基于图像处理的车辆识别系统设计

为了实时了解道路交通信息,及时处理交通事故,在一定程度上缓解交通事故频发的状况,设计了基于方向梯度直方图（HOG）特征与支持向量机（SVM）的车辆检测系统.在收集大量的车辆样本,构建正、负样本集之后,提取出每一个正、负样本的HOG特征向量并汇总,进而形成检测所用的SVM分类器模板.在视频检测过程中,提取视频中每帧图像的HOG特征送到训练好的分类器中与模板进行对比,并用矩形框标注检测出的车辆目标.利用实际道路监控视频进行车辆检测系统测试,结果表明,对于不同的路况、天气和光线下的道路环境,该算法都可以完成实时且准确的检测,有较强的实际场景应用能力.     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于split-and-conquer和非参数向前选择法的变量选择

变量选择是统计学界研究的重要课题之一.当处理高维数据时,一些常用的变量选择方法大多比较耗时,因此提出了一种既能筛选出高维数据中的变量又能节省时间的方法:基于split-and-conquer的非参数向前选择法.首先使用split-and-conquer方法将数据进行拆分,然后使用B样条函数逼近的非参数向前选择法进行研究.实验结果表明:基于split-and-conquer的非参数向前选择法可以较好地将变量选择出来,并且节省了大量时间.     

基于PVAR模型三峡库区基础设施与经济增长的互动效应

基础设施与经济增长具有动态互促互进的理论关联,但对于外部援助下的贫困地区发展而言,二者关系具有现实特殊性;三峡库区既有历史贫困特征,又受到外部援助资金的大力支持,运用面板向量自回归模型对库区15个区县2000—2018年的基础设施和经济增长进行了实证分析;研究结果发现:三峡库区基础设施对经济增长具有动态促进作用,反之则不显著,二者具有单向互动关系,在脉冲响应分析中,二者互动效应呈现"倒U型"特征,时滞效应呈现"反J型"特征;现阶段,三峡库区基础设施与经济增长互动效应还不明显,在一系列帮扶政策收官期限之前,建议从两方面来增强基础设施与经济增长的内生互动,一是要明确各类帮扶政策分类分阶段有序退出的时间表,二是以区县为主体共建三峡库区基础设施发展基金。     

基于负刚度原理的低刚度及间隙模拟技术研究

针对颤振专业的相关地面试验和风洞试验中支持系统低刚度以及间隙非线性模拟困难的问题,开展了低刚度及间隙模拟技术的研究。研究中通过分析正负刚度并联支持系统的力学原理,获取了系统的刚度表达式以及在平衡位置处的零刚度条件。据此设计了一种正负刚度并联系统,并开展相关试验。试验表明,该系统刚度呈非线性,并且与理论分析结果吻合。在此基础上,讨论了利用该系统模拟飞行器翼面间隙的可能性,设计了一种基于正负刚度并联机构间隙模拟装置,并开展相关试验。试验结果表明,该间隙模拟装置不仅可以较好地模拟间隙,还可以通过调整相关参数调整间隙的大小。通过此项研究,探索了一种新型的、可应用于各类飞机或颤振风洞模型的低刚度以及刚度非线性支持系统模拟技术,具有良好的工程适用性和应用价值。     

基于时依等比例风险回归模型的换道时长影响因素

研究了基于时依等比例风险回归模型的换道时长（LCD）影响因素。利用开源HighD数据集,提取了560条完整的换道（LC）轨迹,对整体换道时长分布进行了非参数估计;引入时依等比例风险回归模型,对当前车辆换道时长的影响因素进行分析。结果表明：大部分驾驶员在3~8 s内完成换道行为;共有6个变量显著影响换道时长,其中最为关键的为当前车辆自身车速,同时当前车道的前车与目标车道的后车对换道时长的影响也非常显著。     

改进PSO优化LSSVM的锂电池SOC估算模型

为提高锂电池荷电状态(SOC)的估算精度,提出一种改进粒子群优化(PSO)算法;对最小二乘支持向量机(LSSVM)的惩罚参数C和核函数参数σ进行寻优,建立基于改进PSO-LSSVM的锂电池SOC估算模型.对磷酸铁锂充放电实验数据进行仿真分析,结果表明:改进PSO-LSSVM模型的平均相对误差为2.96%,均方根误差为0.018,全局最大相对误差为4.79%;改进PSO-LSSVM模型明显提高锂电池SOC估算精度.     

分布式实时运行数据驱动的液压支架群虚拟监测关键技术

针对多机装备可视化监测中存在的数据体量大以及单台主机模式下无法有效完成复杂任务的问题,提出了基于实时运行数据驱动的分布式液压支架群虚拟监测方法.该方法首先建立了基于实时运行数据的驱动模型;其次基于可识别数据交互器的数据传递方法,建立了C/S模式下的分布式局域网协同模型;然后基于一致性哈希算法的分配方法,建立了可根据主机负载状况动态分配任务的任务调度模型,最后以试验室液压支架群为例构建了分布式系统.试验结果表明:该方法建立的监测系统相比于单主机系统,提高了监测的稳定性,能够为透明综采工作面的建设提供核心技术支撑.      

基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

基于向量矩阵的Apriori改进算法研究

针对传统的关联分析算法Apriori执行效率低、I/O过重、计算量过大等问题,提出了一种通过减少扫描数据库次数来降低候选项集计算复杂度, 在频繁项集求解过程中通过将事务项集转换为行向量,利用“与”操作来提高算法执行效率的Apriori改进算法。利用学生在校行为数据集对Apriori改进算法进行有效性和高效性验证。同时,为了符合算法对样本数据的要求,在样本数据处理过程中对原始数据进行了清洗和离散化处理,定义了分析对象的样本数据离散化处理的规则。通过实验分析比较了Apriori改进算法与经典Apriori算法的性能。结果表明,Apriori改进算法保持了对实际分析对象关联规则挖掘的有效性,同时具有更高的执行效率。