基于机器学习的中观交通仿真器模型参数标定

针对经典速度-密度模型在精确刻画交通流动态变化特性时所存在的局限性,将更丰富的路段检测信息运用到中观交通仿真模型参数的标定过程中。提出先对路段检测数据进行预处理,再采用机器学习方法中的局部加权回归、k-均值聚类、k-最近邻方法,分别将车流密度,密度与流量作为变量标定车速。利用现场数据对算法进行了大量测试,结果表明,算法是有效的,适用于基于仿真的动态交通分配系统。     

分形图像编码的误码检测和图像恢复

对由于传输信道干扰而产生的分形压缩编码数据传输时产生的图像坏块 ,提出了一种检测方法 ,并用遗传算法在该图像中搜索坏块的相似块 ,用相似块来取代坏块 ,从而达到误差掩蔽的效果。仿真结果表明 ,对数据传输中所产生的图像坏块 ,采用所提出的图像坏块检测方法 ,坏块检出率高 ,并且在使用所提出的图像误差掩蔽方法后 ,图像质量有明显改善。     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

基于Jess和机器学习的Robocode策略研究与实现

研究Java规则引擎和机器学习在Robocode坦克机器人战斗仿真引擎中的应用。探讨利用Jess规则引擎对Robocode坦克机器人决策规则库部分进行开发与维护,满足仿真环境实时性和策略易扩展性的要求。同时为了提高坦克机器人的在线自适应和自学习能力,结合机器学习方法进行角色训练,利用人工神经预测网络对产生式系统中瞄准规则的火炮瞄准角度值进行优化。结合遗传算法与产生式系统,设计混合的移动策略选择器,并对神经网络预测瞄准和基于遗传算法的移动策略进行了实验,给出了实验结果。     

基于图像灰度熵的团块目标检测方法

针对面向自动目标识别(ATR)的图像数据压缩方法,感兴趣区域(ROI)检测器的设计是需要解决的一个关键问题。图像灰度熵可以有效地反映图像中像素灰度变化的剧烈程度,并且与图像均值有关。提出了一种基于图像灰度熵的团块目标检测方法,实现了对可见光和红外图像中坦克、飞机、舰船等团块目标的有效检测。实验表明该方法具有较好的稳健性和适应性,优于基于分水岭的检测方法,满足面向ATR图像数据压缩方法ROI检测器的设计要求。     

数据中心PUE能效优化的机器学习方法

本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

基于机器学习的寿险精算生命表函数估计

传统的分数年龄假设(fractional age assumption,FAA)形式简单且计算容易,但它们却存在死力函数在整数年龄处有较大跳跃的缺点,并且无法保证能精确地捕捉到生存函数的真实趋势。最小二乘支持向量回归机(least square support vector regression,LSSVR)作为机器学习领域的一项经典技术被广泛应用于对统计数据的回归与分析中。从机器学习的新视角来研究寿险精算理论中的生命表数据,对生存函数数据进行回归,并用成功拟合的生存函数构建死力函数及平均余命函数。LSSVR模型对生存函数拟合的有效性通过Makeham函数来进行验证,并与经典的三个FAA模型进行比较,实验表明,LSSVR模型的回归能力远高于经典的FAA模型。     

基于四叉树的灰度图像压缩方法

从灰度图像的局部统计特性出发 ,提出了基于四叉树的灰度图像压缩方法。该方法的基本思想是 ,如果当前原始子块的最大灰度差小于一给定阈值 ,则把当前原始子块视为一个整体子块 ;否则把当前原始子块一分为 4 ,得到 4个大小相等的更小的原始子块。该方法把原始图像分解为若干个整体子块 ,并采用有效的方式存储每个整体子块的位置、大小和灰度 ,从而达到压缩的目的。采用合理的平滑算法 ,有效地消除了解码图像中的方块效应。计算机仿真实验表明 ,该方法可以获得较高的压缩比和峰值信噪比 ,可以很好地保持原始图像中灰度变化较大的细节 ,可以方便地去除方块效应 ,具有较高的实用价值。     

