检索结果-内蒙古大学图书馆

控制与决策 2001年第2期16卷 163-166页

作者：宗群尚晓光岳有军雷小锋天津大学电气自动化与能源工程学院天津300072

介绍了应用两个模糊神经网络分两步进行电梯群控系统交通模式识别 ,提出了利用专家知识获取样本和训练网络的步骤。实际数据测试结果表明 ,该方法能准确地辨识出各种交通模式所占的比例 ,对群控器的派梯可起到很好的指导作用 ,从而提高... 详细信息

介绍了应用两个模糊神经网络分两步进行电梯群控系统交通模式识别 ,提出了利用专家知识获取样本和训练网络的步骤。实际数据测试结果表明 ,该方法能准确地辨识出各种交通模式所占的比例 ,对群控器的派梯可起到很好的指导作用 ,从而提高电梯群控系统的服务性能。

关键词：电梯群控系统交通模式识别模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

基于特征自学习的交通模式识别研究

引用

哈尔滨工程大学学报 2019年第2期40卷 354-358页

作者：王昊刘高军段建勇薛媛媛冯卓楠北方工业大学计算机学院北京100144 清华大学计算机科学与技术系北京100084

针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型... 详细信息

针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软Geo Life数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。

关键词：交通模式识别深度特征轨迹挖掘特征学习卷积网络轨迹

来源：评论

学校读者我要写书评

暂无评论

基于残差时域注意力神经网络的交通模式识别算法

引用

计算机应用 2021年第6期41卷 1557-1565页

作者：刘世泽朱奕达陈润泽罗海勇赵方孙艺王宝会北京航空航天大学软件学院北京100191 北京邮电大学计算机学院(国家示范性软件学院) 北京100876 中国科学院计算技术研究所北京100190

交通模式识别是用户行为识别中的一个重要分支,其目的是对用户所处的交通模式进行准确判断。针对现代智慧城市交通系统对在移动设备环境下精准感知用户交通模式的需求,提出了一种基于残差时域注意力神经网络的交通模式识别算法。首先,... 详细信息

交通模式识别是用户行为识别中的一个重要分支,其目的是对用户所处的交通模式进行准确判断。针对现代智慧城市交通系统对在移动设备环境下精准感知用户交通模式的需求,提出了一种基于残差时域注意力神经网络的交通模式识别算法。首先,通过具有较强局部特征提取能力的残差网络提取传感器时序中的局部特征;然后,采用基于通道的注意力机制对不同传感器特征进行重校准,并针对不同传感器的数据异构性进行注意力重校准;最后,利用具有更广感受野的时域卷积网络(TCN)提取传感器时序中的全局特征。采用数据丰富度较高的宏达通讯(HTC)交通模式识别数据集来对已有的交通模式识别算法和所提出的残差时域注意力模型进行评估,实验结果表明,所提出的残差时域注意力模型在对现代移动嵌入式设备的计算开销友好的前提下具有高达96.07%的准确率,且对单一类别均具有高于90%的召回率与精确率,验证了该模型的准确性与鲁棒性。所提模型可以作为一种支持移动智能终端运算的交通模式识别应用于智能交通出行、智慧城市等领域。

关键词：时域卷积网络交通模式识别残差网络注意力机制深度学习

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征提取的交通模式识别算法

引用

计算机应用 2021年第6期41卷 1573-1580页

作者：刘世泽秦艳君王晨星高存远罗海勇赵方王宝会北京航空航天大学软件学院北京100191 北京邮电大学计算机学院北京100876 中国科学院计算技术研究所北京100190

针对普适交通模式的场景感知功耗高、场景复杂的问题,提出一种融合残差网络(Res Net)和带孔卷积的交通模式识别算法。首先,使用快速傅里叶变换(FFT)将一维传感器数据转换为二维频谱图像;然后,使用主成分分析(PCA)算法对频谱图像降采样;... 详细信息

