基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
AOSVR(Accurate Online Support Vector Regression)具有在线学习和模型在线更新的优点,可应用于交通流量的实时预测,其中算法的核函数的选择对模型的学习、推广和泛化能力起着重要的作用,但是至今有关核函数的选择缺乏科学的理论依据.为了进一步提高模型的学习和推广能力等,提出一种WT-AOSVR(Weight Table And Accurate Online Support Vector Regression)模型.对交通流进行数据挖掘,分类处理,构造支路AOSVR模型和权值表,在交通流预测时,通过搜索权值表就可以得到多条支路模型的一种加权组合模型.仿真实验表明该方法既提高了模型学习精度又保证了模型的泛化和推广能力,具有一定的应用价值.
推荐文章
基于深度学习的短时交通流预测
交通流预测
深度学习
短时交通流
支持向量回归
短时交通流预测方法研究
相关分析
支持向量机
交通流预测
智能交通
利用模糊时间序列进行短时交通流预测
短时交通流预测
模糊时间序列
时变模糊时间序列
时不变模糊时间序列
基于模糊神经网络的短时交通流预测方法研究
模糊神经网络
短时交通流
预测方法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 短时交通流预测WT-AOSVR模型
来源期刊 计算机应用与软件 学科 交通运输
关键词 交通流 预测 权值表 AOSVR 分类树
年,卷(期) 2013,(1) 所属期刊栏目 人工智能与识别
研究方向 页码范围 277-280
页数 4页 分类号 TP181|U491
字数 4674字 语种 中文
DOI 10.3969/j.issn.1000-386x.2013.01.071
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 袁健 上海理工大学光电信息与计算机工程学院 60 373 10.0 16.0
2 李茂同 上海理工大学光电信息与计算机工程学院 2 12 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (73)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (22)
二级引证文献  (18)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(7)
  • 引证文献(5)
  • 二级引证文献(2)
2015(6)
  • 引证文献(1)
  • 二级引证文献(5)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
交通流
预测
权值表
AOSVR
分类树
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导