绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
导航
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 91013 条结果
[硕士论文] 李贵凤
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:随着桥梁结构健康监测技术的广泛应用,基于深度学习的结构损伤识别已经成为国内外的研究重点和难点。本文以深度学习理论技术为基础,对桥梁结构健康监测领域中的数据预处理和损伤识别关键技术进行深入分析和研究,针对桥梁结构监测数据具有时序关联性特性,构建出基于长短期记忆网络(LSTM)模型的结构损伤识别模型,为桥梁结构健康监测分析领域提供了新的思路和方法。主要研究内容如下:
  (1)深入分析和研究桥梁结构健康监测数据预处理关键技术。设计了针对结构输出响应信息量纲不一致、数据体量大导致数据分析耗时严重等问题的数据预处理方案。首先对离散数据进行One-Hot Encoding归一化处理以消除各属性之间的量纲不一致问题,然后对监测数据进行主成分分析(PCA)降维获取能够有效表征结构状态演化特性的简化特征值,对海量数据进行凝练去除冗余特征,提高了监测数据分析的时效性。
  (2)深入分析传统机器学习和深度学习模型进行桥梁结构损伤识别的有效性。一方面设计并构建了一种基于多层感知器(MLP)神经网络的深度学习方法,对比传统机器学习方法中的支持向量机(SVM)方法具有更高的准确率;另一方面,针对现有桥梁结构损伤识别方法没有充分利用桥梁结构健康监测数据时序关联特性进行建模的问题,本文借助LSTM神经网络在处理具有时序关联性时间序列数据方面的优势,创新性地设计并构建了一种适用于长时间序列监测数据特性的基于LSTM神经网络的桥梁结构损伤识别模型,相较于在处理离散的、非时序关联性数据方面有优势的MLP神经网络准确率更高;最后本文以北黎大桥仿真实验数据为依托,通过实验分析得到:一方面,基于MLP的结构损伤识别较于基于SVM方法的准确率提升了15.75%,另一方面,基于LSTM的结构损伤识别较于基于MLP的方法准确率提升了8.6%。
  (3)为了验证本文所提出的基于深度学习的桥梁结构损伤识别模型的有效性,以Bookshelf框架结构数据为基准进行对比实验分析。结果表明:一方面基于MLP神经网络的结构损伤识别模型相较于传统机器学习方法SVM的准确率提升了33.7%;另一方面,通过充分利用桥梁结构监测数据时序关系所提出的基于LSTM神经网络的桥梁结构损伤识别方法,较于MLP神经网络的桥梁结构损伤识别模型其准确率提升了8.4%。
[硕士论文] 李文钊
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:高速公路事件检测是智慧交通系统研究中的重要方向之一,也是交通信息处理领域的主要研究内容。我国的高速公路事件检测研究,从1990年开始就已经和国际接轨,而事件检测结果准确性问题一直是道路交通领域专家研究的重点。目前,由于数据融合在交通领域尚未取得满意的结果,因此,建立基于视频及二值传感器数据融合的高速公路事件检测方法,可以有效地解决单一数据源准确性较差的难题。本文通过对重庆市科委项目“基于互联网+险危环境信息服务的乌鲁木齐绕城高速智慧交通关键技术研究”进行探索,以环境信息采集理论与技术为基础,提出一种可以获取准确交通状态参数的基于二值检测器的传感器设计方法,同时,考虑到特殊气象条件的影响,设计阈值修正算法对传统事件检测算法进行改进,最后,利用VISSIM仿真工具对融合方法、单项算法的检测结果作比较。论文的主要研究工作如下:
