版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、交通出行在日益繁忙的工作生活中愈發(fā)顯得重要，如何解決道路擁擠，減少交通事故發(fā)生率，已經(jīng)成為世界各國(guó)亟待解決的復(fù)雜難題。短時(shí)交通流的預(yù)測(cè)作為應(yīng)對(duì)上述問(wèn)題的方案，因?yàn)槠渚哂袑?shí)時(shí)準(zhǔn)確等特點(diǎn)，已經(jīng)被當(dāng)作智能交通系統(tǒng)（Intelligent Transport Systems，ITS）的主要組成部分。
本文首先介紹了K-均值聚類(lèi)算法的基本理論，它的特點(diǎn)是簡(jiǎn)單快速，同時(shí)應(yīng)用廣泛。在處理密集樣本的時(shí)候，同時(shí)樣本中的類(lèi)彼此線性可分，那么運(yùn)用K
2、-均值聚類(lèi)算法所得到的聚類(lèi)效果就會(huì)很出色。在RBF神經(jīng)網(wǎng)絡(luò)的支持下，對(duì)短時(shí)交通流進(jìn)行預(yù)測(cè)，得到了比較理想的數(shù)據(jù)。
支持向量機(jī)（Support Vector Machine，SVM）作為機(jī)器學(xué)習(xí)方法中的佼佼者，它能夠出色的解決許多算法中的實(shí)際問(wèn)題，比如K-均值聚類(lèi)算法很容易陷入局部極小值。通過(guò)引入支持向量機(jī)，我們能夠在短時(shí)交通流的預(yù)測(cè)上，得到更加精確的結(jié)果。實(shí)驗(yàn)結(jié)果說(shuō)明，利用基于支持向量機(jī)的K-均值聚類(lèi)算法，RBF神經(jīng)網(wǎng)絡(luò)能夠有
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SOM神經(jīng)網(wǎng)絡(luò)和K-均值聚類(lèi)的分類(lèi)器設(shè)計(jì).pdf
- 基于混沌和神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究.pdf
- 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè)研究.pdf
- 基于混沌和PSO神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè).pdf
- 基于混沌和模糊神經(jīng)網(wǎng)絡(luò)的城市短時(shí)交通流量預(yù)測(cè).pdf
- 基于SARIMA和SVM模型的短時(shí)交通流預(yù)測(cè).pdf
- 基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究.pdf
- 基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)方法的研究與應(yīng)用.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測(cè)算法研究.pdf
- 基于SVM的交通流短時(shí)預(yù)測(cè)方法研究.pdf
- 面向短時(shí)交通流量預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于卡爾曼濾波和小波神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)模型的短時(shí)交通流預(yù)測(cè)及應(yīng)用研究.pdf
- 基于Elman神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)及應(yīng)用研究.pdf
- 基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測(cè).pdf
- K-中心點(diǎn)和K-均值聚類(lèi)算法研究.pdf
- 基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論