城市道路交通事故形态影响因素分析与预测

为探究不同形态城市道路交通事故的发生原因,将事故形态的影响因素进行筛选和约简,选取3种不同算法对事故形态进行分析与预测,对比预测模型的准确性。采用粗糙集理论对原始交通事故形态影响因素变量进行转换和约简,获得满足建模要求的试验数据,并按照总体一致原则把数据等分为训练集和测试集。基于C5.0决策树算法,构建交通事故形态预测决策树模型并进行模型准确性验证,生成交通事故形态规则集;另外,采用似然比检验筛选自变量构建交通事故形态多元Logistic回归预测模型;构建多层感知器(MLP)神经网络预测模型,检验模型训练集与测试集的准确率并进行对比分析。结果表明：3种模型中,C5.0决策树算法对交通事故形态在训练集和测试集中的预测准确率分别为80.39%与79.63%,高于多元Logistic回归模型和MLP神经网络模型。采用C5.0决策树算法得到交通事故形态主要影响因素为交通方式的选取,行驶在道路横断面位置,违法行为与行驶状态等,解释性良好。研究可为分析及预测城市道路交通事故形态,分析事故产生原因提供方法参考,还可为交通管理部门提供决策依据。     

垃圾邮件过滤研究与实现

系统以垃圾邮件过滤为目标,设计并实现了一个垃圾邮件过滤系统SpamBlocker.该系统整合规则过滤、贝叶斯分类、病毒检测和黑/白名单等垃圾邮件检测技术,采用评分方法判断邮件的垃圾性,并利用规则过滤给贝叶斯分类提供学习样本,提高了系统对新垃圾邮件的适应性.     

基于Web数据挖掘的文献个性化推荐系统的设计

基于数据挖掘的Web个性化信息推荐服务日益成为一个重要的应用技术,通过使用FP-tree关联规则挖掘算法对用户文献阅读信息进行分析,发现用户的阅读习惯和阅读兴趣,进而为用户进行个性化的文献推荐,从而提高网站对用户的吸引力。     

基于规则推理的自动船体装配工艺生成方法

针对船体装配以经验为主的现状,根据船体零部件装配关系的特点,利用扩展的“赋权有向连接图”和边列表的方法表达船体装配模型和装配序列.分析了船体零件的形状和装配特征,归纳常用零件的装配元素和装配零件,并以规则推理方式实现装配工艺的自动生成,开发计算机辅助自动船体装配工艺原型系统.以一个典型船体分段的装配过程为例进行实验表明,利用该方法可有效提高船体装配效率和质量.     

基于R-OPN的集装箱码头物流系统建模与分析

针对集装箱码头物流系统(Container Terminal Logistics System,CTLS)建模存在的问题,通过分析CTLS的结构和行为特点,提出了基于规则的面向对象Petri网(Rule-based Object-oriented Petri Net,R-OPN)的建模方法.该方法在对象子网和门变迁中融入决策规则,建立了CTLS系统动态行为和调度控制模型,简洁明了地描述了系统状态和决策规则之间的关系.在此模型的基础上,分析了模型的结构特性(死锁,冲突等),并提出了解决冲突的决策规则,为CTLS的设计、分析、调度与仿真提供了有效的工具.     

有限人参与下的排爆机器人半自主抓取

提出了一种新的排爆机器人半自主爆炸物抓取方法.该方法包括机械臂、爆炸物和障碍环境的建模、C空间地图和路径规划.排爆机器人SUPER-PLUS在有限人参与下,利用手腕装载的激光测距传感器,扫描爆炸物周围的障碍环境,规划出一条无碰轨迹,实现爆炸物自主抓取.实验结果表明,该方法极大地提高了排爆操作的安全性和效率.     

基于粗糙集理论的项目投资管理

粗糙集理论是一种新的数据分析和处理方法,使用粗糙集理论可以对决策表进行简化,去除冗余属性。首先给出了基于粗糙集的知识推理方法。然后以一个实际例子讨论如何利用粗糙集理论从现有样本中进行知识约简,获取新决策规则,使该方法具有了实用和推广的价值。     

基于VAP逻辑规则的交通感应控制改进算法

提出了基于逻辑规则的交通感应控制改进算法,改进设计交叉口车辆排队联动控制逻辑规则,以及非机动车与行人过街自动检测控制逻辑规则,采用VAP(Vehicle Actuated Programming)模块完成逻辑规则编程设计.通过锦绣大道与始信路交叉口仿真分析,结果表明,相比传统感应控制,在车辆延误变化不大的前提下,本算法...     

在2HDM模型下γγ→bH~-过程的散射截面的树图级计算

带电Higgs粒子在2HDM模型中具有不同于标准模型的显著特征,寻找带电Higgs粒子是验证2HDM模型的一个非常重要方面。计算了两个光子的碰撞过程γγ→tb-H-的最低阶(树图级)的散射截面,讨论了散射截面与模型参数tanβ和带电Higgs粒子的质量之间的关系。计算结果表明:当模型参数tanβ在5～40时,散射界面的数量级可达10-2pb;而带电Higgs粒子的质量大致在100～400GeV。     

基于关联规则的数据挖掘技术在中药方剂配伍中的应用研究

中药方剂的数据挖掘研究是把我国丰富的中药信息资源和现代信息技术相结合的重要内容,它是指在中医理论指导下,用知识发现技术对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究.以关联规则为主的研究模式是数据挖掘的一种常用方式,将关联规则用于方剂配伍研究的主要目的是探寻核心药群,寻找药物之间的相互联系和整体用药规律.本文对中药方剂数据挖掘模式和算法集成进行了研究,提炼方剂中有关联的药物匹配模式,探讨这些模式中药物组配后功效的变化情况,从而为中药方剂理论研究和临床实践研究提供现代技术手段.