收藏本站
《河北工业大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

多信息融合模式分类方法研究及在公交客流识别系统中的应用

朱方  
【摘要】:客流数据是整个公交企业管理业务的基础,快速、准确地采集车辆的客流信息为科学合理地安排调度车辆、优化公交线路等智能管理提供了最基本的依据,还可以全面如实地反映公交车辆的实际载客人数,方便与钱箱收入之间的核对。本文介绍了目前比较普遍的客流识别方法,并总结了优缺点,提出将多信息融合技术运用到客流识别中来。在信息科学技术领域中,多源信息融合是一个有广泛应用背景及重要理论意义的研究课题。常用的信息融合算法有加权法、Bayes法、证据组合理论、模糊逻辑、神经网络等。这些方法大多依赖于先验知识,从而造成在小样本、高维空间情况下出现模式识别效果不佳的问题。为了解决这个问题本文将支持向量机引入到多信息融合模式分类中来,并对于支持向量机算法进行了研究。根据客流识别的实际问题对于支持向量机的训练算法与快速分类算法进行了改进。最终将多信息融合技术引入到客流识别领域中,构建了基于支持向量机的多信息融合模型,应用嵌入式技术设计并实现了多功能信息采集车载终端。 首先针对于支持向量机在实际训练中由于学习样本集很大且具有类内混杂孤立点数据,引发的学习速度过慢、存储需求量大、泛化能力降低等问题,本文根据点集理论提出了一种新的支持向量机大规模训练样本集缩减策略(SVM-LSTSRS)。该策略运用模糊聚类方法去除类内孤立点并提取出潜在支持向量,从而有效的避免孤立点数据所造成的过学习现象,提高SVM学习机器的泛化性能,并且大大减少训练样本集的规模,在不降低分类精度的前提下提高训练速度。最终通过实验验证了该方法的有效性和可行性。 其次针对支持向量机(SVM)分类速度取决于支持向量数目的应用瓶颈,提出一种SVM快速分类算法。通过引入支持向量在特征空间的相似性度量,构建特征空间中的最小支撑树,在此基础上将支持向量按相似性最大进行分组,依次在每组中找到决定因子和调整因子,用两者的线性组合拟合一组支持向量在特征空间的加权和,从而减少支持向量的数量,提高支持向量机的分类速度。实验结果证明,该方法能以很小的分类精度损失换取较大的分类时间缩减,满足支持向量机实时分类的要求。 最终通过大量实验对人体上下台阶时的压力变化规律进行了研究。提出在单人情况下,可以应用压力数据的特征进行模式分类的方法。针对于双人情况,加入时序信息,提出应用多信息融合的模式分类方法,建立了应用于客流识别的多信息融合模型,并构造了模式分类系统。通过实验表验证了系统的可行性。根据公交行业的现实需求,本文设计并实现了嵌入式客流信息采集车载终端。
【学位授予单位】:河北工业大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP202;TP274.2

