基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值（FCM）聚类强大的局部寻优能力，提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析，从而得到分类中心的全局最优解，作为每个说话人的语音模型，最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别．除此之外，使用自适应参数增加遗传算法的局部搜索能力。实验结果表明，这种算法克服了传统硬聚类的缺点，避免了FCM对初值敏感及容易陷入最小值的缺陷，使聚类更加合理，更好地描述了说话人的语音特征。     

基于Hough变换的交通流状态辨别方法

交通流状态辨别在智能交通系统中起着十分重要的作用。本文根据对交通流状态辨别研究的分析,提出基于Hough变换方法和模糊C均值聚类方法的交通状态辨别方法。其中,基于Hough变换的图像识别方法用于交通畅通流的辨别,模糊C均值聚类方法用于其它交通状态分类。而且利用快速路固定型交通检测器实时数据进行了实证分析,且与模糊C均值聚类方法进行了对比分析。分析结果表明本文方法与FCM方法相比,更符合于三相交通流理论,且满足城市快速路交通流的特征。该方法可用于交通流状态分析。     

基于复合神经网络的数据分布模式仿真识别

采用复合结构神经网络对数据概率分布模式进行了仿真识别。首先提取数据的样本峰度、偏度、分位数和累积概率等数字特征 ,构建数据概率分布模式和仿真识别训练样本 ,然后采用Kohonen网络对概率分布进行聚类 ,接着运用BP网络对各聚类分别进行分类识别 ,最后对任意数据流进行了仿真识别。仿真识别结果表明 ,同其它模式识别方法相比 ,该方法更能够反映数据流概率分布的特征 ,从而得到了满意的模式识别效果。     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

模糊模型辨识中模糊聚类方法应用分析

模糊聚类算法已广泛应用于模式识别、数据聚类以及从数据中提取模糊规则的过程。介绍了基于模糊聚类的非线性系统模糊辨识方法 ,并通过著名的Box和Jenkins煤气炉数据仿真实例详细研究了模型性能指标与输入变量及模糊聚类数之间的关系 ,指出了应用模糊聚类方法的优势与不足。对于模糊建模中正确应用模糊聚类方法具有重要指导意义     

集对分析聚类预测法及其应用

提出一种新的预测方法－－集对分析聚类预测法，该方法融合了集对分析中的同异反模式识别的“择近原则”和聚类分析的基本思想进行分类预测，文中将该方法应用于于邮电业务总量预测的研究，研究，考虑了邮电业务总量和第一、二、三产业的国内生产总值之间的关系，利用邮电业务总量和三个产业的生产总值的历史数据，建立了邮电业务量水平聚类预测的模型，从而得到邮电业务总量预测结果，利用我国某地区的实际数据进行分析计算，并与其它预测方法比较，结果表明预测方法是有效的。     

基于自适应协同聚类的支持向量预选算法

为提高支持向量机在大规模数据集上的训练效率,提出一种基于自适应协同聚类的支持向量预选算法。该方法通过对两类样本进行自适应协同聚类,寻找少量具有协同关系的类中心对,替代支持向量进行训练,从而减少参训样本数量。其中,中心对数量由算法自动确定。与其他支持向量预选算法的对比实验结果表明,自适应协同聚类算法能够在不影响分类性能的情况下,有效提高训练速度,是一种行之有效的快速支持向量预选算法。     

基于改进的模糊C-均值的分级递减聚类算法

提出了基于改进的模糊C-均值的分级递减聚类算法,利用改进的模糊C-均值聚类算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类数数据集的聚类。实验结果表明,本算法对未知类数、具有高斯分布的数据集具有聚类效果好、收敛快的特点,且对于类数较多的数据集,本算法也是一种快速聚类算法。     

基于数据挖掘的交通流预测模型

通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中Pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

交通流量变模式辨识的非参数概率变点模型

交通流状态辨识是智能运输系统（ITS），尤其是其先进的交通管理系统（ATMS）和先进的出行者信息系统（ATIS）研究的一个重要内容。以往算法主要集中在交通流预辨识（即交通流预测）和交通流实时辨识（即事件检测或交通流突变检测）的研究上．而忽略对交通流关键参数量变模式的辨认。依据交通流理论，结合非参数变点统计方法，以在淄博市世纪路采获的自由车流数据的研究为例，首次建立对交通模式量变识别的非线性概率变点模型．对变点存在与否进行假设检验。并对变点发生（时间）位置的搜索算法作了详细研究。最后结合实地数据对本方法进行了标定和检验。验证了本方法的有效性和可行性。     

