行程时间预测方法研究

行程时间预测,有助于实施高级旅行者信息系统.自20世纪90年代起,已经有多种行程时间预测方法被研发出来.将行程时间预测方法分为模型驱动方法和数据驱动方法两大类.介绍了两种常见的模型驱动方法,即排队论模型和细胞传输模型.数据驱动方法被分类为参数方法和非参数方法：参数方法包括线性回归、自回归集成移动平均和卡尔曼滤波,非参数方法包括神经网络、支持向量回归、最近邻和集成学习方法.对现有行程时间预测方法从源数据、预测范围、准确率、优缺点和适用范围等方面进行了分析总结.针对现有方法的一些缺点,提出了可能的解决方案.给出了一种新颖的数据预处理框架和一个行程时间预测模型,最后指出了未来的研究方向.     

关于"中国土壤系统分类中基层分类研究”的思路

中国土壤系统分类中的基层分类研究的重点是通过选择分异特性和恰当地划分分异特性区间来建立分类指标体系.分异特性应是易于鉴别的对土壤生产力有重要影响的相对稳定的土壤性质;以使土壤分类便于应用于土壤调查,更好地服务于土地评价和规划.研究变量和因变量的定量化关系或土壤性质与土地生产力的定量化关系是准确划分分异特性区间的有效方法.基层分类最好采用检索方法,以求分类的唯一性.连续命名法可以明确表达分类单元的属性.     

数据驱动系统方法概述

阐述了关于数据驱动系统方法的几点思考. 文中简要地探讨了以下三个主要问题: 离线数据与在线数据处理方法之间的演变关系, 数据驱动方法与基于模型的方法之间的优势互补关系, 以及数据驱动系统方法的前景. 在现有的知识和研究水平下给出数据驱动系统问题的解决方法是不切实际的. 针对控制、决策、调度和故障诊断, 本文的目的是对这四个领域的数据驱动方法问题进行归纳与分类, 并探讨可行的、有潜力的研究方向.     

动态系统的故障诊断技术

提出了一种全新的分类框架, 将故障诊断方法整体分为两大类, 即定性分析的方法和定量分析的方法. 对现有的方法在此框架下进行了划分, 并详细介绍了每种方法的基本思想、研究进展和典型应用, 其中重点讨论了数据驱动的方法. 最后, 简述了故障预测的研究现状, 并探讨了故障诊断研究存在的问题和未来的发展方向.     

一类基于类别区分的多重故障诊断模型框架

多重故障诊断是故障诊断和容错控制技术中的重难点问题.本文关注数据驱动故障诊断,以基于知识的方法为基本思路,按照故障表现及征兆的组合形式分析了多重故障和征兆之间的映射关系,将多重故障诊断转化为一类由各个组成故障对应于征兆数据集合的类划分问题.在已有应用于故障诊断的分类和聚类方法的基础上,分析了4种基于类别区分的多重故障诊断模型框架.并讨论了其优缺点和适用的类别区分算法.     

基于主观Bayes方法的渐进式中文文档分类

本文介绍基于主观Bayes方法的渐进式中文文档分类.包括三个方面:一是应用主观Bayes方法,利用领域专家的经验,减少复杂的计算量.二是采用渐进式中文文档分类,先进行粗分类,把文档集映射到大的类别集中去,再对属于每一大类别中的文档子集进行细分类,映射到次级类别中去,直到划分到最后的基类.三是选择文档属性时,采用相邻字对提取方法,某种程度可摆脱对复杂切词处理程序和庞大词库的依赖.     

纯电动汽车转矩控制策略及仿真

研究纯电动汽车转矩优化控制问题.针对传统纯电动汽车转矩控制方法存在控制模式单一、动力性和经济性较差等缺点,提出驱动模式识别的纯电动汽车转矩优化控制方法.将整车驱动行驶时工作模式划分成三种驱动模式,建立了驱动模式模糊识别器.根据驱动模式识别结果,运用线性计算、转矩补偿和动力总成效率寻优方法分别制定了三种驱动模式下的转矩优化控制策略.仿真结果表明,所研究的转矩优化控制方法能准确识别驱动模式,优化了整车驱动转矩,显著提升了整车的动力性和经济性.     

