,为铁路项目参与各方提供全生命周期的可视化大数据共享服务。     

基于云模型和组合赋权法的列车通信网络性能评估

针对列车通信网络性能评估缺少量化评估的问题,提出了基于云模型和组合赋权法的列车通信网络评估方法。首先,建立列车通信网络性能评价体系和Opnet仿真平台,采用组合赋权法确定综合权重;然后,采用云模型生成评价云,根据综合权重和逆向云算法得到综合云;最后,将列车通信网络性能综合云与评价云进行相似性度量,实现列车通信网络性能的评价。通过算例分析表明,该方法能够客观有效地评估列车通信网络性能,为列车通信网络的性能评估提供了理论参考。     

铁路线路点云数据可视化重构方法研究

针对地面激光扫描仪外业获取的海量线路点云数据,核心解决线路点云的专业化处理与利用问题。结合铁路线路技术特征,进行线路点云预处理研究,主要包括线路点云数据配准、采用基于几何特征的传统分割方法结合CCD影像信息进行线路点云数据分割,再经过除噪平滑处理后,对离散点云数据集进行封装处理,进而为后续正向CAD设计数据的提取提供基础操作模型。提出线路点云可视化对象重构方法,基于离散数据点曲率为主的几何特性估算,初步判定线路主点及变坡点信息,进而在不同主点范围内,通过特征截面的构造获取线数据和面数据。重构的线路点云数据符合正向设计习惯,基于此获得的连续钢轨走行面数据可用做线路几何形位判别指标的基础数据。     

基于3D移动测量系统点云数据的钢轨信息自动提取方法

为实现铁路基础设施智能化管理运维,利用3D移动测量系统高效获取高精度点云数据,并对点云数据进行智能化处理。钢轨作为铁路基础设施中最基本的单元,是几何参数计算的基础,对其信息进行自动提取具有重要意义。因此,提出了一种基于3D移动测量系统点云数据的钢轨信息自动提取方法。首先利用点云数据中的角度信息快速实现道床区域的分割,有效减小计算量;然后利用精细栅格划分和动态阈值实现地面点与非地面点的分离;最后利用DBSCAN聚类算法与RANSAC算法完成钢轨点云数据的最终提取。为验证该算法的有效性,以国铁场景钢轨点云数据和隧道场景钢轨点云数据为试验对象,验证结果显示国铁场景和隧道场景的钢轨点云提取准确度分别为96.32%和97.54%,完整度分别为92.14%和94.87%,准确度和完整度均高于90%。试验结果表明:该方法具有操作简单,提取结果准确的优点。