导读:本文包含了状态判别论文开题报告文献综述及选题提纲参考文献，主要关键词:多传感器,支持向量机,分类,二进制编码
状态判别论文文献综述
李思楠,赵海[1]（2019）在《基于多传感器的人体生理状态判别可视化技术》一文中研究指出基于多传感器的人体生理状态判别可视化技术适用于当前的可穿戴体域网设备。该技术利用了3种可穿戴式人体生理信号传感器。从脉搏传感器中采集脉搏波信号,预处理后提取特征向量,采用支持向量机的方法,将人体生理状态分类为"普通状态"和"事件状态",对16名实验者都取得了90%以上的分类准确率。利用呼吸波传感器和体温传感器作为辅助判别方式,将这叁种信号的分类结果采用二进制编码的方式进行数据融合,得出一种对人体生理状态的综合评价可视化结果。(本文来源于《传感器与微系统》期刊2019年12期）
宋占国,陈红,黄卫[2]（2019）在《结合灰聚簇与Fisher变换的城市快速路交通状态判别》一文中研究指出为提高少数据下的城市快速路交通流状态类型判别精度,提出一种结合灰聚簇与Fisher变换(GC-Fisher)的组合方法.选择交通量Q、速度v、占有率O作为基础参数,首先经灰聚簇理论将基础参数数据聚簇为4类,其次对分类后的数据构建训练集,训练GC-Fisher模型,获取每一种交通流状态类型的Fisher变换方式及判别函数,最后选择结合K均值与多分类支持向量机(K-SVM)的组合方法进行比较.结果表明:在数据量较少条件下对交通流状态类型进行判别,GC-Fisher模型判别率为92%,优于K-SVM模型的判别率69%,GC-Fisher组合方法在少数据下能够更好地提高交通流状态类型的判别效果.(本文来源于《哈尔滨工业大学学报》期刊2019年09期）
唐景嵩[3]（2019）在《基于RFID技术的城市道路交通状态判别研究》一文中研究指出射频识别(RFID)技术作为交通领域较新的数据采集技术,利用RFID技术采集交通参数是车路协同新领域探索的技术支撑。本文基于实现实时道路交通状态判别这一目的,采用RFID系统采集城市道路车辆数据,通过构建交通参数计算方法,将车辆数据转化为交通流量、流速、密度等道路交通参数,参照速度阀值判断道路实时交通状态,通过结合路段交通量的转移分布和历史平均行程时间分析,建立了适用于RFID技术的交通状态模型,预测未来短时间内路段以及区域交通状态的变化情况。(本文来源于《电子设计工程》期刊2019年17期）
周占青,郝建华[4]（2019）在《硝普钠在重症手足口病休克患儿血管状态判别及治疗中的应用》一文中研究指出目的研究重症手足口病休克的发病机制,探讨更为有效的治疗方法。方法分析2009年3月至2016年6月于我院住院的10例危重症手足口病患儿的临床资料。患儿有创血压监测下血压偏低,对其进行硝普钠试验,试验阳性者使用米力农氯化钠注射液0.75μg/(kg·min)和硝普钠1～4μg/(kg·min)进行治疗,在此过程中,根据患儿血压调整硝普钠和米力农用量,必要时联用去甲肾上腺素,以尽可能维持患儿收缩压在60 mmHg以上。观察治疗前、后患儿血压及心功能的变化情况。结果 10例患儿硝普钠试验均阳性,其中1例肺出血患儿经积极抢救无效死亡。在联合使用米力农和硝普钠后,9例患儿治疗后1、2、4、6 h的收缩压及舒张压明显高于治疗前(P<0.05),治疗后8、10 h的收缩压及舒张压略高于治疗前(P>0.05)。患儿心功能监测时间为治疗后3.5 h。治疗后,患儿的LVEF、CO及SV明显高于治疗前(P<0.05)。结论应用硝普钠判别和治疗重症手足口病休克患儿的效果显着,可使患儿平稳地度过休克期,为抢救危重症手足口病患儿的生命创造更多的机会,明显降低患儿的死亡率。(本文来源于《临床医学研究与实践》期刊2019年22期）
林璐,陈健,曲大义,黑凯先,韩乐潍[5]（2019）在《基于K均值聚类算法的交通状态判别方法研究》一文中研究指出在交通供需矛盾持续深化的情况下,研究交通常发性拥挤是现代交通管理的重点课题.通过分析国内外交通状态判别方法与交通流特性研究,运用K均值聚类算法,提出在离线状态下有效判别交通状态的定量方法.以青岛市环湾快速路交通流数据对该方法的实效性进行验证分析,结果表明判别方法能够快速处理大量交通流数据,判别交通流运行状态,识别率较高,方便,高效,研究成果可以为协同优化交通控制系统和交通流诱导系统提供方法依据.(本文来源于《青岛理工大学学报》期刊2019年04期）
