基于动态规划的Seam Carving裁剪算法

随着科技的发展,图像应用和分享越来越普遍。图像尺寸调整在不同设备和屏幕上的显示非常重要。传统的方法只是简单地复制或计算像素值,而不考虑图像内容的重要性。然而,基于动态规划的Seam Carving裁剪算法提出了一种更优化的方法。该算法采用多尺度处理,对不同尺度的图像进行Seam Carving操作,并将处理结果整合起来,以实现更全面、更精细的图像调整。

基于实体不可知表示学习的知识图谱嵌入

针对知识图谱嵌入(KGE)引发的参数存储效率低下的问题,本研究提出了一种创新的实体不可知表示学习方法。传统的知识图谱嵌入技术通过为知识图谱中的各个元素(涵盖实体和关系)分配特定的嵌入(即向量化表达),将其映射至连续的向量空间。然而,这种方法导致了嵌入参数随着知识图谱规模的扩大而呈现线性增长的趋势。在此基础上,我们提出了名为实体不可知表示学习(EARL)的模型。该模型仅学习一小部分实体的嵌入,这些实体被称为保留实体。为了获取完整实体集的嵌入,我们巧妙地结合关系、K近邻保留实体以及多跳邻居中的信息,以编码这些保留实体的独特特征。通过学习通用且实体不可知的编码器,我们将这些特征高效地转换为实体的嵌入。相较于传统的知识图谱嵌入技术,这种创新方法使得我们提出的EARL模型在保持高效的同时,具有更少的参数量,从而展现出更高的静态性。实验结果充分验证了EARL在链路预测任务上的卓越性能,并且在参数效率方面展现出显著优势,进一步凸显了其在减少参数使用方面的有效性。

一种改进的浮动车地图匹配算法

现有地图匹配算法应用于低频方式采样的浮动车GPS数据时匹配准确度与匹配效率不能同时兼顾。基于此,本文提出了一种改进的浮动车地图匹配算法,基于改进的自适应电子地图网格划分方法快速确定待匹配定位点候选路段集,基于最短距离权重、车辆航向权重、最短路径权重及轨迹方向权重的总权重准确确定最优匹配路段及匹配点。试验结果表明,该算法在保证匹配效率的同时提高了算法的匹配准确度。

基于点与热度的交通时空数据可视化

针对现有交通时空数据可视化交互解决方案,在可视分析交通时空数据时无法兼顾通用性和专业性的问题,设计并实现了交通时空数据可视化平台.通过统一的数据表示方法,实现对数据的导入、处理及可视化展示,完成基于交互的任务逻辑设计,实现在兼顾通用性的同时对时空数据提供多样化可视化的分析手段.

基于改进的反距离权重插值的车辆轨迹重构方法

为解决车辆行驶过程中,时常出现的信息丢失、数据接收障碍等问题,提出了反距离权重插值方法。反距离权重插值算法因其简单,普适性强被广泛用于车辆轨迹重构,但车辆轨迹数据的分布多呈现离散、不均匀状态,当分布点采集不均匀时反距离权重插值方法会严重影响插值精度。针对这一问题,结合自然邻近关系的良好自适应分布特性,提出一种改进的反距离权重插值方法。首先,将车辆轨迹数据与道路路网数据进行匹配后,采用3σ准则法对车辆轨迹数据进行粗差剔除预处理。其次,对轨迹数据构建初始路网,并通过逐点插值法对初始路网进行插值,局部调整得到新的车辆轨迹,以待插点的一阶邻近点作为反距离权重插值参考点,通过建立自适应规则,调整各子区域内的变化参数,使其均匀地分布在待插值点周围,再进行反距离权重插值计算。最后,采用山东省淄博市的出租车轨迹数据对提出改进的反距离权重插值方法进行验证,收到了良好的效果。并在插值精度方面与当下应用较广的插值算法进行对比试验,试验表明,改进的反距离权重插值算法在原有性能的基础上具有更高的插值精度,可以应用于车辆轨迹数据丢失后的修补工作。

一种基于轨迹特征划分的交通轨迹数据分析方法

当前大多交通轨迹数据的划分方法并未考虑空间分布的任意性,划分点较单一,从而导致分析效果并不理想。针对此问题,本文提出了多特征轨迹数据点结合数据空间划分方法,对提取采集到的海量交通轨迹的记录点,利用α-Shapes算法进行预处理并去噪,计算轨迹特征点,对这些特征点按空间接近度进行分组,之后按照位置关系进行Voronoi划分。该方法克服了轨迹数据划分时因空间分布任意性导致的划分效果不明显的缺点,有效地提高了轨迹数据分析效果。采用山东省淄博市出租车数据对本方法进行验证,结果证明该方法较传统数据划分方法在效果上优势明显,在轨迹数据去噪方面也做出了贡献。

基于Markov模型的多传感器组合定位可靠性评估

提出一种基于多传感器组合定位方案,该方案利用卫星定位模块、陀螺仪和里程计3种传感器不同的安装方法来实现数据采集,采用单元冗余与二取二系统冗余相结合的方式。针对卫星特点分析卫星定位的内部可靠性指标,同时根据陀螺仪测量单元冗余配置原则,提出采用4个双自由度的陀螺仪冗余配置方法。最后通过建立Markov模型对方案进行可靠性评估。分析结果表明:本文设计的组合定位方案其MTBF(平均故障时间间隔)为10~5 h,满足可靠性需求,与传统的二取二定位方案相比,其可靠性提高了30%。

一种用于城市交通的优化声音识别仿真

随着机动车违法鸣笛现象日益严重,汽车鸣笛声识别可以识别违法鸣笛车辆,并对该行为给出科学有力的证据,因此对城市交通治理有着重要意义。传统方法主要包含基于GMM-HMM的概率模型算法、支持向量机等。但其准确率较低,且过程麻烦,给交管部门进行人工复核造成了很大困难。针对此问题,以城市交通汽车鸣笛声识别为背景,结合深度信念网络(DBNs)强大的非线性建模和特征提取能力,提出了一种优化的声音识别方法。该方法采用汽车鸣笛声信号的梅尔频率倒谱系数(MFCC)以及其一二阶差分作为特征参数,用于DBN网络的输入,对样本数据进行建模并提取更深层的特征,最后加入softmax分类器来实现汽车鸣笛声信号的匹配和识别。该方法获得比GMM-HMM更好的识别效果。并通过仿真实验证明了该方法的有效性。

偏远农村留守儿童教育的问题与对策

留守儿童教育问题已成为当下农村教育最待解决的大问题,也是最为困难的问题。文章以亲身体验偏远农村教育感受为基础,对甘肃省陇南市成县及周边县城农村乡镇进行调查研究,总结出当地农村教育所存在的问题并作阐述,以反映当前甘肃省乃至全国偏远农村留守儿童教育所存在的问题和原因,提出了"四解决三服务"模式,对当前偏远农村留守儿童教育给出相应的解决对策,并以个别学校为例进行推广实验。