共查询到20条相似文献，搜索用时 452 毫秒
1.
《农业装备与车辆工程》2021,(6)
基于汽车实际运行载荷数据,对速度时间序列异常数据进行预处理并进行片段划分,构造表征运行片段特征的参数。采用主成分分析方法进行参数降维,通过K-means聚类算法对运行片段进行分类。基于马尔科夫链原理确定工况间的顺序关系,最终结合怠速时间特征与各工况总时间比例确定汽车行驶工况。结果表明,通过特征参数相对误差检验及速度-加速度联合分布概率差异值进行对比,所构建的行驶工况与原始载荷数据特征差异较小,能够体现汽车实际行驶过程中的相应特征,并取得了一定程度的优化效果,具有一定的参考价值。 相似文献
2.
刘文武 《农业装备与车辆工程》2021,(1)
为了构建汽车行驶工况模型和汽车运动特征评估体系,连续采集了三周福州地区的行驶数据进行处理,将处理后的数据进行运动学片段的划分。采用K-均值聚类分析法对降维的主成分特征值进行聚类,根据距离最小原则挑选出运动学片段来合成反映不同交通状况的汽车行驶工况曲线。并对汽车行驶工况曲线进行分析评价,由此论证了该方法构建汽车行驶工况曲线的合理性。 相似文献
3.
为提高构建行驶工况的准确性和代表性,基于采集的10辆出租车930余万条数据,构建了典型城市乘用车行驶循环工况。首先,运用切比雪夫滤波器和筛选规则对行驶工况实测数据进行预处理,然后进行短行程划分,采用主成分分析法对高维特征参数进行降维处理,运用两步聚类分析进行聚类和异常值提取,获取三类短行程样本库,并通过短行程切分法构建怠速段库和运动段库,确定了怠速段和运动段时间分布;最后,依据分布特征参数平均绝对误差最小原则,构建了持续时间为1 200 s的拥堵、一般拥堵、畅通行驶循环工况和总行驶循环工况。结果表明,构建的城市行驶工况与道路试验数据平均绝对误差不大于3.15%,说明该方法是准确可行的。 相似文献
4.
5.
为了解决汽车行驶工况的识别问题,设计了一种基于学习向量量化模型的汽车行驶工况识别算法。选取典型工况作为初始样本,对典型工况进行分块以扩充识别样本空间。选取并计算能够充分表征工况特征的特征参数,对所有的特征参数值进行归一化处理后形成对应的标准特征参数向量。构建学习向量量化神经网络工况识别模型,给出用于模型训练的训练流程以及用于工况识别的识别流程。试验结果表明:设计的工况识别算法能够有效地对汽车的实际行驶工况进行实时识别,识别精度达到88%。 相似文献
6.
主要研究FCM聚类法在车辆行驶工况中的应用。通过对合肥市典型道路的试验,获取大量的实验数据,划分为多个运动学片段,并运用多元统计理论方法及Matlab对数据进行分析和处理,引入11个表征汽车行驶特性的特征参数进行研究。运用主成分分析这种数理统计理论,同时通过FCM聚类方法,对合肥市道路行驶工况进行分析与仿真,拟合出能够代表合肥市的代表性工况。通过对实验数据的分析表明,拟合的行驶工况有利地反映了合肥的汽车保有量、城市结构、交通流分布、驾驶行为习惯及道路特征等的情况。 相似文献
7.
8.
针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和... 相似文献
9.
提出一种利用电子鼻系统检测茶香气味辨别茶叶种类的识别方法,使用主成分分析（PCA）、K-means聚类和卷积神经网络（CNN）3种机器学习方法对10种茶叶种类进行识别。实验结果表明,基于PCA降维特征的K聚类精度为85.17%,比基于原始特征的K聚类精度78.83%更优,基于PCA降维特征的CNN算法识别率达到95%,基于茶香气味检测的茶叶种类识别方法方便快捷,具有可行性。 相似文献
10.