杨斌[6]（2019）在《城市道路交通拥堵状态可靠性预测及判别方法研究》一文中研究指出随着城市机动车保有量的不断增加,市区道路交通拥堵带来的社会和经济问题越来越严重。为了有效地缓解交通拥堵,找到科学、高效的交通管理方法和策略,需要对道路交通拥堵状态进行预测,并明确实际的交通拥堵状态等级。本文分析了扬州市交通拥堵特性,建立拥堵均值预测模型和可靠性预测模型,并构建符合扬州市区实际情况的拥堵等级判别方法,最后基于拥堵预测模型和判别方法,对扬州城市道路交通拥堵典型路段进行实证分析。本文主要采用单整自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)建立拥堵均值预测模型;基于广义自回归条件异方差模型(Generalized Autoregressive Conditional Heteroskdasticity,简称 GARCH)建立拥堵可靠性预测模型:基于梯形隶属度函数的模糊综合评价方法,对交通拥堵状态等级进行判别。主要研究内容如下:1、对扬州市区社会、经济和道路的现状进行调研,并通过交通流数据挖掘分析找出扬州市道路交通常发性拥堵和偶发性拥堵的成因,总结提炼扬州市交通拥堵特征。2、构建基于时间序列的城市道路拥堵延时指数短时预测及可靠性预测性分析模型,并对预测结果进行性能评估。3、建立扬州市交通拥堵状态评价指标体系,应用基于梯形隶属度函数的模糊综合评价方法,基于典型路段及区域的实际数据和预测结果对交通拥堵等级进行判别。4、选取典型的扬州市交通拥堵影响因素进行实例验证,并将预测拥堵状态等级与实际情况进行对比分析,验证模型的可靠性。本文研究结果表明:1、扬州市道路交通常发性拥堵主要与道路基础设施不完善等因素有关,而偶发性拥堵可通过大数据分析找出天气、施工、节假日、交通事故、违章等影响因素。2、预测性能评估结果表明,本文构建的基于ARIMA均值预测模型精度普遍在90%以上;基于GARCH可靠性预测模型无效覆盖率基本在6%以内,置信区间宽度基本在0.5左右,具有较高的可靠性预测。3、通过交通拥堵状态预测和等级判别的实证分析,得出扬州市景区周边道路交通在不同节假日时间段呈现周期性拥堵现象;不同气候条件对道路交通拥堵状态有较为显着的影响;典型路段的交通拥堵状态预测结果与实际情况基本相符,变化趋势基本一致。(本文来源于《扬州大学》期刊2019-06-20）
姜明,史静,崔明,党岳,李文博[7]（2019）在《区域自动气象站蓄电池异常状态判别方法》一文中研究指出针对天津市一种常见的CAWS600型区域自动气象站对其供电及功耗进行了详细分析,利用对电池放电特性曲线的归一化处理,得到了针对12V38AH铅酸蓄电池的剩余容量估算方法,同时利用该站蓄电池工作电压的统计规律,提出了针对蓄电池工作电压的极值判定、时间/空间一致性质量控制方法,并对2017年逐10min观测数据进行检验。检验结果显示,文章提出的质量控制方法可以有效识别出蓄电池异常站点,针对2017年个站蓄电池持续放电情况可提前10d定位。(本文来源于《气象科技》期刊2019年03期）
张源[8]（2019）在《基于交通参数预测的城市快速路交通状态判别研究》一文中研究指出城市快速路作为城市各个区域连接的大动脉,具有快速、高效、舒适的特点。为了更好的智能化的掌握了解城市交通运行规律、交通状态变化情况、缓解城市道路交通压力和为多方提供决策支持,研究城市快速路交通运行状态的判别和预测具有重要的意义。本文针对道路交通特性,从交通参数预测和交通状态判别两方面展开研究,本文主要研究的方面为:第一,归纳总结国内外交通状态判别划分、交通参数预测以及交通状态变迁演化叁个方面的研究现状,掌握多种研究方法,并且确定本文的技术路线、章节安排和研究内容。第二,基于北京城市二环快速路的微波交通检测器数据,对交通流叁参数之间关系模型进行了回顾分析,并且根据采集得到的交通数据对交通流叁参数进行了时空特性分析,全面分析产生了这种现象的具体原因。