【相似文献】
中国期刊全文数据库 前10条
1 祁云嵩;孙怀江;;基于主曲线的微阵列数据分类[J];计算机科学;2010年12期
2 郑文明,赵力,邹采荣;一种基于快速KNFL的模式分类法及其在寂声/语声段识别中的应用[J];电路与系统学报;2003年02期
3 张文军,齐艳红;人类HLA-DRB1基因型与民族和人群的神经网络无监督模式分类[J];现代计算机;2005年04期
4 于波,胡煜,谭少华,童云海,唐世渭;基于多策略学习的模式分类方法[J];计算机工程与应用;2005年22期
5 蒋琳琼;贺建飚;;基于支持向量机的货币识别应用研究[J];计算机系统应用;2007年04期
6 官理;祖峰;唐文胜;;快速的支持向量机多类分类研究[J];计算机工程与应用;2008年05期
7 徐玲玲;李朝峰;潘婷婷;;一种改进的模糊ART神经网络学习算法[J];计算机工程与应用;2008年28期
8 黄启春;刘仰光;何钦铭;;基于支持向量机的增量式算法[J];浙江大学学报(工学版);2008年12期
9 闫巧;;基于免疫机理的入侵检测系统的数学描述[J];计算机科学;2009年06期
10 邵慧娟;熊煜;;应用感知器进行模式分类[J];电脑知识与技术;2010年22期
中国重要会议论文全文数据库 前10条
1 杨恒;张贤达;;模糊神经网分类器[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年
2 喻宗泉;;Kohonen网络在辉光弧光模式分类中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
3 孙逢玖;;基于神经网络自适应学习分类算法[A];1998中国控制与决策学术年会论文集[C];1998年
4 杜晓东;李岐强;;基于数据几何特征的SVM改进方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
5 陈恩伟;王勇;陆益民;刘正士;;基于感知器神经网络的线性分类方法研究[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
6 叶红兵;邱晓林;弟宇鸣;李天柁;胡娜;;核径迹图像处理技术与方法的研究[A];第十三届全国核电子学与核探测技术学术年会论文集(下册)[C];2006年
7 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年
8 冯和汸;陈大融;孔宪梅;;模式识别技术在铁谱分析中的应用[A];第五届全国摩擦学学术会议论文集(上册)[C];1992年
9 顾星;;中医诊断与体表生物特征多信息融合的思考[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年
10 李红;赵春宇;刘豹;;一类并行增强竞争网络PRCN用于经济状态判别的研究[A];1996中国控制与决策学术年会论文集[C];1996年
中国重要报纸全文数据库 前10条
1 记者 汪亚萍 通讯员 种占良;大港油田地面建设模式分类导则出台[N];中国石油报;2009年
2 赛迪评测硬件测试事业部整机实验室;联想启天M4800商用台式电脑满足商务办公需求[N];中国计算机报;2004年
3 农业部政策法规司副司长 张红宇;发展现代农业首先要选择好实现路径[N];经济日报;2006年
4 林嘉曲波;树立品牌突破盈利率瓶颈[N];中华工商时报;2007年
5 世纪互联 晓力;看准VPN服务[N];中国计算机报;2001年
6 ;认识自动OCR技术[N];计算机世界;2000年
7 倪玉莲 刘晓;周庄借创建东风优化人居环境[N];江阴日报;2005年
8 牛银珍 赵翠英;发展现金管理业务 提高产品核心竞争力[N];山西经济日报;2004年
9 侯长青;物流配送 农药经销商的新选择[N];农民日报;2003年
10 郭全中;我国城市传媒业市场的发展模式研究[N];中华新闻报;2009年
中国博士学位论文全文数据库 前10条
1 朱方;多信息融合模式分类方法研究及在公交客流识别系统中的应用[D];河北工业大学;2010年
2 张达;图像处理中基于多信息融合的目标定位方法的研究及应用[D];东北大学;2009年
3 黄宁;遥感图象中模式分类技术的研究[D];中国科学院电子学研究所;2001年
4 史迎春;基于内容的视频检索语义提取若干问题研究[D];南京理工大学;2005年
5 王仁武;基于序列构造神经网络的多维数据分析研究[D];东华大学;2007年
6 周瑞;基于第二代小波的机械故障信号处理方法研究[D];哈尔滨工业大学;2009年
7 李天恩;基于混合算法的过程故障可拒绝模式分类方法研究[D];天津大学;2012年
8 李伯宇;图像纹理分析及分类方法研究[D];复旦大学;2007年
9 于合军;三峡库区和贵州石漠化地区生态治理模式及经济敏感性分析[D];北京林业大学;2010年
10 汪廷华;支持向量机模型选择研究[D];北京交通大学;2010年
中国硕士学位论文全文数据库 前10条
1 窦甜华;基于多信息融合的电气火灾智能检测技术的研究[D];山东建筑大学;2011年
2 白凤民;基于多信息融合的铝合金直流点焊质量监测系统[D];天津大学;2004年
3 杨猛;基于规则的模式分类方法研究[D];国防科学技术大学;2003年
4 赵峰;典型相关分析算法理论及其在模式分类中的应用[D];西安电子科技大学;2005年
5 张丽君;基于局部线性嵌入的变速器故障模式分类[D];华南理工大学;2012年
6 徐翻翻;基于D-S证据理论的模式分类问题的研究[D];哈尔滨工业大学;2010年
7 李旭军;基于概率神经网络的质量控制研究[D];合肥工业大学;2006年
8 章超;模式分类中数据选择方法的研究[D];西华大学;2010年
9 乐晓蓉;神经网络集成算法设计及分析[D];扬州大学;2007年
10 杜晓东;基于支持向量机的数据挖掘方法[D];山东大学;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026