基于点击流的频繁模式聚类算法研究

在用户访问网站点击流形成频繁序列的基础上,提出基于距离函数的聚类分析算法.首先对数据流分区做K均值聚类生成中间聚类结果,然后对这些均值参考点进行离线聚类,以获取用户访问模式.理论分析和实验表明,算法具有较好的聚类效果.     

K均值聚类算法初始质心选择的改进

聚类分析在信息检索和数据挖掘等领域都有很广泛的应用,K均值聚类算法是一个比较简洁和快速的聚类算法,但是它存在着初始聚类个数必须事先设定以及初始质心的选择也具有随机性等缺陷,造成聚类的结果不是最优的。针对K均值聚类算法中的随机指定初始质心的缺点,提出了基于密度和最近邻相似度的初始质心选择算法,实验显示该算法可以生成质量较高而且较稳定的聚类结果,但是改进的算法需要事先设定最近邻相似度的阈值计算量较大等缺点,还有待改进。     

模糊超球质心聚类神经网络

基于人的大脑进行聚类分析所遵循的基本原则,提出了一种模糊超球质心聚类神经网络学习算法,该方法无需用户事先给定聚类个数K,通过神经网络自组织学习,可以正确识别聚类个数与聚类中心。实验结果表明,该算法是一种全新的聚类方法,具有学习时间短,稳定性强且不依赖于聚类样本的输入顺序等优点。     

基于改进微粒群算法的K-MEANS聚类和孤立点查找

K均值算法的聚类个数K需指定,聚类结果与数据输入顺序相关,而且易受孤立点影响.针对这些缺陷,首先以实验的方式证明了找到最优的初始质心是K-MEANS算法有效的条件,对局部版的微粒群优化算法(PSO)进行了改进,利用其局部搜索的功能查找到K均值算法的最优初始质心和存在的孤立点,克服了K均值算法的这些缺陷。     

考虑行驶稳定性的四轮转向车辆路径跟踪控制研究

为了改善高速和低附着路面上无人驾驶车辆的行驶稳定性和保障行车安全,以四轮转向车辆为研究对象提出了一种考虑行驶稳定性的路径跟踪控制方法。首先基于模型预测控制算法设计了四轮转向路径跟踪控制器,然后根据质心侧偏角-质心侧偏角速度相平面稳定域和零质心侧偏角控制目标设计了车辆状态参数包络约束,在路径跟踪算法中加入轮胎侧偏角约束和车辆状态参数包络约束,保证车辆行驶时的稳定性。CarSim和Simulink联合仿真结果表明,采用基于包络线稳定性控制策略的车辆在高速行驶时或在低附着路面上行驶时能保持良好的路径跟踪能力并具有较好的行驶稳定性。     

基于滑模控制理论的车辆横向稳定性控制

针对车辆在极限运动工况下转弯或变道行驶时的横向稳定性控制问题,建立以车辆横向速度、横摆角速度及车身侧倾角为状态变量的3自由度非线性动力学模型.在动力学分析的基础上,探讨依靠施加各车轮不同纵向制动力而产生辅助横摆力矩的方法来提高车辆在极限工况下的操纵稳定性.考虑到作为车辆状态变量之一的质心侧偏角难以测量,设计了基于车辆动力学模型及运动学关系相结合的质心侧偏角估计器.运用滑模控制理论,以车辆横摆角速度和质心侧偏角与相应的理想横摆角速度和质心侧偏角之差,作为车辆稳定性控制系统的两类控制输入变量,以车轮纵向制动力矩和方向盘转角为控制目标建立了联合滑模控制系统,通过计算机仿真表明,该控制方法可以有效改善车辆横向稳定性.     

对各国饮食构成进行聚类分析

聚类分析是数据挖掘方面重要的研究领域.K均值聚类分析将样本分成指定的几类,并且这几类的特征目前是不知道的.K-均值聚类方法是一种简单、快速和有效的聚类方法.本文用K-均值聚类方法对各国按饮食构成进行分类.     

K型线与回旋线在卵形曲线上行车稳定性分析

为研究K型线作为公路缓和曲线的可行性,对比分析K型线和回旋线在卵形曲线中车辆横向加速度、横摆角速度、横向荷载偏移率及横向加速度变化率4种指标的差异,分析车辆在K型线上行驶的行车稳定性.根据K型线数学模型和设置方法,求解K型线的逐桩坐标,并将其导入动力学仿真软件CarSim,建立小客车在K型线上行驶的仿真模型.通过改变缓...     

紧急制动工况下车辆的PI稳定性控制

针对制动工况中的汽车,建立9自由度车辆动力学模型,并基于车辆动力学模型,采用比例-积分(PI)稳定性控制逻辑算法对车辆的行驶状况及运动姿态进行控制.最后,利用CarSim和MATLAB/Simulink联合仿真平台,结合低附着系数路面和对开路面的紧急制动工况进行离线仿真.仿真结果表明:采用稳定性控制逻辑算法可以改善车辆的纵向运动状态,有效地抑制车辆的侧向运动,有助于提高车辆的稳定性.     