第叁,针对本文研究的交通状态变化的的情况,采用模糊c-均值聚类算法将交通叁参数两两组合作为数据输入,得到聚类中心和交通状态判别划分信息;标定交通状态判别精度,根据精度确定最佳参数组合,通过实例验证得出流量-速度为判别交通状态的最佳参数组合。第四,为了更好地研究交通状态变化,进行参数预测,为了保证预测精度,采用免疫算法优化的最小二乘支持向量机(LSSVM)建立交通流量预测模型。通过免疫算法优化经过训练后的LSSVM中的惩罚因子和核函数参数,得到最优的预测模型。将行驶速度和占有率作为模型的输入,交通流量作为输出。第五,为了更好地展现交通状态判别情况以及交通状态演化情况,本文应用有限状态机模型作为模型。将预测后的交通参数,输入到有限状态机进行交通状态判别和演化。实验结果证明,有限状态机更为直观地展现了交通状态演化情况,也证明了有限状态机在交通状态判别演化中的可用性,能够更好地为城市道路交通管理与控制服务。(本文来源于《北京交通大学》期刊2019-06-01）
罗中凯[9]（2019）在《基于机器学习的卫星在轨运行状态判别方法研究》一文中研究指出随着我国航天事业的不断发展,卫星的发射数量越来越多。为了保障卫星正常运行,获取卫星在轨运行状态,需要对卫星进行实时监视。当前,地面监视人员主要通过监视由专家总结出的重要遥测参数的阈值,来判断卫星在轨运行状态,这种方法存在较多缺点,比如系统需要预先设置大量阈值、阈值的设定依赖于专家经验、系统可扩展性较差,当需要监视的卫星由于性能变化使参数阈值发生变化时,需要重新设定。针对这些问题,论文以量子科学实验卫星为例,开展基于机器学习的卫星在轨运行状态判别方法研究,使得能够自动判别卫星的在轨运行状态,本文的研究内容具有重要的研究意义和实用价值。本文的主要工作内容及创新点如下:1、以量子科学实验卫星为例,分析卫星遥测数据的组成与特性论文调研了卫星遥测参数分析的研究现状,分析了量子科学实验卫星遥测参数的组成与统计特性,并对量子科学实验卫星的单维遥测参数间存在的相关关系进行分析与挖掘。2、量子科学实验卫星在轨运行状态判别问题的分析与建模量子科学实验卫星在轨运行期间会产生大量遥测数据,这些遥测数据能够反映量子科学实验卫星的在轨运行状态,包括卫星完成的光学实验类型、光学实验是否成功完成以及有效载荷的工作模式等。首先,论文根据量子科学实验卫星遥测数据与星上光学实验类型的对应关系,以量子科学实验卫星遥测数据为原象,以星上光学实验类型为象建立了表示这种对应关系的数学模型,使得模型能根据卫星遥测数据判断卫星完成的光学实验类型。其次,针对量子科学实验卫星在星地量子纠缠分发实验过程中有星地单向纠缠分发和星地双向纠缠分发两种工作模式,论文建立了以遥测数据为原象,以有效载荷的两种工作模式为象的数学模型。结合机器学习理论,量子科学实验卫星光学实验类型的判别模型可以抽象为多元分类问题,载荷工作模式的判别模型可以抽象为二分类问题。论文选择不同的机器学习算法对上述模型进行训练。3、实验数据集的集成与预处理,以及基于不同机器学习算法对卫星在轨运行状态判别模型进行训练与验证针对量子科学实验卫星遥测数据的特性,设计了遥测数据预处理方法。为了获取量子科学实验卫星在轨运行期间完成的光学实验类型以及有效载荷工作模式,论文对量子科学实验卫星的短期科学实验计划文件进行解析并提取相关内容。将卫星的遥测数据与光学实验类型、有效载荷工作模式数据,根据时间对应关系进行数据集成,得到用于模型训练的数据集。论文对现有的机器学习算法进行调研,选取适合论文所建数学模型的机器学习算法,在量子科学实验卫星的历史遥测数据集上对所建模型进行训练与验证,并对实验结果进行分析。实验结果表明,论文提出的方法在没有专家先验知识的前提下,判别准确率达到99%以上,实验结果具有较强的可信度。此外,将机器学习技术应用于卫星的地面监视工作,可以提高地面监视人员的工作效率。本文的提出的方法具有较强的可扩展性,可以方便的用于其他卫星的监视工作中。(本文来源于《中国科学院大学(中国科学院国家空间科学中心)》期刊2019-06-01）