针对普适交通模式的场景感知功耗高、场景复杂的问题,提出一种融合残差网络(Res Net)和带孔卷积的交通模式识别算法。首先,使用快速傅里叶变换(FFT)将一维传感器数据转换为二维频谱图像;然后,使用主成分分析(PCA)算法对频谱图像降采样;最后,使用Res Net挖掘交通模式的局部特征,使用带孔卷积挖掘交通模式的全局特征,从而实现对八种交通模式进行识别。与决策树、随机森林、Alex Net等八种算法在实验中的对比评估结果显示,融合Res Net和带孔卷积的交通模式识别算法在静止、走路、跑步等八类交通模式上均有最高准确率。该算法具有良好识别精度和鲁棒性。

关键词：行为识别交通模式识别残差网络带孔卷积低功耗

来源：评论

学校读者我要写书评

暂无评论

基于模糊推理的电梯交通模式识别

引用

低压电器 2007年第8期 13-15,21页

作者：王松青董绍兵浙江大学建筑设计研究院浙江杭州310027

简要分析了电梯客流的交通特点,以准确描述客流特征的交通构成和交通强度为模糊推理输入变量,构建了新交通模式识别的模糊推理算法,总结出辨识12种交通模式的27条规则。

关键词：模糊控制客流到达率交通强度交通构成交通模式识别

来源：评论

学校读者我要写书评

暂无评论

基于FNN的电梯群控系统交通模式识别

引用

广西大学学报（自然科学版） 2009年第S1期34卷 213-216页

作者：张海君胡桂明满高华金浙良广西大学电气工程学院广西南宁530004

对于电梯群控系统的调度来说,一个重要的问题就是电梯交通模式识别,针对实时变化的电梯交通流数据,提出了一种模糊神经网络的方法识别交通模式.实际数据测试结果表明,这种方法对于识别群控系统的各种交通模式来说是比较精确的,并且对于... 详细信息

对于电梯群控系统的调度来说,一个重要的问题就是电梯交通模式识别,针对实时变化的电梯交通流数据,提出了一种模糊神经网络的方法识别交通模式.实际数据测试结果表明,这种方法对于识别群控系统的各种交通模式来说是比较精确的,并且对于群控器的派梯可以起到很好的指导作用,从而提高电梯群控系统的服务性能.

关键词：电梯群控系统交通流模糊神经网络交通模式识别

来源：评论

学校读者我要写书评

暂无评论

基于模糊神经网络的电梯系统交通模式识别

引用

系统工程学报 2001年第6期16卷 418-424页

作者：宗群尚晓光严明曹燕飞岳有军雷小锋天津大学电气自动化与能源工程学院天津300072

介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法 .用 3步混合训练方法对用于模式识别的两个模糊神经网络进行训练 .测试结果表明此方法可以准确地辨识出各种交通模式所占的比例 ,可以指导群控器优化派梯策略 ,提高电梯群控系... 详细信息

介绍采用模糊神经网络进行电梯群控系统交通模式识别的方法 .用 3步混合训练方法对用于模式识别的两个模糊神经网络进行训练 .测试结果表明此方法可以准确地辨识出各种交通模式所占的比例 ,可以指导群控器优化派梯策略 ,提高电梯群控系统的服务性能 .

关键词：电梯群控系统交通模式识别模糊神经网络现代化建筑

来源：评论

学校读者我要写书评

暂无评论

基于多源传感信息融合的低功耗交通模式识别技术研究

基于多源传感信息融合的低功耗交通模式识别技术研究

引用

作者：袁伟超中国科学院大学

学位级别：硕士

随着智能手机不断普及，交通模式识别已经成为情景计算的热门研究领域。作为理解用户移动性的核心组成部分，准确识别不同的交通模式，将对许多研究领域产生重要影响。首先，用户的交通方式信息适用于出行行为研究领域。根据用户的日常... 详细信息

