基于变权重和D-S证据理论的桥梁安全评估

桥梁结构的安全评估受环境侵蚀、材料老化、外部荷载等多源因素的影响,采用单一指标评价桥梁的安全性容易产生误判.因此,提出一种基于信息融合的多因素桥梁安全评估方法.该方法首先确定每种因素的变化区间,通过多工况数值计算提取典型的力学指标,利用信息熵和模糊层次分析法确定指标的变权重及单指标的等级划分原则并转化为基本概率指派函数.采用Dempster组合规则确定融合后的安全等级,从而建立桥梁的安全评估先验数据库.将该方法应用于预应力连续梁桥的安全评估中,结果表明该评估方法客观、合理,具有一定的工程实用性.     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

一种DNS数据源的获取与分析方法

针对目前DNS服务数据源的采集和分析缺少多源性和全面性的现实,利用DNS服务固有的协议特征模式对其属性进行分类获取及研究得出DNS服务的异变性。实验结果证明该数据源能够有效的反映DNS服务变化的多态性,为上层管理员预测DNS服务态势变化提供依据。     

改进模型估计与平差的多幅异源影像匹配方法

针对多幅异源影像匹配准确性不高的问题，提出了一种改进模型估计与平差的多幅异源影像匹配方法。首先利用基于快速自适应鲁棒性尺度不变的特征检测子与鲁棒性交叠的标准特征描述子，来增强特征匹配的鲁棒性；然后提出改进的随机抽样一致性算法，来提高模型估计的执行效率，同时保证鲁棒性；最后提出针对多幅异源影像匹配的平差方法，来优化异源匹配结果。实验结果表明，在异源影像存在较大差异的情况下，改进模型估计与平差的多幅异源影像匹配方法具有精度高的优势。      

多源信息融合故障诊断方法研究进展

简述多源信息融合与故障诊断的关系,指出多源信息融合故障诊断的一般方法。从融合结构和融合算法的角度对多源信息融合故障诊断方法进行了分类阐述,并分别说明其诊断原理与研究现状;指出信息融合故障诊断按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断,按融合算法分为基于贝叶斯理论、DS证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。最后展望了信息融合故障诊断方法的未来发展趋势。     

虹桥交通枢纽公共信息平台研究与设计

虹桥交通枢纽集多种交通方式及换乘广场于一身,各交通方式应用系统所用技术标准、接口方式和数据格式不统一。根据虹桥交通枢纽信息化管理需求,本文给出基于SOA的公用信息集成系统平台体系框架,并且通过建立多种多源数据融合模型动态路由对多源信息进行整合,实现各交通方式的信息整合。     

西安城市供水多水源水量水质联合优化调度

根据西安市严重缺水的供水形势及实际情况,对西安市两个主要水源建立了动态确定型多目标非线性数学模型,并从水量水质两方面对其进行约束;应用了先进的、专门用来求解大型数学模型的计算机软件—ＧＡＭＳ,使得模型计算速度快、精度高、通用性强;采用了垂向水温分布公式,在水质约束中很好地描述了水库的垂向水温分布形态,精度高、规律性强,并且公式中的参数可用多种途径估算;最后,得出２７ 年各月的水量水质参数,供管理者和决策者参考使用     

面向工矿区陆面演变分析的多源遥感信息融合

面向工矿区陆面演变分析对遥感信息融合的要求．针对传统IHS融合算法的不足,提出了小波-IHS集成融合算法、主成分综合融合方法和加权特征IHS融合算法。小波-IHS集成融合算法集成了IHS融合与小波融合两种算法的优点;主成分综合融合算法有效地将降维操作与信息融合予以集成;加权特征IHS融合算法根据图像统计特性确定权重．能够更好地综合多源遥感影像的优点。所提出的算法在工矿区陆面演变分析中取得了较好的应用效果。     

基于改进多核学习的多传感数据分类方法研究

物联网（internet of things,IoT）技术中结合多个数据源互补信息提高数据分类准确率的研究受到了越来越多的关注。针对物联网无线传感器采集到数据的多源异构特性,给出了一种基于改进多核学习支持向量机（improved multi-kernel learning-support vector machine,IMKL-SVM）的IoT数据分类方法。传统的多核学习方法中核函数主要是采用经验法选取核函数类型及参数,本文改进方法在确定核函数类型及参数时分为两步：首先采用交叉验证方法初步确定核函数类型及参数;其次在第一步结果中利用支持向量机（SVM）同时训练样本和优化多核函数的类型及参数。实验中针对温度、湿度、光照、大气压力等4种数据设计了两组数据——第一组数据被标记为上午、中下午、傍晚、夜间4类,第二组数据被标记为白天、傍晚、夜间3类,比较了本文的IMKL-SVM方法、单核SVM方法及传统MKL-SVM方法在两组数据集上的分类准确率。此外,针对UCI公开数据集AReM进行了分类实验,实验结果表明IMKL-SVM方法针对具有多源异构特性的物联网数据实现了较高的分类准确率。