基于交互式并行驾驶模拟实验的跟驰状态汽车驾驶倾向性动态辨识模型验证方法

驾驶倾向性的实时识别是实现汽车辅助驾驶尤其是主动安全预警系统智能化的关键理论和技术.通过交互式并行模拟驾驶实验获取跟驰状态下各倾向性类型的行车数据对建立的驾驶员倾向性的动态辨识模型进行验证,并将验证结果与心理问卷测试的结果相对比.结果表明所建辨识模型可行,能够实现对跟驰状态下驾驶员倾向性类型的实时识别,为个性化汽车主动安全系统的实现提供理论基础.     

基于运动去除的姿态估计算法

近年来,自动驾驶技术得到了加速发展,提出许多经典的姿态估计算法实现车辆的定位.但在实际场景中,一些运动点会给姿态估计结果带来误差.提出了一种基于运动去除的姿态估计算法.首先,基于特征点信息建立了几何约束条件,实现点的初步筛选.其次,利用聚类算法将视差图划分为不同的聚类区域.随后,根据数学模型将聚类区域判断为动态区域或静...     

基于成对约束的主动学习半监督谱聚类

半监督学习是近年来机器学习领域中的一个重要研究方向,其监督信息的质量对半监督聚类的结果影响很大,主动学习高质量的监督信息很有必要.提出一种纠错式主动学习成对约束的方法,该算法通过寻找聚类算法本身不能发现的成对约束监督信息,将其引入谱聚类算法,并利用该监督信息来调整谱聚类中点与点之间的距离矩阵.采用双向寻找的方法,将点与点间距离进行排序,使得学习器即使在接收到没有标记的数据时也能进行主动学习,实现了在较少的约束下可得到较好的聚类结果.同时,该算法降低了计算复杂度,解决了聚类过程中成对约束的奇异问题.通过在UCI基准数据集以及人工数据集的实验表明,算法的性能好于相关对比算法,并优于采用随机选取监督信息的谱聚类性能.     

基于优化初始聚类中心和轮廓系数的 K-means 聚类算法

传统K-means聚类算法初始聚类中心以及聚类数目K是随机确定的,聚类结果受其影响较大,这样容易造成聚类结果不稳定且准确率较低.针对上述问题,本文提出一种基于优化初始聚类中心和轮廓系数的K-means聚类算法.首先,为了选出准确的初始聚类中心,引入平均样本距离和误差平方和,构造初始聚类中心的选取方法,使得选取的初始聚类...     

基于相似性度量的改进DBSCAN算法

针对传统DBSCAN算法对高维数据集聚类效果不佳且参数的选取敏感问题,提出一种新的基于相似性度量的改进DBSCAN算法.该算法构造了测地距离和共享最近邻的数据点之间的相似度矩阵,克服欧式距离对高维数据的局限性,更好地刻画数据集的真实情况.通过分析数据的分布特征来自适应确定Eps和MinPts参数.实验结果表明,所提GS-DBSCAN算法能够有效地对复杂分布的数据进行聚类,且在高维数据的聚类准确率高于对比算法,验证了算法的准确性和可行性.     

几种典型数据类型的谱聚类方法研究

主要针对几种典型数据的多流形结构分析问题进行了研究.综合分析多种谱聚类算法优缺点,以谱多流形聚类算法为主线,结合实验结果对多种谱聚类算法进行了分析,最后针对数据空间密度不均匀的情况对谱多流形聚类算法进行了一定的改进,提出了一种基于自适应近邻值的谱多流形聚类算法,并通过实验证明其达到了混合多流形聚类的目的.     

基于随机谱聚类的图像分割算法

图像分割就是把感兴趣的区域从背景中分割、提取出来,为了使分割出来的图像特征信息完整,根据图像的灰度值和空间距离构造了一种相似度函数,得到基于图的灰度值的相似度矩阵,将图像分割转化为图论最小割问题,然后运用谱聚类算法进行分割.针对谱聚类算法运行所需的内存空间和运算量大的特点,提出一种考虑概率因素的随机抽样谱聚类算法.在具体实施时,为了减少背景噪声对分割结果的影响,对图像进行了滤波预处理.结果表明,算法稳定性好,相对现有算法,分割效果得到改善.     

