摘要:

面对大量的交通参数数据,如何快速建立高效的分类预测模型以尽快地对拥堵状态进行判别是一个重要的问题.本文利用检测器提供的车速、流量和占有率等相关参数信息,提出了基于学习向量量化(LVQ)神经网络的交通拥堵预测模型.通过使用Matlab7.3数学软件的神经网络工具箱对该神经网络不断地训练,最终可以对道路正常状态和拥堵状态进行分类,通过交通流参数数据的输入预测出路段交通拥堵状况.最后,给出算例进行网络训练和测试,训练结果表明,运用该算法进行交通拥堵预测取得了良好的效果,具有一定的现实意义.

摘要:

针对非平稳、非线性、微弱信号难以分析和处理的特点,本文提出了一种基于经验模式分解和学习向量量化神经网络的信号处理和分类方法,并在生物信号处理领域(左、右手运动想象的脑电信号)进行了研究和应用.首先通过经验模式分解算法对脑电信号分解,然后选取主要固有模态函数分量并计算其绝对均值作为特征值,最后使用学习向量量化网络进行分类,并分别与支持向量机和误差反向传播神经网络分类算法进行了对比研究.实验结果表明,所提出的算法分类正确率达到了87％,相比于其余两种对比算法在特定的信号处理领域优越,具有一定的参考和研究价值.

摘要:

生态风险评价指标在时间尺度上的表征效果是不一致的,因而有必要基于生态风险评价指标的时间尺度特征分析,探索生态风险动态评价方法.本文以辽宁省5个典型煤矿城市为研究对象,采用学习向量量化神经网络(learning vector quantization,LVQ)定量分析生态风险评价指标的重要性,进而明晰其时间尺度特征,并提出煤矿城市风险“长期-短期”时间二维动态表征方法.结果表明:单位产值工业SO2去除量、单位产值工业粉尘去除量、城市园林绿地面积覆盖率、降水量、子系统协调度、矿业从业人数百分比、污染治理项目本年度完成投资等为长时间尺度指标,其余指标偏向反映生态风险的短期特征;长、短时间尺度指标相结合,能够反映煤矿城市两个时间维度上的生态风险动态水平.其中,阜新市现状风险值最大,抚顺市短期风险上升幅度最高,朝阳市长期风险上升幅度最高.基于LVQ的评价指标时间尺度特征分析,对于煤矿城市生态风险的动态防范与综合管理具有重要指示意义.

摘要:

随着实际电网中非线性负荷以及冲击性负荷的不断增加,电能质量问题日趋严重.实现电能质量扰动信号的准确、快速检测对于查找电能质量问题根源、改善电能质量、确保电网安全、保障经济稳定具有重大意义.为此,提出一种基于双分辨率S变换和学习向量量化(LVQ)神经网络的电能质量扰动信号检测方法.算法先采用双分辨率S变换实现扰动信号特征向量的准确、快速提取.在获得扰动信号的特征向量后对各特征向量进行归一化处理并利用经过训练的LVQ神经网络对扰动信号进行分类识别.仿真和实际测试结果表明,该文提出的基于双分辨率S变换和LVQ神经网络的电能质量扰动检测算法具有训练速度快、分类准确率高、适合嵌入式实现等优点.