  (1)首先针对交通事件检测算法和多传感器数据融合方法进行了两方面的文献调研。掌握了各类交通检测技术的优缺点,并针对高速公路事件检测难度大、成本高等诸多因素,提出了基于二值检测器的交通状态参数获取方法,并通过实验仿真证明,在一定的精度范围内,虚拟串口仿真数值与理论值基本相同。
  (2)其次,设计阈值修正算法对传统事件检测算法进行了改进。通过对传统算法理论的探讨,发现在特殊气象条件下,传统事件检测算法存在的问题。引入了雨雾检测概念,将雨雾信息介入事件决策。考虑成本和布设难度因素,提出了在检测路段雨雾检测器的稀疏布设方案及其信息处理方法,从而给出不同流量状态对应的低流量算法和标准偏差算法的阈值修正算法。对算法进行数据验证,结果表明,阈值修正结果是与实验仿真结果基本一致,适当的阈值修正可减小恶劣天气条件对检测结果的影响,检测算法的准确率也会有所提高。
  (3)最后,将表决融合方法引入事件检测领域,提出了基于多传感器数据融合的高速公路事件检测方法,方法有效的完成了基于视频检测器的自动识别算法模块与基于二值检测器的改进低流量算法或标准偏差算法模块在决策层的融合。通过VISSIM交通建模仿真软件对高速公路进行事件仿真,结果表明,表决融合方法在事件检测性能上优于单项算法,不仅能充分发挥单项算法的优势,而且提高了事件的检测率。
[硕士论文] 许濛萌
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:桥梁健康监测通过实时获取桥梁的各类参数,判断桥梁结构状况,及时采取修复措施防止桥梁出现大面积结构损伤,保证桥梁内部结构损伤不超过破坏极限。如何获取准确的桥梁参数数据是桥梁健康监测系统的基础,数据的准确性直接决定了桥梁健康监测系统对桥梁状态的判断。传感器是获取监测数据的直接手段,传感器所处环境恶劣,工作强度大,因此很容易出现故障。基于此,本文提出基于深度学习理论的传感器故障诊断及故障类型识别方法。
  文章首先以连续刚构桥中挠度监测为例,探讨了监测挠度的激光投射式位移传感器的工作原理,以及激光投射式位移传感器在桥梁工作环境,自然环境的影响下,可能出现的故障类型,故障特征及引起故障的原因。
  然后通过对比多种深度学习模型,结合故障诊断特点选定深度自编码网络作为故障诊断模型;对比多种训练优化算法,选定L-BFGS优化算法作为模型训练优化算法。结合桥梁健康监测传感器故障数据特征,确定深度自编码网络的输入、输出,以离线仿真试验的方法确定深度自编码网络层数、隐层节点数等超参数。
  随后利用桥梁实测数据对所提出的故障诊断方法进行了验证,与传统BP神经网络传感器故障诊断方法和支持向量机的传感器故障诊断方法进行对比,对比结果表明BP神经网络的诊断准确率为74.5%,支持向量机的诊断准确率为76.7%,深度自编码网络的诊断准确率为94.5%,基于深度学习的传感器故障诊断方法准确率提升17.8%。
  最后分析桥梁损伤的特点,结合传感器关联性构建了一种区分桥梁损伤和传感器故障的方法。
[硕士论文] 赵栋
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:根据国际供暖行业最新的发展趋势,石油衍生产品的价格正逐年上涨,且供需矛盾曰益突出,燃气、燃煤更是年年告急,同时化石燃料用于供暖给环境造成巨大的压力。电能属于二次资源,且具备可再生性和来源的多样性,已经在供暖行业引起了极大重视。越来越多的用户采用智能模块化电地暖供暖,然而对于智能模块化电地暖系统温度控制方法的研究还比较少,本文依托重庆智酷热能设备有限公司这个平台对智能模块化电地暖温度控制方法进行研究,提供了一定的理论依据和科学保障。
  全文研究以下三个方面的内容:
  (1)研究了智能模块化电地暖系统的多点控制。首先,提出了一种模块化电地暖多点控制系统,建立以最小的电能消耗为目标函数、以室内温度不高于设定温度为约束条件的优化模型。然后,当温度达到设定值时,求解维持当前温度所消耗电能最小的功率设定,并通过系统的温度传感器和无线通信模块实时调节电地暖的工作功率,从而保持室内温度的相对稳定。最后,结合仿真设计,得到了室内温度的时间变化曲线和电地暖工作功率的时间变化曲线。
  (2)研究了智能模块化电地暖系统的协同控制,分析使得系统温度保持稳定的条件并设计相应的温度控制器。从物理意义上划分整个电地暖系统,根据能量守恒定律建立温度变化的微分方程组。根据模型系数不确定性的特点,结合T-S模糊理论,设计了一种模糊控制器。同时对系统参数进行约束从而建立保证模型温度稳定的条件。最后,利用设计的控制器对系统的温度进行跟踪控制,验证了控制设计的合理性。
  (3)对智能模块化电地暖系统温度的无线远程控制进行硬件设计和软件设计。首先,选用合适的硬件组成智能模块化电地暖温度无线控制系统的主要功能模块。然后,根据系统的工作流程进行软件设计,进而实现系统的整体流程设计。最后通过实验验证了温度无线控制系统设计的合理性。
[硕士论文] 赵凯旋
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:随着互联网、物联网、传感器等技术的快速发展,在生产和生活中产生了大量的数据,人们希望从这些数据中挖掘到有价值的信息。然而其中很多数据呈现出样本数量庞大、特征维度高的特点,这无疑加大了数据挖掘的难度。针对以上问题,研究者们往往通过特征选择的方法删除数据中无关、冗余的特征信息,从而降低特征维度、噪音干扰、算法复杂度,使模型变得简单且易于理解。特征选择在数据挖掘、人工智能、故障诊断等领域中,已经成为一个研究的热点。
  传统的特征选择算法存在着不足,或是选择的特征子集在进行分类任务时准确率较低,或是选择的特征子集规模较大。针对这些不足,本文以封装式特征选择模型为基础,结合强化学习理论中通过收益(奖赏)进行自主决策的方式,提出了基于强化学习的特征选择算法。在UCI数据集上与传统特征选择算法进行对比实验,实验结果表明本文算法可以选取较优的特征子集,证明了算法的可行性和有效性。
  本文主要研究内容包含以下两点:
  (1)在对现有特征选择方法研究的基础上,针对传统特征选择方法存在的问题,本文将特征选择过程与强化学习训练过程结合起来,提出了一种新的特征选择算法模型。该算法进行特征选择时,强化学习中的智能体(Agent)通过“试错”的方式进行特征子集的训练搜索,根据特征子集的反馈收益即时调整特征子集内特征,最终Agent选取获得最大收益的动作序列作为最优策略,依据最优策略得到特征选择的结果。实验表明,本文算法选取的特征子集较之传统算法在分类准确率上有所提升。
  (2)通过对比实验,验证了本文提出的基于强化学习的特征选择算法设计的可行性和有效性,但较之传统特征选择方法,在特征降维和分类准确率方面效果提高不大,且算法执行日寸间较长。针对以上问题本文对算法进行进一步改进,引入信息论和相关性分析理论,将它们作为Agent训练搜索特征子集过程的“经验指导”,即特征子集搜索过程中,优先添加信息熵值较大的特征;并优先删除特征子集中Pearson相关系数较高的一对特征中的一个特征。实验表明,改进算法相比原算法进一步降低了特征维度,提高了分类准确率并缩短了算法执行时间。
[硕士论文] 杨扬
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:边坡失稳引发的滑坡灾害造成的损失巨大,给我国经济建设和人民生命财产安全构成严重威胁。滑坡灾害的发生是一个逐渐累积的过程,这个过程中有明显的变化特征,通过科学的方法对边坡进行监测,掌握其变化规律进行预警,可以在一定程度上减轻或者避免滑坡灾害造成的损失。传统的测量方法由专业人员利用高精度仪器进行测量,周期长且不能实时监测,现代传感器测量适用范围有限,或者成本高,不利于大范围推广应用
