简介:目前国内城市道路交通运行指数的计算数据普遍依赖单一的浮动车车速数据,为了进一步探讨多源交通传感器条件下如何有效提高用于指数计算数据的准确性和可靠性,本文以深圳市某快速路的地磁检测器和浮动车两种交通传感器作为实验对象,在基于云模型云相似度数据修复预处理基础上,提出一种基于最小二乘回归支持向量机(LSSVM)的地磁检测器和浮动车的多源数据融合方法.通过采集该路段的地磁车辆检测器、自动车牌识别系统和浮动车数据,以自动车牌识别系统的采集数据作为交通运行状态的真值,对地磁检测器数据和浮动车数据的融合结果进行校核.实验结果表明,与地磁检测器和浮动车的单源数据得到的特征参数相比,LSSVM多源数据融合方法得到的交通运行特征参数更接近真实值.另外,本文还将该方法与传统的多传感器加权数据融合方法、BP神经网络融合方法进行了对比,结果表明LSSVM多源数据融合方法具有更好的数据融合精度和可靠性.
简介:随着我国高等教育事业的飞速发展,接受高等教育的对象有了大幅度的增加,高校教师的数量也随之增加,如何有效地管理教学工作,提高教学质量,是目前高校面临的挑战。青海民族大学为争创高原一流大学,于去年初提出了'加强内涵建设,提高教学质量'的行动计划,在此背景下,针对目前青海民族大学课堂教学质量评估系统存在的问题提出了改进措施,更加顺畅地建立了教学督导、同行、学生与教师的交流渠道,及时、便捷地反馈教学中的问题,以提高课堂教学为目的,将数据挖掘技术引入教学评估系统中,把数据挖掘工具(SPSS)集成到管理系统中,形成了信息管理与数据挖掘为一体的新的课堂教学质量评估系统,为教学管理部门提供决策依据。