基于多特征融合和信息熵优化的前车检测

针对高速公路前车检测中单一特征易受光照、天气等环境因素影响的问题,提出一种基于多特征融合和信息熵优化的检测算法。首先,利用自适应大津算法对路面进行阈值分割,生成若干车辆假设区域;其次在方向梯度直方图(histogram of gradient,HOG)特征的基础上,引入几何特征、纹理特征和幅值特征构造特征向量,并根据信息熵对特征向量进行优化;最后,训练支持向量机(support vector machine,SVM)验证假设区域。实验结果表明,该算法提高了前车检测的准确率,扩大了前车检测的适用范围。

基于信息熵TOPSIS的公交线网优化方案排序

在给出公交线网的优化原则、约束条件和目标函数的基础上,运用多目标决策方法(如:TOPSIS方法),对公交线网优化方案进行了排序.在该方法中,首先,构造评价指标的特征矩阵,运用信息熵理论将指标的熵数据处理后作为指标的客观权重,克服了以往公交线网优化中对目标函数取权重时的主观性;其次,通过将客观权重与欧几里得距离进行加权来计算距离尺度,使得优化方案与最优方案的距离计算更加准确;最后,以优化方案与最优方案的接近程度为依据,对优化方案进行排序.应用实例表明:该模型能够较好地解决优化目标的权重分配问题,对公交线网的优化调整有效且实用,优化过程简单,优化结果合理且符合实际情况.

基于信息熵策略优化的自适应蚁群算法

由于蚂蚁寻优路径上函数解信息量的差异容易导致蚂蚁在高信息函数解位置聚拢影响计算效果,因此提出基于信息熵策略优化的自适应蚁群算法。计算出蚂蚁行进路径上可能会误导蚂蚁出现局部聚集的函数解,结合其被选择的概率,对该影响蚂蚁路径选择函数解对应的信息权重进行差异化赋权,确保蚂蚁在经过任意路径上的任意一个函数解位置时,重新对下一位置的函数解重新进行评估,避免受到局部最优解的干扰,结合函数解之间的信息素相似贡献率,将最短路径作为蚂蚁寻优的标准。测试结果表明,设计算法能够得到全局最优解,且具有较良好的收敛性。