基于聚类和二分图匹配的物流派件调度方法

针对物流末端配送服务中派件调度时区域划分不合理、工作分配差异大的问题,提出"先分区,后排班"2阶段派件调度算法.首先利用GIS技术、Web技术和移动开发技术,构建了针对"最后1 km"配送的智能物流信息系统;在此系统内,基于k-medoids聚类算法,引入工作量均衡指标,依据实际路径距离,实现了"点面聚合,区域聚类"配送区域划分方法;应用二分图最大权匹配KM算法,实现了派件调度分配算法.在顺丰速运某网点的配送活动中进行试验,结果表明:2阶段派件调度算法的区域划分更加聚集,快递人员间的工作分配更加均衡,有效地提升物流网点的服务效率.     

结合光晕颜色和网格聚类的夜间尾灯识别

为了能够在夜间检测前方同向车辆的坐标位置,提出了一种夜间车辆尾灯识别方法。先对摄像头采集的前方交通图像进行颜色处理,采用自适应阈值和固定阈值分割尾灯光晕和背景。再使用网格聚类算法检测尾灯光晕范围,计算此范围内原图像灰度值,检测出光源。最后,通过分析光源面积大小剔除干扰光源,完成尾灯识别。实验结果表明:该方法在城市道路工况下,尾灯识别率达到87.53%。在郊区道路工况下,尾灯识别率达到95.43%,同时对于形状各异的尾灯具有很好的适应性。     

基于散射区模型与参数聚类的室外NLOS单站定位算法

室外非视距(non line of sight, NLOS)环境中障碍物会阻碍终端电磁波信号直接传播到基站,而且该条件下单基站收集的定位信息不足,导致定位精度不高。针对上述问题,提出一种基于空间布局的散射区模型和基于参数聚类的定位算法。根据固定基站附近的空间布局确定散射区并构建散射区模型,该算法基于该模型收集多径信号的测量参数,将k-means聚类(k-means clustering)和均值漂移聚类(means shift clustering)算法有效结合对参数聚类处理,再根据聚类结果和单站定位系统的几何结构建立方程组,将方程组的求解问题转化为非线性优化问题并利用列文伯格-马夸尔特(Levenberg-Marquardt, LM)算法求解优化问题估计目标位置。仿真结果表明,在室外NLOS环境中,且仅提供单个基站的条件下,该算法可以有效提高定位结果的精度。     

基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

聚苯乙烯改性纤维素纳米晶体对聚甲基丙烯酸甲酯热稳定性的增强作用

采用原子转移自由基聚合(SI-ATRP)在纤维素纳米晶体(CNC)表面接枝聚苯乙烯,并利用傅里叶红外光谱(FTIR)、热重分析仪(TGA)对改性前后的纤维素纳米晶体的化学结构和热稳定性进行了研究。测试结果表明,聚苯乙烯可成功地接枝到纤维素纳米晶体的表面; 纤维素纳米晶体的热分解温度由150 ℃上升到220 ℃,改性后纤维素纳米晶体的热稳定性得到提高。采用溶液浇铸法制备聚甲基丙烯酸甲酯/纤维素纳米晶体复合材料(PMMA/CNC),并利用TGA、透光率测试对复合材料热稳定性和透光率进行了研究。结果表明,当温度达到350 ℃时,PMMA/CNC的热分解温度比纯PMMA提高了近150 ℃, CNC的加入量为1%时,复合材料的透光率为89%,接近纯PMMA的透光率(91%)。聚苯乙烯改性纤维素纳米晶体可用于在保持PMMA透明性的前提下更好地改善PMMA复合材料的热稳定性。     

利用电导率法研究聚环氧琥珀酸的阻垢性能

随着“绿色化学”的发展, 防腐阻垢剂也逐步趋向环境友好型. 通过电导率法探讨了不同温度及浓度下聚环氧琥珀酸(polyepoxysuccinic acid, PESA)的阻碳酸钙垢、碳酸钡垢和硫酸钡垢的性能. 结果表明: PESA的阻垢性能良好, 且随着浓度的增加, 其阻碳酸钙垢和硫酸钡垢的性能也不断增强; PESA阻碳酸钡垢的性能随其浓度的增加先增强后减弱, 并在40 mg/L时达到峰值; 随着温度的升高, PESA阻碳酸钙垢的性能逐渐减弱, 而阻碳酸钡垢和硫酸钡垢的性能逐渐增强. 实验结果证明, PESA是一种优良的阻垢剂, 适用于在一般温度下阻碳酸钙、硫酸钙及硫酸钡型的垢. 此外, 电导率法具有操作简便、快捷的特点, 适用于针对以上几种垢的阻垢性能研究.     

生物大数据中的聚类方法分析

随着人类基因组计划的实施和完成, 生物实验技术快速发展, 生物数据呈现爆发式增长并不断积累, 生命科学迎来了大数据时代. 在后基因组时代, 单一的统计模式逐渐被智能化与综合分析相结合的方式所取代, 聚类分析便是核心的数据挖掘方式. 描述了生物信息学领域中的大数据现状, 总结基因表达谱分析和生物网络分析中常用的聚类方法, 并对小鼠胚胎成纤维细胞的时间序列数据进行实验对比. 实验结果表明, 不同的聚类方法生成了不同的实验结果, 面临高噪声的生物大数据, 选择或结合合适的聚类方法进行综合分析将有助于获得更可靠的分析结果.     

基于K-means聚类的大学教学管理利益相关者分析

大学是典型的利益相关者组织,大学的教学管理组织又是大学内部的核心组织.本研究将利益相关者理论引入大学教学管理组织,在调查研究基础上,通过K-means聚类绘制了大学教学管理利益相关者的权利/利益矩阵.在此基础上,通过对大学教学管理利益相关者权利/利益矩阵分析,从理念、行动和制度三个方面提出了教学管理策略.     

基于社团主题的领域相关推荐算法

传统的协同过滤方法假设相似的用户有着相似的偏好,然而在不同的消费领域用户往往表现出不同的特征.此外,由于用户评价矩阵的稀疏性,使得相似用户的寻找极为困难.针对上述问题,该文提出了基于社团主题的领域相关推荐算法.首先,提出了一种包含社会网络,用户对商品的评价记录和项的分类三类信息的推荐框架.然后,分别提出了专家指导的主题模型和社会网络约束的主题模型.最后,对这两种模型进行综合,提出了统一推荐模型.实验表明,该文提出的方法具有较好的预测准确性,其性能明显优于其他相关算法.