一种基于物联网的智慧交通事件检测算法

在研究了物联网的公共技术及应用前景的基础上,设计建立了智慧交通管理系统。在系统中提出了一种新的分层的事件自动检测算法:检测小流量的第一层事件检测算法、检测自由流量的第二层事件检测算法和检测大流量的第三层事件检测算法。最后通过对郑州西南绕城高速进行实验,验证了本算法的正确性和有效性,并得到了较好的检测效率。     

基于遗传算法的交通事件检测

针对神经网络交通事件检测算法的缺陷，提出遗传算法与神经网络相结合的事件检测算法。应用遗传算法优化交通事件检测的神经网络模型参数，得到事件发生与交通参数间的映射关系。最后，用实测数据对模型进行校验。结果表明该算法有很好的鲁棒性，能提高事件检测的效率。     

优化BP_AdaBoost算法及其交通事件检测

为了及时检测出高速公路上发生的交通事件,减少由于交通事件带来的损失,提出了一种基于遗传优化的BP_AdaBoost算法用于交通事件检测.提取高速公路上下游的车流量、车速与占有率作为BP(back propagation)神经网络的输入值,利用遗传算法全局搜索的性能优化BP神经网络初始连接权值和输出阈值,再通过多个新的BP神经网络弱分类器构建成AdaBoost强分类器,设计基于遗传算法优化BP_AdaBoost算法的交通事件分类器.以在东京高速公路采集的真实数据进行性能验证,试验结果表明,该算法可以提高BP弱分类器的性能,检测率达到97%,误报率降至3.34%,适用于高速公路交通事件的检测.     

基于反向传播神经网络的入侵检测算法

讨论了多层神经网络算法缺陷,提出了一种基于改进反向传播(Back Propagation,BP)的快速入侵检测算法--IBP算法:在BP算法中的梯度下降算式中,加入一个动量项α[ω(t)-ω(t-1)],改善计算神经元 j到神经元i的级联权值;采用学习速率可变的策略;算法训练网络时采用批处理的样本输入方式.改进后的算法选取较大的学习速率η=0.5和η=0.65,并采用3层神经网络的结构,输入、输出样本是16维和15维,各进行100次独立仿真实验,结果证明可加快算法收敛速度,另外,仿真实验还证明:改进后的算法对初始权值的敏感性、网络所表现出的稳定性等都比传统算法性能优越.     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

基于离散时间信号相关性的交通事件检测算法

提出了基于离散时间信号相关性的自动交通事件检测算法.将交通信息数据转化为离散时间信号并进行相关性计算,有效定位通过上、下游截面的同一组交通流.解释了互相关系数的特征,并采用仿真数据进行性能验证.结果表明:基于离散时间信号相关性的自动交通事件检测算法具有可视性且易于理解,在低饱和交通环境下表现依然稳健,具有很好的适应性.     

基于模糊综合识别的事件检测算法

在分析拥挤交通流特性的基础上，提出了一种基于模糊综合识别的事件检测算法，并可以确定拥挤成因，仿真研究结果比较表明该算法效果很好。     

高速公路隧道交通事件检测系统的开发

高速公路隧道交通事件是指破坏正常交通流量并造成交通堵塞的非重复性随机发生的事件,它包括交通事故、车辆抛锚、道路养护或施工等临时的大型活动.详细介绍了高速公路隧道交通事件检测系统的构成及主要功能.     

快速路交通事件检测方法

为了提出一种适用于任何流量并具有较高检测率和较低误警率的快速路交通事件检测算法,以统计理论、突变理论为基础,设计了事件影响指数检测算法.利用交通量数据,检验纵向时间序列与横向时间序列上流量的波动性和正态拟合性;分析事件数据与非事件数据的差异,得出交通事件数据变化特征.分析结果表明:纵向时间序列的波动性和正态拟合性优于横向时间序列;事件数据具有多模态、不可达、突跳等突变性特征.该算法误警率为0,检测率比经典的Cali-fornia算法高出10%.不同流量下的检测效果对比表明,该算法适用于各种流量,低流量状态下的检测效果更好.     

基于神经网络的车牌识别系统在特定场合的应用

对车牌识别系统的组成进行简要的介绍,并以BP网络为例介绍了人工神经网络在车牌识别系统中的应用,提出了对于特定场所的识别系统可以通过简化网络,提高识别率和识别速度。     

人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。     

通信网络路径选择的流体仿真神经网络电路模型

提出了一种寻找通信网络最佳路径的流体网络电路模型,该模型充分利用网络的全部拓扑论处,用电路实现寻优计算,可在电路时间常数内给出网络的最佳路径。模拟结果证明了该模型的正确性和可行性。     

基于人工神经网络的聚类算法

研究连续型Hopfield神经网络的电路机理,推导出网络的权值计算公式,并运用连续型的神经网络模型构造出聚类算法;对20个随机生成数据计算模拟神经网络的运行,逐步调整类内精度多次训练,当参数a=b=500,c=200且类内精度控制不超过0.6时,有一个优化的聚类方案输出.     

基于复合神经网络的网络业务分类算法

针对目前计算机网络业务流管理问题,提出了一种基于复合神经网络的网络业务分类方案．将复合神经网络用于网络业务源特征提取与分类的研究中,打包法和BP算法结合用于复合神经网络的训练．并分析比较与单个神经网络和模糊神经网络算法用于网络业务分类效果．计算机仿真结果表明,复合神经网络分类收敛快、误差小,比单个神经网络算法和模糊神经网络算法更优越；同时,研究结果为解决网络业务源特征提取与分类提供了一种有效的途径．     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

遗传算法在前馈神经网络中的应用

比较了遗传算法和神经网络的特点，对于将遗传算法用于前馈神经网络的可能性进行了研究，并给出了应用实例；同时提出了一种构造变长染色体用于神经网络演化的方法，并描述了作用于变长染色体上的遗传操作机制     

多层神经网络BP算法的改进

多层神经网络ＢＰ算法的改进姚瑞波孙国雄汤崇熙（东南大学机械工程系，南京２１００１８）目前，前馈型多层神经网络模型已广泛应用于模式识别、语音识别、数据压缩等领域．ＢＰ算法作为其学习方式有效地解决了ＸＯＲ、Ｔ－Ｃ匹配问题，但ＢＰ网络的学习过程是对一个高...     

BP人工神经元网络与汉语语音的音节切分

提出了一种基于ＢＰ人工神经元网络的汉语语音声韵母分割算法．计算机模拟结果表明，该算法只需对极少数典型音节进行简单训练，便可实现汉语语音的声韵母分割，且分割精度远大于传统算法所能获得的精度．     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。