基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

基于RBF核的SVM分类应用研究

支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中具有优势,但核函数的选取没有定论,且其参数对SVM模型的性能起重要作用。针对这些问题,文章建立了基于SVM的分类模型,并通过UCI数据集验证了径向基核函数(Radial Basis Function,RBF)较其他核函数的有效性,其中核参数的选取采用改进的网格搜索法进行寻优。分类实验结果表明,选择RBF核函数的分类准确度较其他核函数提高了2.5%到35%。     

基于支持向量机的铁路客运量预测

提出了一种基于最小二乘支持向量机(LS-SVM)的铁路客运量预测的新方法。1985—2002年的铁路客运量组成整个数据集。前5年的客运量用来预测第6年的客运量,由1985—1999年的客运量建立LS-SVM客运量预测模型。运用建立该模型预测2000—2002年的铁路客运量。结果表明:提出的LS-SVM客运量预测方法是有效的。     

关于支持向量机核函数中参数选择的研究

核函数及核函数中参数的选取是支持向量机中一个重要的问题.选择合适的核函数中的参数以及惩罚参数的问题称为模式选择.本文对目前支持向量机中参数选择算法以及这些算法中用到的推广误差估计进行了初步的研究和分析.     

基于SVM的小波图像去噪

在小波分析的基础上,运用支持向量机(SVM)方法来对噪声和非噪声数据进行分类。首先,把一带有噪声的信号进行多尺度小波分解;然后通过试验检测出小波分解系数中部分噪声信号和非噪声信号,得到样本数据来训练SVM;最后对所有的小波系数用训练后的SVM来进行分类得到非噪声信号,并且对这部分非噪声信号进行小波重构即达到了去噪的目的。     

基于LS-SVM的福房价格指数预测

提出一种基于最小二乘支持向量机(LS-SVM)的福房指数预测方法.采用感知机核函数、多项式核函数和高斯核函数进行仿真模拟,经过参数选优建立了精度较高的福房指数预测模型.预测结果表明,利用LS-SVM模型进行预测具有误差小、拟合程度高等优点,可适用于房地产价格指数的预测.     

基于SVM的分类方法及其应用

本文对支持向量机的原理、核函数及分类方式进行了详细的介绍,给合实例探讨了支持向量机在分类中的具体应用,并根据应用结果指出了支持向量机的优缺点,最后展望了支持向量机在分类应用的前景。     

改进蛙跳算法的小波神经网络短时交通流预测

为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。     

基于二元B样条基的核函数及支持向量机研究

在支持向量机方法中,核函数起着关键的作用.利用2-型三角剖分上的样条函数空间(S21(Δmn))的一组二元B样条基构造了一种新的核函数,并应用到二元函数的逼近中,取得了良好的效果.     

基于粒子群优化算法的LS-SVM字符识别模型

提出一种基于粒子群优化算法优化相关参数的最小二乘支持向量机(LS-SVM)的字符识别模型.利用相关的字符数据,分别使用本方法和基于网格搜索的最小二乘支持向量机方法进行识别.仿真结果表明,该方法的精确度高于其它两种方法.     

小波神经网络在短时交通流预测中的应用

研究了小波神经网络对于预测短时交通流的适应性,提出了利用小波神经网络的特性建立短时交通流预测模型;并利用苏州市某交叉口实测交通流量,运用小波神经网络建立了非线性回归预测模型,结果证明预测是可靠的,有助于城市交通流动态参数的预测,可为 ITS 的构建提供数据支持     

基于遗传算法的交通量平衡分配预测

本文介绍了现有交通分配模型,并分析了现有模型的局限性,提出了基于遗传算法的交通量平衡分配预测模型,并给出了算例对所提模型进行了验证。     

基于改进阈值函数的小波去噪算法研究

为更好地消除心电信号（ECG）处理过程中存在的基线漂移、工频干扰和肌电干扰等噪声,提出一种基于改进小波阈值的去噪算法。该算法选定 coi5 作为小波基进行分解,选取分解尺度为 8 层,使用改进的阈值选取方法对每一层信号系数进行去噪。该阈值函数不仅克服了硬阈值函数不连续的缺点,而且解决了软阈值函数存在的恒定偏差,同时具有良好的自适应性。实验结果表明,该方法与传统阈值法相比,信噪比提高了24.26%,均方误差降低了 21.42%;与当前国际上先进的去噪算法相比,信噪比提高了 2.01%,均方误差降低了6.9%,去噪效果显著提升,验证了该算法的有效性。     

