一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种构建自主式交通系统功能架构的方法

2022-06-05 11:27:14 来源:中国专利 TAG:

技术特征:
1.一种构建自主式交通系统功能架构的方法,其特征在于,包括以下步骤:步骤1:针对多属性文本聚类问题,构建面向多属性文本的优化密度峰值聚类模型;步骤2:依据多属性文本的特征计算词语属性频率和属性的逆向文档频率,根据所述词语属性频率与属性的逆向文档频率,将多属性文本转化成数值;步骤3:依据不同属性文本的数值权重采用文本向量空间模型将数值转化成空间维度坐标;步骤4:优化密度峰值的计算方式:采用高斯核方法优化数据点局部密度计算方式;采用决策值优化聚类中心选取,选择决策值较大的样本作为密度峰值聚类中心,获得聚类结果;步骤5:根据步骤4的聚类结果,采用轮廓系数法对聚类结果作出评价,对轮廓系数较低的数据点重复步骤4;步骤6:验证算法的可行性,在自主式交通系统的道路自动驾驶场景下,三个服务域下的功能依据最终聚类结果分成“自主感知、自主学习、自主决策、自主响应”4层,依据层与层之间的关系,绘制功能架构图。2.根据权利要求1所述的构建自主式交通系统功能架构的方法,其特征在于,步骤2的具体步骤如下:(1)计算词语属性频率:其中,s表示某文本的属性,为该属性s在文档中出现的次数,w
n
(n=1,2,...,n,n为文档总数)表示由文本属性组成的属性库;(2)根据文本属性转换的需要,假定词语在属性库中必定出现,采用平滑的逆文档频率计算属性的逆向文档频率:(3)多属性文本tf-idf算法计算公式为tf
·
idf(s,w
n
,w)=tf(s,w
n
)
·
idf(s,w),当tf-idf值越大时表明该词语更能代表该文档,即在tf-idf值越大表明该属性越能够代表该文本。3.根据权利要求1所述的构建自主式交通系统功能架构的方法,其特征在于,基于文本向量空间模型得到文本空间维度坐标,所述文本向量空间模型将给定的文本转换成一定维数的向量,其以特征项作为文本表示的基本单位,向量的各维对应文本中的一个特征项,而每一维本身则表示了其对应的特征项在该文本中的权值,权值代表了特征项对于所在文本的重要程度,即该特征项能够多大程度上反映它所在文档的类别。4.根据权利要求1所述的构建自主式交通系统功能架构的方法,其特征在于,通过对密度峰值聚类算法进行优化,找到符合条件的聚类中心,将剩余待聚类点进行聚类,提高聚类性能,具体步骤如下:将局部密度截断核计算方式优化为高斯核计算方式,以显著提高密度计算的精细度;所述高斯核计算方式计算欧式距离和高斯函数值,将所有点值的和作为密度,所述高斯函数值定义样本局部密度计算公式为:
其中,d
ij
为样本x
i
和x
j
之间的距离,d
c
为截断距离,n为样本数;计算局部密度距离:计算每个点到高于自身局部密度值点的最小距离ξ
i
,ξ
i
的计算公式如下:对于密度最大的样本,ξ
i
定义为ξ
i
=max
j
(d
ij
),其中p
i
为样本x
i
的局部密度,p
j
为样本x
j
的局部密度;对聚类中心点的选取采用决策值的方法进行优化:选择决策值γ
i
较大的样本作为密度峰值聚类中心,即局部密度与局部密度距离乘积较大的点,γ
i
的计算公式如下:γ
i
=ρ
i
·
ξ
i
。5.根据权利要求1所述的构建自主式交通系统功能架构的方法,其特征在于,通过轮廓系数检验聚类性能,对于轮廓系数较低的数据点进行重复聚类,具体算法流程如下:计算样本i到同簇其他样本的平均距离a
i
,a
i
称为样本i的簇内不相似度;a
i
越小,说明样本i越应该被聚类到该簇,簇c中所有样本的a
i
均值称为簇c的簇不相似度;计算样本i到其他某簇c
j
的所有样本的平均距离b
i,j
,称为样本i与簇c
j
的不相似度,定义样本i的簇间不相似度:b
i
={b
i1
,b
i2
,...,b
ik
},b
i
越大,说明样本i越不属于其他簇;根据样本i的簇内不相似度a
i
和簇间不相似度b
i
,定义样本i的轮廓系数:,定义样本i的轮廓系数:判断:s
i
接近1,则说明样本i聚类合理、有效;s
i
接近-1,则说明样本i更应该分类到另外的簇;若s
i
近似为0,则说明样本i在两个簇的边界上。6.根据权利要求1所述的构建自主式交通系统功能架构的方法,其特征在于,针对自主式交通系统功能架构的构建,将场景下的服务域中的功能进行聚类分析,依据聚类结果搭建功能架构,绘制功能架构图。7.根据权利要求6所述的构建自主式交通系统功能架构的方法,其特征在于,自主式交通系统的功能具有提供者、过程对象、服务对象三个属性,并建立属性库。

技术总结
本发明公开了一种构建自主式交通系统功能架构的方法。包括:构建面向多属性文本的优化密度峰值聚类模型;改进词频、逆向文档频率计算公式;应用文本向量空间模型计算多属性文本的空间维度坐标;高斯函数和决策值优化密度峰值聚类算法;轮廓系数评价聚类结果;依据聚类结果将自主式交通系统道路自动驾驶场景下的功能分为“自主感知、自主学习、自主决策、自主响应”4层,绘制功能架构图,支撑服务实现。本发明为自主式交通系统功能架构的构建提供参考,促进新一代交通系统功能架构的构建,推动自主式交通系统理论体系的发展。自主式交通系统理论体系的发展。自主式交通系统理论体系的发展。


技术研发人员:李传耀 陈依婷 黎昉
受保护的技术使用者:中南大学
技术研发日:2022.03.11
技术公布日:2022/6/4
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献