摘要：为提供更精确的郑州市乘用车排放检测依据,以郑州市乘用车实际行驶工况为研究对象,运用Matlab编程实现对613792条行驶工况的短行程划分、主成分分析和k_means聚类分析,构建了时间为1225s的郑州市乘用车行驶工况并从特征参数误差、速度-加速度联合分布、仿真验证三个方面验证了构建工况的精度,该工况能反映郑州市实际交通状况,并与ECE15工况的特征参数进行对比,表明ECE15工况与郑州市乘用车行驶工况存在差异,建议郑州地区采用该工况作为车辆排放的检测法规。

摘要：首先利用平滑均值滤波方法对采集信号的RSSI值进行均值平滑处理,提高信号采集的精度;其次利用kmeans聚类算法对指纹库进行优化提高指纹库的精度;最后在kNN算法的基础上采用加权的方法来进行改进,形成新的指纹算法WkNN,并将新的指纹匹配算法WkNN应用到文本设计的Wifi指纹定位系统中.实验结果表明:该改进算法在定位精度和稳定性方面较传统Wifi指纹定位算法有大幅度的提高.

摘要：为研究城市公交专用道的设置方法,以贵州省贵阳市城市道路为实验城市,融合电警、卡口过车数据,公交车GPS数据,公交车线路数据,公交车站点分布数据,道路基础信息数据和电警、卡口地理信息数据,构建视频检测设备的网络拓扑结构,分析公交车和社会车辆速度的关系特征构建特征选择模型,判断城市哪些路段需要设置公交专用道;设计模型优化算法,进一步判断各路段适不适合设置公交专用道及怎样设置。提出一套能够基于数据自动计算城市公交专用道设置方案的方法。

摘要：以标准k-means算法在旅游客户细分的应用中存在的聚类效果不佳等缺陷为着眼点,本文设计了一种以初始化中心优化k-means算法为基础的旅游客户细分模型,首先优化该算法中相似度的计算中的距离度量,之后再以k-means算法聚类效果对初始质心严重依赖和对数据输入顺序敏感等缺点为着眼点,提出寻找较为准确的k个聚类中心的方法。结果表明,通过改进k-means算法得到的客户划分,类别明确,类别之间的界限清晰,说明通过对客户的划分定义明确,划分效果较好。

摘要：为提高电能质量稳态指标预测精度,以气象因素、有功负荷及历史电能质量数据作为输入变量,提出一种基于改进核主成分分析(kPCA)和遗传算法(GA)优化BP神经网络的电能质量稳态指标预测方法,首先将改进k-means聚类算法与kPCA相结合,通过改进k-means算法将输入变量划分为不同的子类,降低了核矩阵维数;再利用kPCA提取每类输入变量的非线性主成分,简化网络结构;然后分别将每一类中提取的特征作为BP神经网络模型新的输入变量,并结合GA算法优化BP神经网络参数,建立每一类数据的预测模型。算例应用结果表明,该方法的预测精度明显优于传统BP神经网络预测方法和kPCA+BP神经网络预测方法。

摘要：针对视频监控系统,为了实现对运动目标的有效分类,提高其分类准确率,提出一种基于krawtchouk矩不变量特征的运动目标分类技术。提取目标图像的低阶krawtchouk矩不变量来描述目标,确保目标在平移、缩放、旋转条件下的不变性,选用k-means均值聚类算法进行数据聚类,达到准确分类的效果。通过实验验证了该方法的有效性,与应用Hu矩不变量进行分类的结果进行比较,表明了该方法具有较好的分类效果。

摘要：在当前网购越来越流行的趋势下,网上买药也给很多病人带来了极大的便利。但是普通人在网上购买药品时普遍存在盲目购药、无法获得买药指导的问题,针对这一问题,提出首先根据药品的功能描述信息进行聚类,设计了基于用户相似度的协同过滤药品推荐算法;然后针对该算法的冷启动以及数据稀疏性等问题提出了基于张量分解的个性化药品推荐算法来对获取到的药品功能描述信息进行特征分析,构建标签特征向量,利用特征向量与用户对药品的评分值构建三阶张量,再利用张量分解方法对该三阶张量进行分解;最后得到推荐评估值,再利用该推荐评估值进行Top-N药品推荐。通过对真实的药品销售网站数据进行抓取并分析,构建了张量模型,并进行数据建模,与协同过滤的推荐结果相比,其得到了较好的推荐效果。

摘要：基于图像的树木自动提取是其种类、长势、形态等信息智能化判别的基础,如何实现树木的自动、准确、快速提取是具有实用性的科学问题。在自然场景中,由于图像元素多样、颜色差异大,树木自身存在不规则性,树木提取难度非常大。针对现有的图像分割与图像抠图法在树木提取过程中分别存在的误分割与过程复杂所导致的计算量大的问题,提出了一种基于k-means聚类算法优化Close-Form图像抠图的树木提取方法。在少量的标记下,依据颜色线性假设进行最小化代价函数计算,得到图像透明度;对透明度图像依次进行中值滤波、高斯滤波,得到透明度的去噪图像;对滤波后透明度与标准化的图像绿色分量组成二维空间进行k-means二聚类,实现背景与前景对象的准确判定,进而完成自然背景的树木图像提取。为了验证所提方法在不同场景和不同标记下的树木提取有效性,设计了基于k-means图像分割和传统Close-Form抠图方法的比较性试验。结果表明,基于k-means优化Close-Form的树木提取方法解决了传统Close-Form算法在少量标记下图像前景、背景估计不准确问题,克服了图像分割存在的误分类情况,实现了不同自然环境和多目标树木对象的提取。此方法具有对象提取稳定、计算时间快的优点,相对原Close-Form算法用时减少49.98%。

摘要：采用固定元胞单元尺寸建立自行车流元胞自动机(CA)模型会产生仿真偏差。为此,提出一种基于现场视频检测数据的元胞尺寸标定方法。通过统计分析车头间距、横向间距与车速的关系,设计一个动态修正元胞长度的函数。对比修正前后模型演化获得的宏观三参数值,可以发现,修正函数能较好地描述跟车距离与车速的动态关系,克服模型因采用定长度元胞单元而造成的面积密度与流率偏差。

摘要：为了解决快速移动车辆在高维数据卸载过程中极易出现通信网络传输延迟波动和卸载丢包的问题,设计了一种基于优化李雅普诺夫的高维数据卸载算法(An Optimized Lyapunov Algorithm for Unloading High-dimensional Data,OLA-UHD),通过仿真对车载终端的卸载率和鲁棒性进行分析并讨论了2种环境下的时延情况。结果表明,OLA-UHD策略具有更强的鲁棒性、更高的卸载比例和更低的丢包率,面对少量卸载任务能够有效降低时延15.4%以上,在面对十万级计算卸载任务时,降低时延113.2%以上。