张帆[10]（2019）在《基于SAGA-FCM的城市道路交通状态判别方法研究》一文中研究指出城市道路交通流量的持续增长导致交通运行状况逐步恶化,继而出现了越来越频繁的交通拥堵现象。如何准确、实时地识别交通状况已成为一项重要的研究课题。交通管理人员借助实时、有效的交通状态判别技术能够充分掌握城市道路的运行状况,通过相关平台将当前交通状况及时地发布出来,就能够在很大程度上避免交通拥堵现象,从而实现对交通的实时诱导,并提高整个道路交通网络的效率。本文首先研究了常用的交通流参数特点,选取平均交通量、时间平均速度和时间占有率作为判别城市道路交通状态的参数;通过对不同时间间隔下城市道路流量随时间变化图像的对比,选择了5分钟时间间隔来区分交通状态。接着,本文介绍了模糊C均值聚类算法(FCM)原理,并提出了用聚类有效性函数来确定模糊C均值聚类算法中最优分类数目的取值;接着针对FCM算法在选择初始聚类中心时具有随机性,导致结果很容易陷入局部最优解、使得算法稳定性较差这一问题,本文对传统的模糊C-均值聚类算法(FCM)进行优化,提出了基于遗传模拟退火算法(SAGA)改进FCM聚类算法的城市道路交通状态分类算法。通过实例验证,结果表明本文提出的SAGA-FCM算法不仅能够有效地克服FCM算法在初始聚类中心选择过程中存在的问题,并且与FCM算法相比具有收敛速度更快,稳定性更好的优点。最后,本文介绍了什么是人工神经网络,并介绍了BP神经网络、径向基函数神经网络的原理。接着介绍了同样采用径向基函数作为模式分类的GRNN和PNN神经网络。然后本文对SAGA-FCM算法聚类后的各类交通状态数据集的特征进行提取,运用GRNN和PNN算法分别对各类交通状态数据集进行学提取,建立了基于GRNN、PNN的城市道路交通状态判别模型。实例验证结果表明,在本文提出的基于SAGA-FCM和GRNN、PNN的交通状态判别方法中,GRNN和PNN算法10次运行后的平均正确率都在95%以上,并且平均运行时间都少于1秒钟。由此证明了将GRNN和PNN算法作为交通状态判别模型是可行并且合理的。(本文来源于《吉林大学》期刊2019-06-01）
状态判别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高少数据下的城市快速路交通流状态类型判别精度,提出一种结合灰聚簇与Fisher变换(GC-Fisher)的组合方法.选择交通量Q、速度v、占有率O作为基础参数,首先经灰聚簇理论将基础参数数据聚簇为4类,其次对分类后的数据构建训练集,训练GC-Fisher模型,获取每一种交通流状态类型的Fisher变换方式及判别函数,最后选择结合K均值与多分类支持向量机(K-SVM)的组合方法进行比较.结果表明:在数据量较少条件下对交通流状态类型进行判别,GC-Fisher模型判别率为92%,优于K-SVM模型的判别率69%,GC-Fisher组合方法在少数据下能够更好地提高交通流状态类型的判别效果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
状态判别论文参考文献
[1].李思楠,赵海.基于多传感器的人体生理状态判别可视化技术[J].传感器与微系统.2019
[2].宋占国,陈红,黄卫.结合灰聚簇与Fisher变换的城市快速路交通状态判别[J].哈尔滨工业大学学报.2019
[3].唐景嵩.基于RFID技术的城市道路交通状态判别研究[J].电子设计工程.2019
[4].周占青,郝建华.硝普钠在重症手足口病休克患儿血管状态判别及治疗中的应用[J].临床医学研究与实践.2019
[5].林璐,陈健,曲大义,黑凯先,韩乐潍.基于K均值聚类算法的交通状态判别方法研究[J].青岛理工大学学报.2019
[6].杨斌.城市道路交通拥堵状态可靠性预测及判别方法研究[D].扬州大学.2019
[7].姜明,史静,崔明,党岳,李文博.区域自动气象站蓄电池异常状态判别方法[J].气象科技.2019
[8].张源.基于交通参数预测的城市快速路交通状态判别研究[D].北京交通大学.2019
[9].罗中凯.基于机器学习的卫星在轨运行状态判别方法研究[D].中国科学院大学(中国科学院国家空间科学中心).2019
[10].张帆.基于SAGA-FCM的城市道路交通状态判别方法研究[D].吉林大学.2019