基于车辆构成和特征提取的交通状态预估模型

准确的交通状态预估有利于车辆选择合理交通路线,缓解交通拥堵状态。针对传统方法特征提取不充分、预估准确度依赖于监测器精度等问题,提出了一种基于车辆构成和特征提取的交通状态预估模型。该模型以速度、流量、占用率和大型车辆比重为输入,将交通状态分成畅通、拥挤和拥堵三种状态,结合时间空间维度来预估交通状态。通过卷积神经网络（Convolutional Neural Network,CNN）提取交通拥堵特征,得到的特征输入支持向量机（Support Vector Machine,SVM）进行交通状态预估。实验表明,考虑车辆构成比忽略车辆构成准确率提高112%,CNN-SVM模型预估准确度比CNN模型提升225%,是一种有效的交通状态预估模型。     

一种支持智能匹配检索的数据集成系统设计

提出一种解决分布异构数据集成问题的方法.首先向所有能提供数据资源的网络节点以数据服务单元为基本单位主动发布数据服务,然后用智能匹配方式检索分布数据服务来实现动态的数据集成查询.通过融合应用语义Web、Web本体语言和描述逻辑等具有智能特点的技术,该方法能充分利用数据的形式语义和基于本体概念的知识推理工作.基于该方法,设计一个数据集成原型系统,并对系统的核心组件进行实验测试.结果表明,本方法系统能有效、可靠工作,能兼顾解决数据集成系统的适应性和性能问题.     

可视化数据挖掘平台在电力系统中的初步应用研究

结合一个面向电力企业应用的数据挖掘平台实验系统(VJC-Miner),介绍了通用数据挖掘平台系统涉及的一些核心概念、技术体系和应遵循采用的技术规范,以及目标系统的基本功能和技术特色,并以实例方式介绍该平台系统在电力系统中实施应用的可能性。     

利用粒子群算法优化多源检索融合结果的方法

对多个搜索引擎系统返回结果进行自动整合,是当前网络信息检索应用至今尚未较好解决的一个难点,也是影响元搜索引擎效果的关键技术环节。在实验多种处理多源搜索结果融合算法的基础上,文中提出一种可对多种其它融合排序算法输出结果做进一步优化的离散粒子群算法。该算法不仅能在整体效果上优于作为其预处理输入的其它融合排序算法,而且对不同查询有更好的适应性,不需考虑各独立源检索返回结果的质量权重及相互间重叠率等因素。与作为其输入处理的其它融合算法相比,该算法的相关文档识别准确率可提高约20%,而准确率随查询主题变化的标准差可降低约50%。     

一种支持异构数据库集成的定义说明语言

提出了一种数据集成中间件Mediator定义说明语言，该语言通过提供了一套抽象的语言成分组件，能支持从一个高度抽象的层次来表达复杂数据集成语义，有效解决异构数据源集成时面临的结构/语义异构冲突，并自动生成数据集成中间件Mediator。介绍数据集成定义说明语言（DISL）主要语言成分组件的语法/语义、构造生成Mediator的方法以及应用体系结构，并讨论DISL-Mediator的内部体系结构和它的静态/动态特性.     

基于CNN-XGBoost混合模型的短时交通流预测

准确、高效的交通流预测是实现交通诱导和交通控制的前提和关键。针对传统机器学习方法需要人工构造特征、无法充分提取交通流的时空特征等问题,提出一种混合预测模型,该模型结合卷积神经网络（Convolutional Neural Network,CNN）和XGBoost（Extreme Gradient Boosting）各自的优势,在网络底层使用CNN对交通流数据进行特征的自动提取和选择,并将得到的高维特征向量输入到XGBoost模型中进行预测。为验证模型有效性,取高速路段的交通流数据对CNN模型、XGBoost模型和CNN-XGBoost模型进行实验对比,结果表明,在预测精度上,CNN-XGBoost模型比CNN模型和XGBoost模型分别提高了约6%和7%,是一种有效的短时交通流预测模型。     

利用集成HC-SR04模块设计对射式测距系统

提出了利用廉价反射式超声测距模块HC_SR04设计对射式超声测距系统方案,实测了不同时序逻辑及采样方式对系统性能的影响,分析了不同单片机控制方案对测量结果的影响。标定后的系统最高精度可达到1 cm,性价比高,能很好地满足点对点的定位、测距以及部分需要特殊安全监控场合的需要。     

Pellet本体概念分类算法优化

针对Pellet1.4(简称Pellet)推理机的本体概念分类算法效率较低,为了通过减少调用ABOX推理概念间包含关系来提高分类性能,提出了一种全局标记方法.方法首先对所有节点嵌入一个二维散列mark,用于节点存储与其他节点的包含关系标记.然后在推理过程中通过ABOX的推理结果.动态修改相关节点中mark的标记信息.最后充分利用以前的推理结果所修改的标记信息来减少ABOX一致性检测次数.通过使用全局标记方法的算法替代Pellet推理机中原有概念分类算法对实际本体分类进行仿真,实验结果表明该方法可以有效地减少调用ABOX执行一致性检测次数,提高本体概念分类性能.