随着智能手机不断普及，交通模式识别已经成为情景计算的热门研究领域。作为理解用户移动性的核心组成部分，准确识别不同的交通模式，将对许多研究领域产生重要影响。首先，用户的交通方式信息适用于出行行为研究领域。根据用户的日常交通方式，可以发现用户的行为，从而进行个性化推荐，协助计算用户的碳排放量，倡导绿色出行等。其次，交通方式选择对交通规划影响很大。准确识别交通模式，有益于城市交通状况监控和个人户外活动跟踪。\n 目前交通模式识别技术已经得到国内外广泛的研究，主要包括基于GPS和基于加速度、地磁等交通模式识别技术。基于GPS的交通模式识别技术利用用户的GPS轨迹信息进行交通模式识别，取得较好的识别准确率，但是GPS信号需要卫星信号的无阻视角才能获取，在地铁、高楼等卫星信号遮蔽环境下无法使用。基于加速度、地磁等交通识别技术，识别准确率还有待提高，机动交通模式的准确划分仍然是一个很大的挑战。\n 本论文结合国内外交通模式识别技术相关研究，提出一种交通模式识别方法。该方法基于加速度、陀螺仪、地磁和气压等低功耗传感器，对静止、步行、汽车、地铁、公交和火车等交通模式进行有效区分。本论文的主要工作如下:\n (1)由于手机的传感器数据容易受到用户动作干扰，以及机动车辆运行中因等待红绿灯、进站等原因产生的静止数据，降低了分类器的泛化性能，因此，本论文提出一种交通模式数据预处理方法。利用重力变化去除交通模式识别数据中由于用户交互引入的脏数据，为了进一步提高分类准确率，本论文研究使用单类支持向量机和孤立森林等异常点检测算法去除交通模式识别数据中夹杂的部分静止数据，并通过实验验证该方法的有效性。\n (2)由于加速度、地磁等传感器为三轴矢量传感器，手机各种使用姿势产生不同的载体坐标系，针对这种情况，本论文通过重力方向估计对加速度传感器数据进行分解，提取载体坐标系无关的加速度水平分量和垂直分量。为了提高分类器的分类性能，本论文提取反映交通模式运行状态的统计特征以及反映不同交通模式运行状态的语义特征，提高交通模式识别的准确率。\n (3)最后，基于上述数据预处理和特征提取方式，本论文提出一种基于层次分类器的交通模式识别系统。该层次分类器使用加速度、陀螺仪、地磁和气压传感器的数据，区分静止、步行、汽车、地铁、公交和火车等交通模式。本论文设计相应的原型系统，通过大量的实际场景对该系统进行测试，实验结果表明该系统达到89％的平均识别准确率。通过进一步功耗测试，该系统功耗较低，对手机电池影响较小，能满足实际系统需要。\n 本论文通过大量的数据对上述方法进行仿真测试，实验结果表明，本论文提出的方法可以有效区分不同交通模式，优于其它的交通模式识别方法。

关键词：交通模式识别情景计算移动感知特征提取数据预处理

来源：评论

学校读者我要写书评

暂无评论

基于模糊神经网络的电梯群控系统交通模式识别和多目标优化群控算法研究

基于模糊神经网络的电梯群控系统交通模式识别和多目标优化群控算...

引用

作者：鲍海同济大学

学位级别：硕士

电梯是高层建筑中不可缺少的垂直交通运输工具，随着高层智能建筑的大量涌现，人们对电梯系统的性能提出了越来越高的要求。电梯群控系统是在建筑物内控制三部或三部以上电梯并实现优化调度从而有效的运送乘客改善服务质量的控制系统。... 详细信息

