简介：2.3验证性因素分析与驾驶愤怒量表的内部一致性利用EQS6.1Windows和独立的验证性因素分析法研究愤怒驾驶倾向量表和驾驶愤怒量表。

简介：为了进一步提高汽车控制系统的动态性能和鲁棒稳定性，从理论上分析并揭示了状态反馈控制中特征向量矩阵的条件数对线性连续定常系统的响应及反馈矩阵Frobenius范数的重要影响。进一步提出以减小特征向量矩阵的条件数为目的来设计状态反馈矩阵。仿真试验结果表明，在相同条件下，特征向量矩阵条件数较小的反馈系统，其暂态过程比较平稳，抗参数摄动的鲁棒性也比较强。这种思想可以应用于具有线性连续定常特性的汽车控制系统中。

简介：本研究从新西兰驾驶人数据库中提取样本，对驾驶愤怒量表和愤怒驾驶倾向量表的因素结构以及这两种量表与一般的特质愤怒、冒险驾驶行为、发生交通事故的情况、交通事故相关情况之间的关系进行调查。愤怒驾驶倾向量表和驾驶愤怒量表与特质愤怒量表、冒险驾驶行为以及有惊无险事件存在显著相关关系。在排除人口统计学变量和特质愤怒的影响之后，愤怒驾驶倾向和驾驶愤怒的增加，对预测交通违法行为贡献显著，但仅愤怒驾驶倾向量表的贡献显著；在排除了人口统计学变量和特质愤怒因素之后，愤怒驾驶倾向和驾驶愤怒的增加还与有惊无险事件的预测存在显著相关，但这一方面只有驾驶愤怒量表有显著贡献。研究显示，这两个量表都是稳健的测量工具，可以测量驾驶人类似而又略有不同的怒气情况。

简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.

简介：针对复杂不确定系统的控制问题，提出了一种基于在线支持向量回归的预测控制方法。该方法应用支持向量回归在线估计预测控制的预测模型，并实时更新。分析了预测时域和控制时域的选择对控制精度的影响，给出了控制参数设计原则。对电液力伺服加载系统的仿真试验表明，该方法有很好的控制性能。