基于数据驱动的故障诊断技术研究现状及展望

对基于数据驱动的过程故障诊断方法进行了总结和划分,其中包含多元统计方法、机器学习方法、流形学习方法等。将各类基于数据驱动的故障诊断方法的原理、研究进展及其在工业过程中的应用进行了描述和分析,最后指出这一领域中需要进一步解决的问题以及近期的研究热点。     

用基于相对辐射校正的TM影像监测绍兴土地覆盖变化

基于绍兴市1984年和1997年的两期TM影像，用相对辐射校正方法将1997年的影像校正到1984年的辐射水平上，消除多时相遥感影像问地物的辐射差异，对两期影像分别做最大似然分类，构建覆盖转移矩阵，将分类图分析运算构建覆盖变化分类混淆矩阵，并结合土地覆盖变化的驱动因子，分析得出，绍兴土地覆盖变化主要因素是城镇的扩展及人们饮食结构的变化。     

基于数据驱动的故障诊断方法综述

首先介绍了基于数据驱动的故障诊断方法研究动机和国内外发艘现状.以新的视角将现有故障诊断方法分为基十数据驱动的方法、基十分析模型的方法和基于定性经验的人工智能方法.说明了该方法在整个体系中的地位.并从数据利用及其与基十分析模型的方法比较等方面探讨了该方法的应用背景;然后综述了按照新分类中基于数据驱动故障诊断的现有方法,分...     

基于视觉敏感区域信息增强的室内场景分类算法*

在室内场景分类问题中,由于场景本身结构的复杂性和多样性,存在各种干扰因素,影响分类的准确性.针对上述问题,文中提出基于视觉敏感区域信息增强的室内场景分类算法,通过融合基于视觉敏感区域信息增强的局部特征与全局特征,构成多尺度空间-频率融合特征,实现对室内场景的正确分类.在3个标准测试集上的实验表明,文中算法对多个不同场景分类数据集均有较好的分类结果,适用性较强.     

基于主成分分析的B2C客户分类方法研究

随着电子商务的发展,以"客户为中心"已成为电子商务企业的经营策略,而任何高效的客户关系管理都是以扎实的客户分类为基础。然而电子商务中所搜集到的客户信息往往具有海量、高维度和不完备等特点,如何对其正确、高效地分类是一个难题。根据电子商务客户信息的特点,构建B2C客户分类模型,提出了先对客户信息进行主成分分析以消除属性之间的依赖性,而后用朴素贝叶斯算法进行分类的新方法。实验表明了该方法的有效性。     

基于信息内容和拓扑关系的社会媒体用户兴趣分类

随着社会的发展,信息已经成为社会发展越来越重要的部分,人类的信息传播活动越来越明显地展示出分众特征,对用户的分类成为人类信息活动的一个重要研究课题.从这一目标出发,分别基于信息内容、拓扑关系和两者综合的方法,按兴趣主题对社会媒体用户进行分类.对于基于信息内容的用户分类,采用LDA主题模型从用户所发布的内容中提取其主题分布,基于这一分布,采用支持向量机、决策树、贝叶斯等多种模型按兴趣主题对用户进行分类.对于基于拓扑关系的分类,依据相同兴趣主题的用户倾向于拥有共同的粉丝这一发现,构建分类模型来按兴趣主题对用户进行分类.然后提出综合信息内容和拓扑关系的分类方法来对用户进行分类.最后基于大规模Twitter数据的实验发现,采用综合方法对用户进行的兴趣分类性能明显高于采用单一信息内容或粉丝拓扑方法的性能.     

