-
题名基于卷积神经网络的非法营运车辆识别
被引量:6
- 1
-
-
作者
王娜
段鹏飞
武林林
-
机构
武汉理工大学计算机科学与技术学院
交通物联网湖北省重点实验室(武汉理工大学)
-
出处
《计算机应用》
CSCD
北大核心
2016年第A02期193-196,共4页
-
基金
湖北省重点基金资助项目(2015CFA059)
湖北省科技支撑计划项目(2014BAA146)
+1 种基金
交通物联网技术湖北省重点实验室项目(2015III 015-B03)
塞尔网络下一代互联网技术创新项目(NGII20151006)
-
文摘
针对非法营运车辆在实际执法中遇到的识别和查处难,并且仅凭法律手段无法得到很好的解决的问题,提出了一种基于卷积神经网络的非法营运车辆识别方法。首先,分析非法营运车辆的特点,制定车辆轨迹生成规则,并通过仿真实验,随机生成包含6 000辆车的轨迹数据集,非法营运车辆和正常车辆各占一半;其次,通过实验验证,确定了适用于该研究的卷积神经网络结构;最后,将车辆轨迹数据处理成大小为112×112的二维轨迹特征图,作为卷积神经网络的输入,对非法营运车辆进行识别研究。仿真实验表明,重复训练12次后,该方法对非法营运车辆的识别正确率能达到90.75%,并且平均耗时的增幅较小。该方法将卷积神经网络运用到了新的领域,也为实际非法营运车辆的识别研究提供了新思路。
-
关键词
非法营运车辆
卷积神经网络
轨迹特征图
仿真实验
-
Keywords
illegal operation vehicle
convolutional neural network
trajectory feature map
simulation experiment
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名非侵入式电力负荷的辨识和监测
被引量:10
- 2
-
-
作者
朱德省
尹建丰
周琨荔
-
机构
江苏林洋电子股份有限公司
清华大学电机系
-
出处
《电测与仪表》
北大核心
2015年第S1期133-138,共6页
-
文摘
本文提出了一种基于Mallat小波变换的电力负荷瞬态和动态轨迹综合辨识方法。其核心原理在于不同种电力负荷的动态和静态频域特征不尽相同;通过对负荷的电流和电压进行实时采样,并对其有功和无功功率进行实时计算,然后通过Mallat小波变换,将电压与电流、有功与无功功率的分层频谱轨迹特征图实时计算出。通过预先对每种负载的预学习和辨识,在实际使用中便可准确地对各类负载的使用及运行状态做出识别。当系统辨识的负载与预存的数据出现严重差异,可以推测出所接入的设备出现异常,或者有新的负载被接入;系统便可以启动相应的报警和应急处理机制,从而达到对电力负载的实时监控和管理的目的。
-
关键词
非侵入式负荷辨识
轨迹特征图
小波变换
负荷监控
-
Keywords
non-intrusive load identification
trajectory pattern
wavelet transform
load control
-
分类号
TM714
[电气工程—电力系统及自动化]
-