非计算机类工科专业C语言课程改革设计探究

随着经济社会的快速发展,计算机技术对工程领域建设的作用越来越重要。程序设计语言与工程领域的密切结合,不仅为工程领域的发展带来了许多机遇,同时还扩大了建设规模,各工科领域也开始越来越重视计算机程序设计语言。C语言作为一门强大的程序设计语言,在很多非计算机类的工科专业中已经开始逐渐应用。以土木工程专业为例,提出了一种基于C语言在土木工程领域实际应用的课程设计,通过分析目前C语言课程存在的问题,研究土木工程专业C语言课程改革的必要性,制定了课程设计,提出了课程改革的具体措施。

基于时间序列关系的GBRT交通事故预测模型

道路交通事故是道路交通安全水平的具体表现。在当前交通事故预测工作中,存在对数据中时间序列关系的挖掘不充分、预测的周期宏观、交通事故相关的影响因素考虑不全等问题。该文提出一种基于时间序列关系的梯度提升回归树(GBRT)交通事故模型。该模型对英国Leicester的2005-2015年每天的交通事故数、死亡人数、涉事的车辆数进行预测。实验结果显示,引入时间序列关系有助于提升模型预测精度。预测结果为交通管理部门的决策起到参考作用,建模方式为同类型预测问题的建模工作带来了积极的参考意义。

基于GBRT模型的交通事故预测

道路交通安全水平的重要标志就是道路交通事故发生量.为解决当前交通事故量预测精度不高、时间拐点数据预测效果差的问题,以及在交通管理系统中提供更加准确的预测数据帮助交通管理部门做出科学的决策,本文针对我国年周期交通事故建立了基于GBRT(Gradient Boosted Regression Tree)的交通事故模型.通过训练交通事故相关数据对未来交通事故死亡人数进行预测,并与多种回归模型、神经网络模型进行对比实验,结果显示GBRT模型具有拟合效果佳、训练时间短、高鲁棒性的优势,能够更准确、高效的对交通事故安全水平进行预测.

基于One Class-SVM+Autoencoder模型的车辆碰撞检测

为尽量避免车辆碰撞事故的发生,探索了机器学习和深度学习结合的方法,利用影响车辆碰撞的多个特征变量对车辆碰撞进行检测.首先使用皮尔逊相关性分析方法分析各个特征之间的关联度,接着使用One Class-SVM模型对数据集做"异常点"抛除操作.利用SMOTE(Synthetic Minority Over-sampling Technique)算法增加了少数类别的样本数量,最后采用自动编码器模型将影响车辆碰撞的因素(例如天气情况、光照情况等)作为模型的输入,通过解码器重构原始输入,获得输入与输出的最小重构误差计算阈值判断车辆碰撞情况.实验表明,数据经过One Class-SVM模型处理,再使用Autoencoder模型检测获得了比较好的测试结果.

基于重点突发词的突发事件检测方法

由于突发事件具有突发性、聚众性、破坏性,针对微博中发布的突发事件,避免由突发事带来一系列社会问题,提出一种结合用户影响力和突发词的突发事件检测方法。为提取大量重点突发词,使用词影响力和词状态两个指标计算词突发值,将大于一定阈值的词作为突发词;采用凝聚层次聚类方法,对突发词集的共现矩阵进行聚类得到热点话题。之后将结果放入训练好的分类器对热点话题进行分类,最终得到突发事件及其类型。使用真实的微博数据对其进行实验,对比使用分类器前后的实验结果,该方法可以有效过滤一般热点话题,提高突发事件检测的准确率。

基于BP神经网络的车辆换道时间预测

为了减少交通事故,以车联网环境下智能车辆的换道时间为研究对象,提出一种新的提高换道安全性的方法,在换道前对车辆的换道时间进行预测,根据预测的换道时间判断能否安全换道。使用博洛尼亚数据集做测试,通过BP神经网络的学习方式对训练数据集进行学习,最终得到基于车辆在换道前一时刻沿当前车道的行驶速度(竖直速度),换道前一时刻车辆沿目标车道运行的速度(水平速度)和车辆换道时间的BP神经网络模型,最后使用验证集对建立的模型进行验证。验证结果表明,基于BP神经网络的车辆换道时间预测的准确率良好。在实际生活场景中,只需在车辆上安装车速传感器就可以将建立的模型应用到实际中,因此该模型具有较高的现实意义。