我国大城市用地形态与交通发展模式的研究

我国加入WTO后，新一轮城市化的进程将进一步加快，城市交通的问题也将越来越突出。城市交通发展模式的决定因素是城市用地形态，通过计算机模拟试验的方法，对城市不同用地形态下出行距离分布的特性进行研究；并借鉴国际大城市的交通发展模式，提出我国大城市相对应的交通发展模式。     

事件状态下城市快速路交通通道优化控制模型

交通控制和管理是解决城市交通拥挤问题的有效措施。在事件状态下，对快速路交通通道的优化拉制建模进行了研究．以快速路和干道交叉口的交通需求与通行能力的方差和最小为优化目标，建立了快速路交通通道优化控制模型，该模型同时优化干道交叉口绿信比、事件上游出口匝道转秽率和事件下游入口匝道转秽率三个控制参数。最后对目标函数进行了评述，表明谊优化控制模型简单实用。     

面向控制的城市快速路网宏观动态交通模型

针对我国城市交通特点，在改进经典的高速道路网宏观交通流模型METANET的基础上，提出了面向控制的城市快速路网宏观动态交通模型。该交通模型能够更好地描述快速路出口匝道流出能力受限、快速路主线起始点车流以及快速路主线车速控制等现象。对上海高架快速路的实际交通流数据进行了仿真研究，结果表明该模型较好地反映了城市快速路交通流的动态演化特征，可以作为城市交通控制系统分析和设计的有力工具。     

交通拥挤状态的识别与分析

以交通流理论为基础，用车速年口车流密度泉描述车流的运行状态。把“密度-速度”曲线图中车速、车流密度、畅行速度三者所围的三角形面积看作的交通拥挤损失量．将交通拥挤度定义为车流运行状态相对于畅行状态时的损失率．推导出拥挤度的计算公式，将该佘式作为拥挤度的判定方法。假定道路上的车流服从用户平衡配流原则，则用户平衡状态时的车流运行状态即为拥挤平衡状态。用数值仿真的方法分析拥挤度随车流密度的变化趋势，及拥挤平衡的变化趋势。     

拥挤交通流的行为分析与仿真建模

从分析拥挤状况的交通行为特性出发，建立了相应的仿真模型。该模型在跟车子模型加入了随机扰动项，换道子模型的可行性检测中加入了前后间距不足时司机的减速行为。与传统模型相比该模型能更好地反映拥挤流下的交通行为，更适合于拥挤状况的交通微观仿真。     

城市与高速公路交通流复杂度的测度及比较

为实现短序列条件下交通流系统的可比化度量，引入非线性动力学中Lempel-Ziv算法、近似熵、统计复杂度等方法。通过分析14个实测城市和6个实测高速公路的交通流时间序列数据，研究不同条件下交通流复杂度的异同，得出结论：城市和高速公路交通流的复杂度都比较高；三种方法都可以解决传统刻画方法的“短序列、可比较”难题，能够应用于交通流系统的复杂性测度；城市交通流系统比高速公路交通流系统复杂。     

含目的地选择的城市交通网络非稳定均衡分析

为了完善现有的城市交通流均衡分配理论,研究了城市交通网络中的非稳定均衡状态。利用添加虚拟节点和虚拟路段的超级网络建模方法,将出行者的出行与否决策、目的地选择决策以及出行路径选取决策归入一个抽象的网络中进行研究,利用变分不等式理论将网络的非稳定均衡问题转化为易于处理的一般交通流分配问题。研究结果表明:只有结合出行者的出行与否决策与目的地选择决策,才能使交通流分配的结果更符合现实;网络非稳定均衡状态确实存在,出行者出行与否的最高费用标准越高,实际的网络出行流越大。     

城市道路网络多交叉路口交通信号实时优化控制模型与算法

城市道路各交叉口交通信号的实时管理和控制直接影响了整个城市的交通拥挤。以武汉市武昌区各主要交叉路口的交通信号控制问题为背景，构造了交通网络中以多交叉口滞留的车辆数最少为目标的优化模型，用遗传算法对其进行了仿真数据求解，得到了实时控制的配时方案，并与固定周期固定绿信比方案进行了比较，结果表明该模型和算法对交通信号实时控制是非常有效的。     

短时交通流混沌预测方法的比较

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,提出了将Volterra滤波器自适应预测模型用于短时交通流的实时预测。为提高预测精度,在Volterra滤波系数计算过程中采用归一化最小均方自适应算法进行多次训练。应用该预测模型对几个典型的非线性系统进行预测,验证了算法的准确性。然后再用此方法对微观实测交通流的时间序列进行实证分析。仿真结果表明,该预测模型对实测交通流时间序列具有很好的预测效果,可以满足实时交通流预测的需要。