基于Morlet小波的龙川江流域年径流变化的周期性分析及趋势预测

采用Morlet小波函数对龙川江流域1960—2008年径流量时间序列进行了多尺度周期性分析,通过小波方差确定径流序列的主要周期,并根据径流主周期对未来径流量变化进行了预测。结果表明：径流量变化的时间尺度为6a、20a和12a,其中12a的周期振荡最强,为径流量变化主周期;依据主周期的变化趋势,预测2009年前后龙川江流域年径流量将偏多,大约在2010—2020年径流量将偏少。因此,小波分析可以用来进行水资源量的趋势分析,为区域水资源的合理开发利用和未来决策提供依据。     

一种基于深度学习的夜间车流量检测方法

当车流量较少时,降低路灯亮度可以达到能源节约目的。为此,采用深度学习中的R-FCN目标检测网络完成夜间车辆检测任务。R-FCN网络相比传统深度学习网络,不仅是基于区域推荐模型的网络,而且引入了平移变化特性,所以对目标检测效果更好。为了占用更少硬件资源,缩小模型规模,采用ShuffleNet通道分组与组间通信机制,压缩原始残差网络。同时,对NMS（非极大值抑制）算法进行修改,从而可以更好地筛选重叠目标,降低网络漏检率。实验结果表明,该方法准确率较高,在UA-DETRAC数据集的夜间图片检测中精度最高可达到90.89%。     

基于DEA方法的城市交通环境可持续发展评价方法研究

简要介绍了DEA方法,建立了城市交通环境可持续发展评价体系,并对评价模型进行了计算与分析.     

基于MQPSO-LSSVM的微博热点话题预测

微博热点话题预测是一类小样本、不确定性的复杂预测问题,传统线性方法不能刻画微博热点话题的变化规律,神经网络存在过拟合、泛化能力不强等缺陷.为了提高微博热点话题的预测精度,提出了一种改进量子粒子群(QPSO)算法优化LSSVM的微博热点话题预测模型(MQPSO-LSSVM).首先采用MQPSO算法优化LSSVM的参数,然后将优化后的LSSVM对微博热点话题变化趋势进行建模,最后选取具体微博热点话题数据进行仿真实验.实验结果表明,MQPSO-LSSVM提高了微博热点话题的预测精度,预测结果具有一定实用价值.     

采用蜜罐技术的工业控制网络入侵检测算法研究

为提高工业控制系统入侵检测的准确性,针对工业控制系统应用最广泛的Modbus协议缺陷,采用蜜罐技术将ModbusTCP协议数据包引入蜜罐系统中,研究其在蜜罐系统的活动记录,提取Modbus通信协议特征和蜜罐活动特征。采用核主成分分析法对非线性、高复杂度的Modbus通信行为进行特征优化;针对蜜罐系统中正负样本不平衡特点,采用加权SVM进行有效地精准分类。最后搭建仿真环境,利用Conpot蜜罐模拟工业控制系统场景,通过准确率、误报率和检测时间3个维度对检测方法进行对比。实验结果表明,该方法整体准确率达98.2%,可以应用于工控系统入侵检测,精确判别异常行为。     

基于统计分析方法的唐山城市发展研究

运用统计分析方法 ,从唐山地区城镇化率的地区差异、城市首位度及相关因素、城市职能三方面着重进行研究,得到三个结论 :(1)城镇化率存在明显地区差异,西北部、中部和南部呈现"山"字形分布;(2)城市规模体系呈明显的首位分布,首位度和二三产业比重有线性关系,并预测2010年唐山地区的首位度约为2.26;(3)城市职能为制造业城市,城市已进入工业化中后期。