行驶工况对于电动汽车的开发设计有很重要意义。本文以中山大学校区校园SEV中巴行驶工况开发为实例,通过实地调查和采集数据分析,根据固定区域内单一线路行驶车辆具有相似性和周期性特点,提出行驶段来分割原始数据方法。对大量试验数据进行了处理,提取有效行驶段的特征参数,引入主成分分析对特征参数进行压缩,以主成分参数为准则,从行驶段样品挑选出代表性行驶工况。本文提出了一种快速有效行驶工况开发方法,可以用在固定区域如景区、楼盘、学校里有相对固定路线的汽车行驶工况开发。 相似文献
11.
针对项目中机组群聚类问题,要求解决对33台机组的聚类问题。对数据进行了降维和归一化,方便聚类算法的实现,构建了K-means和SOM聚类模型,运用了MATLAB软件编程求解,得出了两种算法下的分组情况,综合运用了MATLAB及EXCEL等软件求解,实现了两种不同聚类算法对33台机组的分组,求出了最佳分组数及对风电场功率进行预测,比较了不同聚类算法下的预测结果。 相似文献
12.
首先对传统的K-means算法进行改进,在采用K-means算法进行聚类前,先通过AP聚类完成初始聚类中心的筛选,从而提高K-means算法的聚类效率;其次针对海量的电力数据问题,提出海量数据挖掘架构,并引入FH多模态融合技术实现用户多表情的采集;最后以某地区100户电力客户的用电行为数据进行聚类。结果表明,经过改进聚类的到8类聚类中心,并依据聚类将这8类分为不同特征的大用户。通过聚类划分,有效展示了电力客户的特征,为电力企业的差异化服务提供了有力参考。 相似文献
13.
14.
为了准确识别成熟的西红柿目标,提出了一种模糊C-均值聚类算法(Fuzzy Clustering Means,FCM)的西红柿目标分割方法。该方法首先利用FCM算法对西红柿图像进行模糊聚类,并对聚类后的果实图像与丢失的部分目标图像进行相加,以得到更加完整的西红柿目标;然后对西红柿目标进行二值化、去噪、开运算与闭运算等处理,完成西红柿目标的分割。为了验证算法的有效性,利用20幅图像进行了试验并与K-means算法和Otsu算法分割效果进行了对比。结果表明:利用文中算法所分割出的西红柿目标最高分割误差率均低于Kmeans算法和Otsu算法,平均分割错误率为1 6.5 5%,比K-means算法低了3.5 6%,比Otsu算法低了1 2.8 0%。这表明,将该方法应用于西红柿目标的识别是可行的。 相似文献
15.
针对水电机组状态监测数据量逐步增大,数据质量差的问题,提出了一种基于改进K维树（K-Dimensional Tree,KD-Tree）与基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的水电机组状态监测数据清洗方法,首先对输入数据建立KD-Tree,再使用DBSCAN在最近邻样本上扫描完成聚类,聚类结束以后会分离出噪声点,将噪声点去除即可完成对水电机组状态监测数据清洗。选取某水电站状态监测系统上导摆度数据1 088条,再以相同时间间隔插入随机数据100条,通过算例与常规DBScan、K-means、OCSVM算法对比聚类性能与时间性能,所提出的方法识别正确率最高,为97.78%,消耗时间最少,为0.007 732 s,数据清洗效果最优,并可以大幅减少计算时间。 相似文献
16.
小麦倒伏信息无人机多时相遥感提取方法 总被引：3，自引：0，他引：3
采用两期无人机可见光遥感图像,对灌浆期冬小麦倒伏图像特征及倒伏信息提取方法进行研究。从增强图像空间域方面,对图像进行二次低通滤波,获取地物散点图,以散点存在明显分界线为判定标准,选出小麦倒伏信息提取的单特征,对两单特征线性拟合构建倒伏小麦两时期提取特征参数F_1和F_2,再以两特征参数相似性构建综合特征参数F_3。将特征参数结合K-means算法提取冬小麦倒伏信息,整体精度(OA)达86. 44%以上,Kappa系数达0. 73以上,倒伏信息提取精度(F)为81. 07%以上,因此综合特征参数可作为两个时期冬小麦倒伏信息提取特征参数。分别用本文方法、支持向量机、神经网络法和最大似然法提取验证区域倒伏小麦信息,经验证,本文方法提取小麦倒伏信息整体精度(OA)达86. 29%以上,Kappa系数达0. 71以上,倒伏信息提取精度(F)达80. 60%以上;其他3种常用方法提取的整体精度(OA)为69. 68%～87. 44%,Kappa系数为0. 49～0. 72,倒伏信息提取精度(F)为65. 33%～79. 76%。结果表明,本文方法整体精度和倒伏信息提取精度均高于目前常用分类方法。因此,综合特征参数与K-means算法对冬小麦在灌浆期倒伏信息提取具有一定的准确性和适用性。 相似文献
17.