模糊集IF-THEN规则的蚁群空间聚类分析

将蚂蚁的拾起和放下对象的行为表示为模糊集.通过模糊集的IF-THEN规则计算蚂蚁执行任务的激励和反应阈值,得到蚂蚁拾起或放下项目的概率,对蚂蚁的行为做出决策,实现对空间数据的聚类.以矿山实际测量数据为空间数据源,采用基本的蚁群聚类算法和模糊蚁群空间聚类算法分别对其进行聚类.通过对这两种算法的实验结果进行分析比较,证明改进后的算法提高了聚类效果.     

基于企业网络舆情的客户满意度分析及管理方法

社交网络平台的迅速发展,促使网络舆情成为企业获取商业情报、扩大竞争优势的重要信息来源。本文针对网络舆情环境下的企业客户关系管理问题展开研究。通过构建企业客户推动式信息反馈模型,描述了企业客户、网络用户与企业网络舆情间的联系,并依据信息反馈模型,提出变尺度聚类算法。该算法将传统聚类方法的求解过程由单一尺度分析扩展到多尺度分析,克服了实际数据聚类应用过程中的聚类结果特征不显著问题。本文选取新浪微博作为数据源,利用企业网络舆情数据集和企业客户数据集进行数据分析实验。实验结果表明,企业可以通过获取与其主营业务相关的网络舆情信息,实现客户满意度预测;同时,变尺度聚类算法结果能够为企业进一步制定销售战略和销售战术提供决策支持。     

基于PCA与自适应BP算法的侵犯性驾驶行为识别

从机动车安全预警的角度,以有效识别侵犯性驾驶行为为目的,针对传统BP算法学习效率低、收敛速度慢等缺点,提出一种基于PCA与自适应学习速率的BP网络改进识别算法.首先借助人因系统及汽车驾驶平台进行仿真实验,获取驾驶人生理-心理及车辆运行数据集,然后利用主成分分析提取其特征指标,继而应用自适应学习速率BP网络改进算法对驾驶行为进行识别.结果表明:驾驶员呼吸、肌电、速度、油门、车道线偏距以及发动机转速受驾驶行为的影响较大;识别精度为96.17%,对比自适应学习速率BP网络算法、BP网络算法,算法能明显减小训练迭代次数、提高识别精度.     

A new car-following model with consideration of the prevision driving behavior

In the paper, a new car-following model is presented with the consideration of the prevision driving behavior on a single-lane road. The model’s linear stability condition is obtained by applying the linear stability theory. And through nonlinear analysis, a modified Korteweg–de Vries (mKdV) equation is derived to describe the propagating behavior of traffic density wave near the critical point. Numerical simulation shows that the new model can improve the stability of traffic flow by adjusting the driver’s prevision intensity parameter, which is consistent with the theoretical analysis.     

股指期货套利中的最优现货组合构建策略研究

针对如何构建与股指期货联动性较好的现货组合问题,本文提出采用两阶段优化策略以提高组合的跟踪准确度。第一阶段,利用基于独立成分分析与模糊C均值算法相结合的时间序列聚类方法将沪深300股指期货对应的成分股进行聚类;第二阶段,对聚类之后的结果进行指数优化复制,以跟踪误差最小为目标,确定跟踪组合的成分股权重。实证研究表明,本文所提出的两阶段优化策略可以较好地改进指数跟踪效果。     

Latent class analysis variable selection

We propose a method for selecting variables in latent class analysis, which is the most common model-based clustering method for discrete data. The method assesses a variable’s usefulness for clustering by comparing two models, given the clustering variables already selected. In one model the variable contributes information about cluster allocation beyond that contained in the already selected variables, and in the other model it does not. A headlong search algorithm is used to explore the model space and select clustering variables. In simulated datasets we found that the method selected the correct clustering variables, and also led to improvements in classification performance and in accuracy of the choice of the number of classes. In two real datasets, our method discovered the same group structure with fewer variables. In a dataset from the International HapMap Project consisting of 639 single nucleotide polymorphisms (SNPs) from 210 members of different groups, our method discovered the same group structure with a much smaller number of SNPs.     