基于K －均值聚类的混合聚类算法

K-均值聚类算法是聚类算法中比较典型的算法之一,在其各类改进算法中都受到了离群点、初质心、类个数等因素的干扰。本文利用相似密度提出一种新的聚类初始质心选取和离群点判别方法,对K-均值聚类算法进行了改进。通过实验证明改进算法提高了聚类的有效性和稳定性。     

一种改进的毫米波雷达聚类算法

针对毫米波雷达数据均匀性差,数据量小,噪点多等问题,提出一种基于DBSCAN (density-based spatial clustering of applications with noise)的雷达自适应聚类算法.改进算法能够根据K近邻距离和目标反射截面自适应调整聚类半径.首先给出一种聚类半径根据K近邻距离动态调整的机制:目标第K个近邻的距离与阈值相比较,以确定阈值半径取值.再提取雷达提供的目标反射截面,基于该值计算目标假象半径作为聚类半径的补充量.实现根据目标反射截面与数据稀疏程度自适应聚类的效果.将改进算法与不同参数的DBSCAN聚类算法在真实雷达点云数据进行实验对比.相较于选取合适参数的DBSCAN算法,改进算法能够更好适应毫米波雷达点云特征,对行人目标识别准确率提高4.18％,对车辆目标识别准确率提高5.63％.     

基于3D激光雷达点云的车辆目标识别算法

针对结构化道路环境中智能车识别周围360°范围内的车辆目标问题,基于车载3D激光雷达采集的道路环境中车辆目标点云数据投影特征,提出识别车辆目标新算法。算法首先识别结构化道路边界,进而排除道路边界两旁障碍物的干扰和减少点云数据量;其次基于雷达点云数据扫描和分布特征,利用改进K-means算法对道路区域内点云数据聚类。最后提取聚类目标内部特征点,并通过计算特征点构成向量的夹角或模的长度准确识别车辆目标。实验验证表明,该算法有效抑制了道路边界两旁障碍物的干扰,可以准确识别结构化道路区域内的车辆目标。     

考虑道路形状约束的车辆轨迹聚类方法

随着车联网技术的不断发展,产生了海量车辆轨迹数据。这些车辆轨迹数据可以通过聚类分析方法挖掘出车辆行驶的潜在规律,从而实现指导车辆出行的目的。提出一种基于密度的车辆轨迹聚类方法,对基于道路形状关键点位置选取的车辆轨迹信息进行重构,并考虑车辆在路网中移动的空间约束,分析聚类结果得到城市道路的交通状况,以此指导车辆出行以避免或减轻车辆拥堵。基于福州市真实的车辆数据对提出的车辆轨迹聚类算法进行验证,并对最后的聚类结果进行了详细的分析。实验结果表明,针对车辆轨迹聚类并结合道路网络的方法能够更加真实反映车辆的行为特征。     

线控转向稳定性控制设计

在线控转向系统中,方向盘和车轮相互独立,为车辆实现最佳的稳定性提供了很大的设计空间.本文通过Simulink和CarSim软件联合仿真建立了带有线控转向系统的车辆模型,对车辆模型进行了稳定性分析;提出了基于线控转向系统的主动安全控制算法;通过CarSim和LabVIEW联合建立的硬件在环试验平台实现了整车仿真数据与硬件台架信号的互相通信,并验证了主动安全控制算法.这为线控转向车辆稳定性的研究提供了一种新的思路和方法.     

基于时空相似系数的环形交叉口车辆轨迹聚类

为了分析交叉口车辆运行轨迹的规律性, 提高环形交叉口交织段的通行能力, 提出基于时空相似系数的环形交叉口车辆轨迹聚类方法。 针对规定区域车辆轨迹, 分析车辆轨迹时空信息并计算得到时空相似系数, 同时采用谱聚类进行聚类, 将交叉口区域内一段时间内的轨迹聚类情况进行可视化展示。 经过实例验证, 所提出的方法能够有效地约简数据, 并可提取出轨迹信息中的潜在规律, 为进一步的决策工作提供一定的参考价值。     

全轮转向多轴车辆性能分析及侧翻前馈预警研究

为研究多轴车辆的稳定性和安全性,建立了线性2自由度全轮转向车辆模型,并根据阿克曼原理计算了车辆的转向比例系数.基于准静态侧倾理论估计车辆的横向载荷转移率,利用拉普拉斯变换求解横摆角速度增益,进而提出了一种侧翻前馈预警算法.通过理论值与仿真值对比,发现所提出的算法可对车辆的侧倾状态进行有效的前馈预测,并且应用该算法还可计算出车辆转向时的极限车速和极限转角.研究对于车辆侧倾状态估计和侧翻控制预警具有重要的借鉴意义.     

驾驶员转向特性分类与辨识方法对比研究

针对汽车驾驶员转向特性分类与辨识问题,基于CarSim仿真平台对研究方法进行了初步探索。设计了转向工况仿真试验,采集试验数据,根据车辆最大横摆角速度,使用K-means聚类算法对驾驶员转向特性进行分类。在Matlab软件环境下分别采用学习向量量化(LVQ)神经网络、BP神经网络、支持向量机(SVM)建立驾驶员转向特性辨识模型,并对3种网络建立的辨识模型进行测试试验和比较。试验结果表明:3种辨识方法均具有较高的辨识精度,其中支持向量机方法在汽车驾驶员转向特性辨识方面具有一定的优势。     

快速鲁棒的密度基聚类算法

为有效改善基于密度的聚类算法的聚类效果,提出了判定顺序聚类算法的聚类合理性的形式判据,简述了其神经生物学证据,并据此给出了可有效改善DBSCAN算法的聚类精度和时间效率的新算法DBSCANJZPoll．该算法首先以随机处理次序多次执行一个顺序依赖的子进程;再根据子进程的各次执行结果,由“合理聚类”的形式判据和简单的统计原则确定最终聚类结果．在聚类精度方面,仿真实验表明,DBSCANJZPoll可有效处理密度不均匀的样本集,聚类效果显著优于DBSCAN．在时间效率方面,理论分析表明,对于中高维样本集,DBSCANJZPoll的时间复杂性渐近于O(N),优于DBSCAN算法族中其他算法至少O(N log N)的复杂性;对于低维样本集的仿真也表明, DBSCANJZPoll具有相对优化的时间效率．