基于深度信念网络的猪咳嗽声识别 总被引：4，自引：0，他引：4
为了在生猪养殖产生呼吸道疾病的初期,通过监测猪咳嗽声进行疾病预警,提出了基于深度信念网络(DBN)对猪咳嗽声进行识别的方法。以长白猪咳嗽、打喷嚏、吃食、尖叫、哼哼、甩耳朵等声音为研究对象,利用基于多窗谱的心理声学语音增强算法和单参数双门限端点检测对猪声音进行预处理,实现猪声音信号的去噪和有效信号检测。基于时间规整算法提取300维短时能量和720维梅尔频率倒谱系数(MFCC)组合成1020维特征参数,将该组合特征参数作为DBN学习和识别数据集,选定3隐层神经元个数分别为42、17和7,构建网络结构为1020-42-17-7-2的5层深度信念网络猪咳嗽声识别模型。通过5折交叉实验验证,基于DBN的猪咳嗽声识别率和总识别率均达到90%以上,误识别率不超过8.07%,最优组猪咳嗽声识别率达到94.12%,误识别率为7.45%,总识别率达到93.21%。进一步基于主成分分析法(PCA)提取1020维特征参数98.01%主成分得到479维特征参数,通过5折交叉实验验证,猪咳嗽声识别率和总识别率相对降维前均有所提高,误识别率有所降低,最优组猪咳嗽声识别率达到95.80%,误识别率为6.83%,总识别率达到94.29%,实验结果表明所建模型是有效可行的。 相似文献
18.
为了实现无损检测生菜叶片中重金属镉的污染程度,以计算机视觉技术为研究手段,结合图像处理方法和特征选择方法,对4个梯度重金属镉胁迫的生菜叶片进行识别。首先利用数码相机获取生菜叶片图像,然后使用K-means聚类算法分割图像,对分割出的目标图像提取图像颜色、形状和纹理特征,共获取46个图像特征。为了使模型更简便和减少数据量,利用基于变量组合的变量重要性分析(VIAVC)和竞争性自适应重加权算法(CARS)对图像特征进行降维。采用偏最小二乘法判别分析(PLS-DA)和随机森林(RF)构建模型,用于生菜镉胁迫程度的识别。结果表明,在7个组合特征模型中,颜色形状纹理融合特征所建立的模型给出了最优结果,测试集分类正确率为92%。用VIAVC和CARS对颜色形状纹理融合特征进行特征选择,发现VIAVC的降维效果优于CARS。使用特征选择的变量建立模型,RF模型的训练集分类正确率和预测集分类正确率均高于PLS-DA,其中,基于VIAVC的RF模型的训练集和预测集分类正确率分别为98.0%和96.0%。可见,基于VIAVC的RF模型在大大降低了特征维数的前提下,能够较好地对不同镉胁迫程度的生菜叶片进行识别。 相似文献
19.
《中国农机化学报》2016,(9)
针对K-means聚类算法需要先给定k值,在一些应用场景中最优k值是未知的问题,提出基于评价机制的自适应K-means算法(SAK-means),并将该算法的核心步骤改写成Mapper/Reducer的形式,部署在Hadoop集群中。经过试验,该算法能够根据数据集的分布情况适当修正k值,特别适用于处理批量的、大尺寸的、最优k值非固定的聚类分析任务,并以批量的柑橘红蜘蛛图像目标识别为例进行验证,结果表明使用SAK-means算法无需给出最优的聚类中心数目,在一定范围内算法可以对聚类中心数目进行有效修正,对于实验中所选用的4幅图像,均可以达到100%的识别率与0%的误判率。进一步研究的方向是最优初始参数的选取,以及算法在集群中的扩展性与加速比。 相似文献