W-shape作为站点客流序列聚类方法的设计与实现

公交站点客流在一天中的分布可看做一种时间序列,但不同于一般的时间序列,公交客流序列往往有着较为明显的早、晚高峰。对站点客流序列进行有效的识别与分类能够对公交排班及客流预测起到支持作用。本文提出了W-Shape,一种新的客流聚类方式。可迭代可扩展且能够有效根据客流分布划分类别。针对公交客流时间序列的一般性质,本文设计了加入正则项的相关性衡量方式weightSBD,这是一种有效地衡量时间序列间距离的方式,并与其他时间序列聚类方式进行对比。比较结果表明,W-shape是一种有效的聚类模型,可用于公交客流序列的识别与聚类中。

基于压缩传感和加权主色的镜头边界检测算法

针对现有算法存在计算量大、对摄像机和物体运动敏感等缺点,提出一种基于压缩传感(CS)和加权主色(WMC)的镜头边界检测(SBD)算法(CSWMC)。首先通过直方图特征得到粗略的镜头边界集合;然后利用CS将该集合中的帧及其前后帧的高维特征投影到低维空间,采用调节余弦相似度得到基于夹角的第一判定指标;继而定义一种新的图像主色权值和基于该权值的类Bhattacharyya相似度,得到基于颜色相似度的第二判定指标;以两种判定指标的乘积作为最终判定指标,并设计一种朴素但有效的策略进行SBD。实验结果表明,与常用方法相比,所提算法具有更高的查全率和精确率,能够更加有效进行SBD。