  为了减少滑坡灾害造成的损失,本文运用数字图像处理和双目视觉相关技术,提出一种低成本边坡滑移测量技术,该测量技术适用于对可能发生滑坡的边坡的长期监测。该方法主要通过在边坡待监测区域布置人工标志物,采用两台工业摄像机构建双目视觉系统对边坡表面待监测区域定时拍摄图像,通过图像处理算法识别定位标志物并计算三维坐标与三维位移。主要研究内容包括以下几个方面:
  1.对双目视觉系统的数字模型进行了研究,包括摄像机的成像模型,针孔模型和非线性畸变,分析了常用的摄像机标定方法,详细探讨了引入切向畸变和去除倾斜因子的改进张氏标定法对摄像机进行标定的过程,根据两台摄像机标定的结果联合进行双目摄像机标定与三维坐标的计算。
  2.在分析了各种类型的标志物的基础上,设计了适用于本文提出测量技术的回光反射圆形标志物,运用图像处理相关技术对标志物的识别与定位进行了研究,包括图像预处理、图像转换到HSI空间进行识别、形态学滤波去除干扰点、标志物边缘检测、椭圆拟合与定位、标志物编号,分析了摄像机偏转对标志物三维坐标计算的影响,提出了差分校正方法,引入一个参考标志物减少布置于边坡表面标志物的像素位移,避免了摄像机偏转带来测量误差和重新标定摄像机费时费力的缺点。
  3.在研究了双目视觉系统模型和标志物设计、识别定位、差分校正的基础上,提出了基于双目视觉和差分校正的边坡滑移测量技术,在不重新标定摄像机的情况下,减少由于摄像机偏转造成的三维坐标测量误差。搭建了模拟边坡环境,进行了摄像机标定、标志物识别与定位、差分校正验证、相对距离测量、模拟边坡监测等实验,并对实验结果进行了分析。实验结果表明:基于双目视觉和差分校正的边坡滑移测量技术能有效测量模拟边坡的形变,本文提出的差分校正方法能在不重新标定摄像机情况下减少由于摄像机偏转带来的测量误差,为该技术投入实际应用提供了有效的探索。
[硕士论文] 孙梦娇
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:在数据时代,随着数据量级呈指数级增长,在数据管理和分析工作中不可避免地会出现异常数据和缺失数据,为保证数据挖掘和知识发现结果的有效性,对数据进行异常检测和缺失数据修补显得尤为重要。
  本文以客运数据为研究对象,利用现有算法对异常数据和不完整数据进行检测,并针对数据离散缺失和连续缺失问题,分别提出了双聚类点缺失数据修补改进算法和基于非负矩阵分解的连续缺失数据修补算法,并以真实客运数据进行了实验验证。论文主要工作如下:
  (1)针对客运数据中存在数据异常和不完整性问题,采用层次聚类对低位点异常和离散缺失值进行检测,并利用基于滑动窗口的检测算法对连续缺失数据进行检测,为后续缺失值修补提供数据基础。实验结果表明,因低位点与正常值相差较明显,层次聚类检测算法对低位点异常的检测准确率为100%,对缺失值的检测准确率为89.7%;基于滑动窗口的检测算法对连续缺失数据的检测准确率为93.5%。
  (2)针对传统双聚类缺失值修补算法存在修补精度低、计算复杂度高的问题,提出了双聚类缺失数据修补改进算法(Bicluster-based Discrete Missing Data Imputation Improved Algorithm,BDMDII)。该算法在寻找聚类簇时,引入行列保护规则避免聚类簇规模过大导致其信息量冗余的问题,制定修补权值函数提高修补精度,设置平均平方残基最大阈值降低计算复杂度。实验结果表明,改进算法比原算法精度提高了45.7%,缺失数据修补时间减少了10%。
