在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随...在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。展开更多
针对城市重要公交线路识别与优化问题,以西安市公交系统作为研究对象,利用高阶网络模型甄别和优化西安市公交系统的重要公交线路.首先,考虑到城市公交系统具有典型的路径依赖特征,基于高阶网络模型方法构建高阶公交网络.其次,基于公交...针对城市重要公交线路识别与优化问题,以西安市公交系统作为研究对象,利用高阶网络模型甄别和优化西安市公交系统的重要公交线路.首先,考虑到城市公交系统具有典型的路径依赖特征,基于高阶网络模型方法构建高阶公交网络.其次,基于公交站点道路等级、站点与轨道交通接驳情况、站点服务范围内兴趣点(Point of Interest,POI)、站点所在区域的人口密度4项位置属性指标,提出改进的加权k核分解算法,将高阶公交网络分为核心层、桥层和外围层.最后,以西安市为例进行实证分析,以各层中连边承担的平均线路数为依据甄别重要公交线路,并根据路段在重要连边中出现的次数识别出最重要的公交路段,针对存在的问题提出优化建议.研究结果表明:西安市公交系统中存在234条重要的公交路段以及经过6条最重要路段的55条公交线路;西安市存在城市新区及近郊区域与中心城区连接不畅的问题,桥层中有524个公交站点与核心层中的任意一个站点都没有直达的公交线路;通过对13条非直达线路进行优化,站点直达率提高4.72%,增加了13条线路中247个站点与核心层站点的直达路线选择,改善了城市居民的出行便利性.展开更多
为了对铁路电气设备进行智能检测,并提升检测精度,采用了You Only Look Once version 4算法,并从特征获取、全局信息获取和损失函数三个角度对其进行初步改进。基于提升模型检测速度的目的,又引入了K均值算法及深度可分离卷积。经过测...为了对铁路电气设备进行智能检测,并提升检测精度,采用了You Only Look Once version 4算法,并从特征获取、全局信息获取和损失函数三个角度对其进行初步改进。基于提升模型检测速度的目的,又引入了K均值算法及深度可分离卷积。经过测试发现,在实际应用中,检测模型的准确率和召回率最大值分别为93.83%和94.61%,耗时和内存占用率最小值分别为22.61 ms和5.8%。所设计的智能检测模型具有良好的检测精度和速度,能够较好地对现实中的铁路电气设备进行检测。展开更多
有效辨识关键节点对增强网络韧性、提高运行能力具有重要意义,为提高航路网络关键节点识别的准确性,提出基于TOPSIS(technique for order preference by similarity to an ideal solution)-灰色关联分析法的综合评价方法和航路网络节点...有效辨识关键节点对增强网络韧性、提高运行能力具有重要意义,为提高航路网络关键节点识别的准确性,提出基于TOPSIS(technique for order preference by similarity to an ideal solution)-灰色关联分析法的综合评价方法和航路网络节点分级方法.首先,从复杂网络统计特性、交通流量特性、脆弱性3个方面构建航路网络关键节点评价指标体系;通过引入相对熵改进逼近理想值排序法,并结合灰色关联分析法综合评价航路点重要程度,采用基于K-means聚类方法有效划分航路节点等级;最后,以民航空管实际运行数据为实例,开展关键节点识别.研究表明:相较于单一指标,所建航路网络节点评价指标体系获得的评价结果更加全面;改进TOPSIS-灰色关联分析方法相较于传统TOPSIS法评价结果更加准确;所提识别方法发现了我国华东地区典型繁忙航路网络中有29个关键节点,其在网络结构及交通流量方面具有关键作用.展开更多
文摘在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。
文摘针对城市重要公交线路识别与优化问题,以西安市公交系统作为研究对象,利用高阶网络模型甄别和优化西安市公交系统的重要公交线路.首先,考虑到城市公交系统具有典型的路径依赖特征,基于高阶网络模型方法构建高阶公交网络.其次,基于公交站点道路等级、站点与轨道交通接驳情况、站点服务范围内兴趣点(Point of Interest,POI)、站点所在区域的人口密度4项位置属性指标,提出改进的加权k核分解算法,将高阶公交网络分为核心层、桥层和外围层.最后,以西安市为例进行实证分析,以各层中连边承担的平均线路数为依据甄别重要公交线路,并根据路段在重要连边中出现的次数识别出最重要的公交路段,针对存在的问题提出优化建议.研究结果表明:西安市公交系统中存在234条重要的公交路段以及经过6条最重要路段的55条公交线路;西安市存在城市新区及近郊区域与中心城区连接不畅的问题,桥层中有524个公交站点与核心层中的任意一个站点都没有直达的公交线路;通过对13条非直达线路进行优化,站点直达率提高4.72%,增加了13条线路中247个站点与核心层站点的直达路线选择,改善了城市居民的出行便利性.
文摘为了对铁路电气设备进行智能检测,并提升检测精度,采用了You Only Look Once version 4算法,并从特征获取、全局信息获取和损失函数三个角度对其进行初步改进。基于提升模型检测速度的目的,又引入了K均值算法及深度可分离卷积。经过测试发现,在实际应用中,检测模型的准确率和召回率最大值分别为93.83%和94.61%,耗时和内存占用率最小值分别为22.61 ms和5.8%。所设计的智能检测模型具有良好的检测精度和速度,能够较好地对现实中的铁路电气设备进行检测。
文摘有效辨识关键节点对增强网络韧性、提高运行能力具有重要意义,为提高航路网络关键节点识别的准确性,提出基于TOPSIS(technique for order preference by similarity to an ideal solution)-灰色关联分析法的综合评价方法和航路网络节点分级方法.首先,从复杂网络统计特性、交通流量特性、脆弱性3个方面构建航路网络关键节点评价指标体系;通过引入相对熵改进逼近理想值排序法,并结合灰色关联分析法综合评价航路点重要程度,采用基于K-means聚类方法有效划分航路节点等级;最后,以民航空管实际运行数据为实例,开展关键节点识别.研究表明:相较于单一指标,所建航路网络节点评价指标体系获得的评价结果更加全面;改进TOPSIS-灰色关联分析方法相较于传统TOPSIS法评价结果更加准确;所提识别方法发现了我国华东地区典型繁忙航路网络中有29个关键节点,其在网络结构及交通流量方面具有关键作用.