A hybrid actor and blackboard approach to manufacturing cell control

Cell control forms one level of a hierarchical approach to the control of automated manufacturing systems. This paper describes the application of the artificial intelligence techniques of blackboard and actor-based systems for intelligent cell control in a framework termed Production Logistics and Timings Organizer (PLATO-Z). The blackboards required are described and the implementation is overviewed.The original version of this paper was presented at the 2nd International Symposium on Robotics and Manufacturing (ISRAM), Albuquerque, New Mexico, 16–18 November 1988. The published proceedings of this meeting may be ordered from: CAD Laboratory for Systems/Robotics, EECE Dept., UNM, Albuquerque, NM 87131, U.S.A.     

网络攻击与安全防护的分类研究

根据网络安全的研究与实现层面,提出了把网络攻击分为密码学意义上的理论攻击和现实意义上的技术攻击,对网络安全防护技术也做了类似划分,在此基础上对当前各类网络攻击和安全保护技术做了详尽的归类,并指出未来网络安全保护需注意的重点问题和可能的发展趋势。     

面向对象的土地利用变化检测方法研究

利用分类后比较法进行土地利用变化检测时,常用的自动分类方法只能利用遥感数据的光谱信息,分类精度较低,本文在此基础上将面向对象的分类方法引入到变化检测中。该方法综合利用遥感数据光谱信息、纹理特征、拓扑关系和专题信息,在进行多尺度分割获取对象后的基础上,通过对对象的目视识别选择样本来进行分类。利用面向对象的方法成功检测出了所选取的试验区十年间的土地利用变化信息,得到了较为满意的结果,为土地资源可持续利用提供了依据。     

大规模文本数据库中的短文分类方法

信息技术的飞速发展造成了大量的文本数据累积,其中很大一部分是短文本数据。文本分类技术对于从这些海量短文中自动获取知识具有重要意义。但是由于短文中的关键词出现次数少,而且带标签的训练样本又通常数量很少,现有的一般文本挖掘算法很难得到可接受的准确度。一些基于语义的分类方法获得了较好的准确度但又由于其低效性而无法适用于海量数据。文本提出了一个新颖的短文分类算法。该算法基于文本语义特征图,并使用类似kNN的方法进行分类。实验表明该算法在对海量短文进行分类时,其准确度和性能超过其它的算法。     

基于图像信息度量与关键词的邮件智能分类系统

如何利用邮件的正文与附件信息有效地实现其分类，是现在邮件处理领域一个重要的课题。该文从商业应用角度提出了一种基于图像信息度量与关键词的邮件智能过滤与分发方法，通过基于朴素贝叶斯分类器的邮件关键词信息处理，及附件图像信息的基于归一化PIM文本图像检测理论的分析，能够综合运用邮件正文、地址等文本信息与附件图像信息作为分类的评价参数，有效地实现了邮件的智能分类。     

类汉语组合查询驱动工具的设计与实现

本文讨论面向多媒体数据对象的、可按照类汉语方式进行条件组合的多功能查询模式驱动工具的ＦＩＭＳＦＩＮＤ的用户操作界面的综合设置、主要设计目标、查询模式驱动的基本思想、系统总体的逻辑结构、自学习式查询的优化技术以及编程实现技术等方面的相关问题,ＦＩＭＳＦＩＮＤ已分别由Ｔｕｒｂｏｃ Ｃ和ＶＣ＋＋编程实现,并被成功地应用于数十余个中文信息系统的研制开发之中。     

灰度直方图与LDA的路况分类

道路路况实时分类研究,是路况信息诱导系统的基础.通过对大量路况图像进行研究,提出使用路况图像中道路区域统计灰度直方图作为表征路况信息的特征向量,采用LDA(linear discriminat analysis)算法对高维特征向量进行降维,采用改进的K-近邻分类器实现对道路路况实时分类,并给出实际分类结果.实验结果表明,采用上述方法进行路况分类,其结果与交通管理部门给出的结果一致率达91.7%,对路况实时分类具有较高的实用价值.