一种基于HMM模型改进的地图匹配算法

针对轨迹数据在线地图匹配中难以同时保障算法的准确率和时间效率的问题, 提出一种基于隐马尔科夫模型(HMM)改进的在线地图匹配算法, 并提出综合距离因素和方向因素计算发射概率的方法。与其他全局或者局部算法的不同之处在于, 改进的在线地图匹配算法引入可靠点进行轨迹分割, 减少了转移概率的计算和匹配结果的输出延时。用西雅图市浮动车的轨迹数据进行算法的实验验证, 结果表明, 与传统的HMM地图匹配算法相比, 改进的算法在准确率和时间效率上更优, 能够满足在线地图匹配的需求。     

单原子Co修饰TiO2(101)面的结构和析氢性能的第一性原理研究

通过基于密度泛函理论（DFT）+U的第一性原理方法研究了单原子Co在TiO₂（101）面的掺杂位置和方式、几何结构和整体能量以及掺杂后产物的制氢反应机制，得到了稳定且易出现的单原子修饰结构，即单原子Co吸附在4个O组成的表面空隙的中心位，记为Co/TiO₂（101）。进一步对Co/TiO₂（101）的析氢反应过程和性能进行研究，确定了当且仅当TiO₂（101）面完成表面羟基化反应后，H原子全覆盖的TiO₂（101）表面才能进行后续的析氢反应；此时单原子Co是唯一的反应位点，整体的制氢反应自由能ΔG_H*比Co（111）面更加趋近于0，显示出其具有远优于金属Co的催化性能。此外，Co和TiO₂间的电荷转移和相互作用使TiO₂带隙出现新的掺杂能级，可带来作为光催化基材的TiO₂光吸收性能的改善。     

基于分层多子群的教与学优化算法

文章针对教与学优化(teaching-learning-based optimization,TLBO)算法在求解高维函数优化问题时易陷入局部最优与"早熟"现象、迭代后期收敛速度慢、求解精度低的缺点,提出了一种基于分层多子群的教与学优化算法(hierarchical subpopulation TLBO,HSTLBO),对平均学生水平进行重新定义,并根据适应度值对教学因子动态取值;通过预设的一个等级层次结构,将种群划分为若干个子群,构成层次结构的底层;底层子群粒子相对独立进化,保证种群多样性,每个子群的最优粒子则构成层次结构的上一层,提升算法的全局收敛能力,子群自下而上更新。通过10个Benchmark函数将提出的算法与其他算法进行对比实验,结果表明,HSTLBO在求解精度和收敛速度方面均优于其他算法。     

基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.