  (3)针对双聚类缺失数据修补改进算法修补连续长缺失序列数据精度较低的问题,提出基于非负矩阵分解的连续缺失数据修补算法(Sequence Missing Data Imputation Based on Nonnegative Matrix Factorization,NMF-SMDI)。该算法根据客运数据的时间周期性特征,引入非负矩阵分解方法,将缺失序列按时间周期分解为离散缺失,再利用双聚类点缺失数据修补改进算法进行数据修补。实验结果表明,在连续缺失数据长度固定且缺失率在30%~50%时,NMF-SMDI算法比BDMDII算法精度提高了18%;在数据缺失率相同且连续缺失长度大于4时,NMF-SMDI算法比BDMDII算法精度提高了24.6%。
[硕士论文] 陈巍
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:车辆占用应急车道行驶严重影响了应急车道的正常使用,目前对占用应急车道车辆抓拍的图像甄别工作主要依赖于人工处理。本文提出一种用于应急车道抓拍图像的车辆检测和识别方法,实现急车道车辆智能检测应及行驶车辆类型的自动判断。
  本文引入逻辑回归理论,提出基于逻辑回归的车辆检测方法;基于卷积网络强大的特征抽象和自动学习能力,研究基于卷积网络的车辆识别算法,分析卷积网络中卷积核的贡献大小,提出基于卷积核方差与L1范数和的方式裁剪卷积核,对CNN模型进行压缩改进。利用训练集图像的HOG特征训练逻辑回归分类器,通过滑动窗口机制对目标区域进行搜索,提取滑动窗口的HOG特征并送入分类器,由非极大抑制技术输出检测结果;利用本文制作的车辆类别训练集训练CNN模型获取最优模型,基于卷积核方差与L1范数和对CNN模型的卷积核进行裁剪,由训练集对裁剪后的模型进行再训练以达到最优,将车辆检测结果输入CNN模型获得车辆类型识别结果。主要研究内容如下:
  1.车辆检测
  分析逻辑回归的分类原理和参数求解方法,在车辆的HOG特征基础上,提出基于逻辑回归的车辆检测方法。
  2.车辆分类识别
  分析卷积网络的结构特点和参数,设计深度卷积网络车辆分类识别模型。
  3.模型的压缩
  分析模型卷积层中卷积核对特征提取的贡献大小指标,比如平均零占比,L1范数等,在此基础上提出以卷积核方差与L1范数和为评价指标对卷积核进行裁剪的方法,从而实现模型压缩。
  实验结果表明,在抓拍的应急车道数据集上基于逻辑回归的车辆检测方法检测率达到97%,分别高出SVM与Adaboost0.9%和2.3%,平均检测时间比SVM和Adaboost短30%-40%左右,相较于SVM与Adaboost,逻辑回归模型更简单,复杂度更低;基于卷积网络的车辆识别算法的准确率达到99.2%,比人工提取特征的准确率高8%左右;卷积核裁剪后对模型再训练,结果显示模型的参数减少了50.7%,模型运算时间大幅下降,但是准确率仍可以保持在99.1%,验证了该裁剪方法的有效性,同时也证明了该模型的实用性。
[硕士论文] 刘民康
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:信息技术的迅猛发展和大数据时代的到来,造成了数据井喷式的增长,海量数据的累积超出了个体、群组对信息的处理及利用的合理范围,导致了信息过载现象的发生。推荐系统的出现有效的解决了这一问题,同时推荐系统也是数据挖掘、信息检索以及计算广告领域内的研究热点。协同过滤推荐算法是推荐系统领域中的经典算法之一,其主要思想是通过对目标用户寻找相近用户,并根据相近用户对某一物品的评价,预测目标用户对该物品的评价。随着推荐场景中数据规模的急剧增长,高维稀疏数据、时效性、冷启动等问题正对协同过滤推荐算法的推荐准确性产生严重的影响。
  本文从定义和结构上对推荐系统进行了研究,对主流推荐技术做出了分析,同时对比了不同推荐技术的优劣。以此为基础,针对高维稀疏数据对用户相似度计算造成的准确性低的问题和时效性因素对评分预测产生的影响,提出了一种基于用户联合相似度的协同过滤推荐算法。本文的具体研究内容如下:
  第一,研究协同过滤推荐算法,对协同过滤推荐算法的工作原理进行了详细的说明,分析算法在计算相似度和预测评分时存在的问题。
  第二,针对高维稀疏数据造成的相似度计算结果准确性低的问题,提出了用户联合相似度的解决方案。用户联合相似度从结构上分为用户喜好分布的比较和用户个人属性信息的比较,最终通过线性组合的方式对两部分计算结果进行组合,得到用户之间相似度的计算结果。用户喜好分布的比较在整合数据后通过主题模型LDA计算得到喜好分布,利用巴氏系数度量不同分布的相似程度,过程中评分数据仅作为筛选依据,减缓了稀疏数据对计算结果的影响;用户个人属性信息的比较则在个人属性信息数值化之后通过信息论中的海明距离进行度量,得到不同用户个人属性信息间的相似值。
  第三,针对时效性对预测评分产生的影响,通过具体物品的热度衰减来说明。在对所有物品进行热度统计的基础上,使用反比例函数对衰减程度进行量化,结合双曲正切函数映射后得到热度影响因子,热度影响因子反映物品热度的变化,作用于评分预测过程,时效性对预测结果具体影响予以体现。
  最后,组合用户联合相似度和预测计算部分的改进构成基于用户联合相似度的协同过滤推荐算法。将本文提出的算法与传统协同过滤推荐算法在公开数据集ml-lOOk上进行实验,同时对实验结果进行分析比较,验证了本文提出算法的推荐准确性的提升。
[硕士论文] 刘芳
计算机科学与技术计算机应用技术 重庆交通大学 2018(学位年度)
摘要:随着智能交通的迅速发展,基于卷积神经网络的车型分类识别技术受到大量关注。传统机器学习的车型分类识别方法主要以浅层模型为主,此方法的缺点:一是层次数目较少,建模能力和表达能力有限;二是分类识别结果依赖于传统方法提取的浅层特征,而浅层特征表达能力往往有限,导致分类结果并不理想。因此采用车辆运动过程中产生的混叠、间断、多源噪声信号,采用声音传统特征分析研究车型分类识别仍是一个难题。本文针对上述研究现状及难点,以车辆声信号处理及深度学习技术为基础,着重对基于卷积神经网络的车型分类识别方法进行分析和研究。主要研究内容如下:
  1)采集车辆声音信号,去除冗余信息凝练实验所需特征集。通过分析声音信号具有频率范围广、采样率高、量化后的信号数据量较庞大等特点,直接输入分类器和神经网络后效果较差。因此在对车型进行分类识别之前,需对信号进行预处理及传统特征提取,并打上对应的标签。通过实验需求,建立研究所需实验数据库,为后续研究工作做好数据准备。
  2)基于卷积神经网络的车型分类识别方法研究。对比分析机器学习和深度学习模型对车型分类识别的有效性,结合车辆声音信号的高度复杂性使得信号表征问题能够很好地使用深度学习所提供的高度抽象,并且卷积神经网络特有的卷积和池化操作可以有效表达和处理音频信号隐藏在频域中的一些典型特征,本文提出基于卷积神经网络的车型分类识别方法。首先使用经典卷积神经网络LeNet-5进行车型分类识别,结果表明LeNet-5对本文数据集的分类性能很不理想,损失函数的值不下降,模型不收敛,无准确率可言。通过分析原因,对LeNet-5网络进行改进得到三种卷积神经网络CNN1、CNN2、CNN3。
  3)实验验证设计的三种卷积神经网络车型分类识别模型的有效性,实验结果表明卷积神经网络对车型具有较好的分类性能;并与经典的浅层模型K近邻和SVM的分类性能进行对比,结果表明改进的CNN1、CNN2及CNN3的分类准确率较浅层模型K近邻及支持向量机均有大幅度提升;对比验证模型在数据集1和数据集2上的分类性能,结果表明数据量增大,卷积神经网络的准确率有所提升,而浅层模型反而下降,证明卷积神经网络在处理大数据集时较擅长处理小样本的浅层模型具有一定的优势。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部