电梯是高层建筑中不可缺少的垂直交通运输工具，随着高层智能建筑的大量涌现，人们对电梯系统的性能提出了越来越高的要求。电梯群控系统是在建筑物内控制三部或三部以上电梯并实现优化调度从而有效的运送乘客改善服务质量的控制系统。本文以电梯群控系统作为研究对象，在对电梯控制技术进行深入分析的基础上，以提高电梯群控系统的运行效率为出发点，以减少候梯时间、减少乘梯时间、节约能耗为目的，对电梯群控系统的派梯策略进行了深入的研究，提出了一种基于交通模式识别控制的多目标优化调度方法。本文首先分析了电梯群控系统的特性、控制方式、性能评价指标及交通流情况。在交通模式识别方面，采用基于联结机制的模糊神经网络对交通流进行辨识，该方法对复杂的交通流具有很好的识别能力，对电梯群控器根据不同的交通状况采用相应的派梯策略可以起到很好的指导作用。为满足在多种交通交通模式下都能适应，本文提出以减少候梯时间、减少乘梯时间、节约能源消耗为控制目标的评价函数，能够根据当前交通模式调节各控制目标权重的多目标规划群控算法。为了测试群控算法的性能，开发了一套电梯群控系统仿真软件。将群控算法编写成程序，即可在仿真软件中进行测试。仿真结果表明，本文提出的算法是有效的。

关键词：电梯群控系统交通模式识别多目标规划模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

基于注意力和知识蒸馏的交通模式识别研究

基于注意力和知识蒸馏的交通模式识别研究

引用

作者：程书玉南京林业大学

学位级别：硕士

随着科学技术快速进步,公共交通迅速发展,人们的出行方式呈现出愈发复杂和多样态势。伴随着智能手机在日常出行中的普及,利用其内置轻量级传感器进行交通模式识别已成为近些年学术研究的新焦点。这对于城市道路规划和交通流量预测等领... 详细信息

随着科学技术快速进步,公共交通迅速发展,人们的出行方式呈现出愈发复杂和多样态势。伴随着智能手机在日常出行中的普及,利用其内置轻量级传感器进行交通模式识别已成为近些年学术研究的新焦点。这对于城市道路规划和交通流量预测等领域具有重要影响。目前在交通模式识别算法中,深度学习算法表现出较好的识别性能。与传统的机器学习算法相比,深度学习算法不需要手工进行特征的提取,不需要掌握先验知识,能够自主地进行特征的捕捉。虽然深度学习算法在交通模式识别领域已显示出优越的性能,但是其在识别精度、模型结构复杂和推理时间长等方面仍存在很大研究空间。本文从提高识别精度和简化模型复杂度这两个方面分别建立了TCMH模型和CNFC-KD模型研究交通模式识别问题,主要研究内容如下: 针对识别精度问题,本文建立了一种基于多头注意力机制与时序卷积网络相结合的交通模式识别模型TCMH。该模型通过时序卷积网络捕捉时间序列数据中的长期依赖关系,优化特征信息挖掘;同时,残差连接的引入有效防止了梯度消失或爆炸。多头注意力机制的应用,能够在多个特征子空间中进行精细的注意力分配,经过整合后得到更合理的注意力权重分布,从而提升模型的识别精度。在SHL和HTC数据集上的大量实验,实验验证了模型的优越性,与基线算法相比,准确率最高,分别高达90.25%和89.55%。从精确率、召回率及F1分数来看,该模型对八类交通模式也表现出良好的识别效果。针对模型结构复杂、移动终端部署困难的问题,本文建立了一种基于知识蒸馏的轻量级交通模式识别模型CNFC-KD。设计了一个轻量级网络模型,该模型以卷积网络和全连接网络为基础,结构简洁,参数量少,推理速度快。采用基于结果的知识蒸馏策略,以复杂的多头注意力时序卷积网络模型作为教师模型,轻量级模型作为学生模型,通过师生学习架构实现知识传递。实验结果表明,与教师模型相比,CNFC-KD模型在SHL数据集上的参数量减少了74.11%,推理时间缩短了91.72%,而准确率仅降低了2.05%;在HTC数据集上,参数量减少了78.36%,推理时间缩短了90.91%,准确率下降了1.05%。这表明,该模型在只轻微牺牲识别准确率的情况下,显著降低了参数量和推理时间,结构更简单,更易于在计算能力有限、存储空间受限的移动终端上部署。

关键词：交通模式识别时序卷积网络多头注意力机制知识蒸馏轻量级网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：