基于UGC大数据挖掘的大群体两阶段风险性应急决策方法

针对在重大突发事件应急决策大数据环境下决策者偏好的不确定性及偏离群体一致性导致的风险,提出一种基于UGC大数据挖掘的大群体两阶段风险性应急决策方法。首先,通过数据挖掘和自然语言处理方法从UGC中获取公众对事件的偏好信息并构建应急决策属性体系,利用TF-IDF方法结合专家评估信息确定属性权重;其次,建立一个意见开放式的两阶段决策流程,提出依据决策者意见的可靠度和准确度量化决策风险,利用聚类方法得到相应的成员权重,并使用TOPSIS法对决策方案进行排序。最后通过天津港“8·12”重大爆炸事故的案例分析和对比验证了所提出方法的可行性和有效性。     

Green efficiency performance analysis of the logistics industry in China: based on a kind of machine learning methods

This paper aims to analyze the green efficiency performance of the logistics industry in China’s 30 provinces from 2008 to 2017. We first evaluate the green efficiency of the logistics industry through the non-directional distance function method. Then, we use the functional clustering method funHDDC, which is one of the popular machine learning methods, to divide 30 provinces into 4 clusters and analyze the similarities and differences in green efficiency performance patterns among different groups. Further, we explore the driving factors of dynamic changes in green efficiency through the decomposition method. The main conclusions of this paper are as follows: (1) in general, the level of green efficiency is closely related to the geographical location. From the clustering results, we can find that most of the eastern regions belong to the cluster with higher green efficiency, while most of the western regions belong to the cluster with lower green efficiency. However, the green efficiency performance in several regions with high economic levels, such as Beijing and Shanghai, is not satisfactory. (2) Based on the analysis of decomposition results, the innovation effect of China’s logistics industry is the most obvious, but the efficiency change still needs to be improved, and technical leadership should be strengthened. Based on these conclusions, we further propose some policy recommendations for the green development of the logistics industry in China.

     

不同行为风格下路段行人与机动车行为博弈分析

针对路段过街行人与机动车的博弈决策行为,考虑不同交通行为风格下行人的过街特征和驾驶人的驾驶行为习惯等影响因素,开展路段行人交通行为风格调查,掌握不同交通行为风格下路段行人的过街特征,构建非合作动态人车博弈模型.通过分析不同策略下行人与驾驶人的收益,求解纳什均衡,得到不同策略下行人与驾驶人的最优策略.为解决路段行人与机动车冲突提供新的思路.     

基于用户感性需求的产品设计方案评估方法

目前满足用户的情感诉求和情感体验逐渐成为热销产品的关键属性,引起了产品开发者和企业决策者的关注。为了更好地贴合用户情感体验,结合信息熵、灰色关联分析和模糊TOPSIS,提出了以用户感性需求为向导的产品设计方案的评估方法。首先引入感性工学中复合感性意象量化用户的情感信息,通过对收集的产品意象进行聚类分析和主成分分析产生具有代表性的目标意象,运用语义差分调查获得代表意象的评价值;其次对规范化的意象评价值计算其熵值权重;最后结合灰色关联分析和模糊TOPSIS,产生用户情感信息指导下的产品设计备选方案的优先级排序。以智能手表设计为例,验证了该方法的可行性和有效性。信息熵和结合灰色关联分析的模糊TOPSIS可以较大限度地减少方案评估时的个人主观影响,确保了评估结果的准确性,对企业产品方案决策具有指导意义。     

基于新老司机道路选择行为的交通流均衡研究

针对新上路司机数量的爆发式增长带来的交通流均衡变化问题,本文在对司机进行分类和道路选择行为分析的基础上,应用决策树方法构建了基于新老司机道路选择行为的交通流均衡模型,并用实际案例研究了主要参数的敏感性。研究发现:路况通过联合系统车流量的分配情况、车速预期和司机学习过程等因素共同对司机比例产生影响;当某一条道路达到均衡时,车流量对司机比例的敏感程度受到路况差异的影响;司机在驾驶经验、对道路的熟悉程度以及学习能力等方面存在差异,但这种差异仅存在于对交通信息的感知方面。该研究有助于加深对城市交通流变化规律的认识和理解,对于发展出有效的交通管制措施有积极的理论价值和现实意义。