ML-TEA:一套基于机器学习和技术分析的量化投资算法

量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易,并从中获取超额收益,是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA(machine learning and technical analysis).该模型以技术指标作为输入变量,再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向,并根据预测的方向来构建投资组合.实证结果显示:第一,三种模型的年化收益率都在25%以上,远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看,三种策略也都远超基准策略和现有策略.以夏普比率为例,三种策略均在1.50以上,而市场指数的夏普比率为0.38.第二,Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量,能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型,利用BP 神经网络对样本数据进行处理,再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段,利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证,并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

基于学习行为的动态资产组合选择

在不完全信息下,研究了风险资产收益前两阶矩的参数不确定性对动态资产组合选择的影响.在连续时间下假设资产的价格服从随机扩散过程,引入参数不确定性,利用随机动态规划方法推导出风险资产最优配置的封闭解,使投资者的终期财富期望幂效用最大;在离散时间下假设风险资产的连续复合月收益率服从独立同分布的正态分布,通过贝叶斯学习准则,以上证综合指数不同区间段的两个样本做实证研究.研究表明,当投资者的风险规避程度大于(小于)对数效用时,参数不确定性将导致负(正)的投资期效应;当投资者在估计过程中运用较多的历史数据、或者风险规避程度增加时,参数不确定性的影响将减弱;收益一阶矩的不确定性影响较其二阶矩强.研究突出了参数不确定性在动态资产组合选择过程中的重要性.     

旅客交通方式选择行为研究的计算机模拟方法

基于随机效用理论，给出了使用计算机模拟方法对旅客方式选择行为进行研究的方法。首先，讨论了如何确定模拟模型的结构和参数，然后给出了对单个旅客的选择行为进行模拟的方法。为了得到统计意义上的结果，可以模拟抽样，随机产生大量旅客，让其进行方式选择。最后给出了算例。     

一种交通控制与诱导递阶协调优化模型

在对交通控制与诱导的关系进行分析的基础上,借鉴大系统递阶优化的思想,利用动态交通分配模型和交通最优控制模型,提出了一种二级结构控制与诱导递阶协调的系统结构,建立协调优化模型,给出了一种迭代的协调求解算法;并针对一个仿真的路网给出模拟的协调结果,对本文的模型和算法进行了验证.     

基于参数估计精度的SAR图像分辨率评估方法

分辨率是SAR图像超分辨处理性能评估的一个重要指标。首先分析传统的3dB主瓣宽度计算方法用于超分辨性能评估的缺陷与不足,并利用三次样条方法证明了对传统方法而言,像元分辨率为最高测量分辨率。然后基于频域点散射模型,从最优参数估计精度角度提出了新的分辨率评估方法。该方法克服了传统方法的缺点,并建立了分辨率与目标参数、噪声水平之间的联系,可用于SAR图像超分辨及其它处理性能的预测与评估。利用仿真实验验证了该方法的有效性。     

基于Q-学习的交通信号控制方法

为了减少车辆通过路口时的延误,采用Q-学习方法对智能体控制的单路口进行信号配时的优化,在模糊控制规则集的基础上,通过Q-学习来改进控制规则的组合,从而达到改善信号控制效果的目的.仿真实验的结果表明,基于Q-学习的信号控制方法优于定时控制、感应式控制和基于遗传算法的信号控制方法.研究说明,基于Q-学习的信号控制方法适合城市交通控制.     

对交通控制与诱导结合研究的评述

交通控制与诱导的集成和一体化代表了现代交通管理的发展方向，是智能交通系统中的重要研究内容。而动态交通分配与交通控制的结合是控制与诱导集成的理论基础。本文回顾交通控制与交通诱导以及动态交通分配结合研究的发展．对控制为主和以诱导为主的两类系统的设计和研究思想以及结合的主要模型和求解算法进行详细的论述、总结和分析．指出研究中存在的不足和局限性，提出建立控制与诱导真正协调、一体化的研究改进的方向和思路．最后给出一个完整的控制与诱导结舍研究的框架结构。