基于模式匹配识别和神经网络的股指预测研究

股票市场是个非线性系统,由于受到多方面因素的影响,对于股指的预测一直是个难题。各种建模方法都有自身的缺点,如模式匹配识别系统过分依赖历史数据,缺乏自身变化。 BP神经网络容易陷入局部最优,而且训练时间较长。文章从模式匹配识别和BP神经网络相结合的角度来进行股票指数预测分析,预测系统克服了单一神经网络预测系统和单一模式匹配识别预测系统的各自缺点,能有效地预测股指。     

基于ARIMA-GARCH模型的城市主干道行程时间时变置信区间预测(英文)

为了提高行程时间预测的可靠性,构建了自回归综合移动平均与广义自回归条件异方差性(ARIMAGARCH)模型进行城市主干道行程时间动态置信区间预测,其中ARIMA模型作为GARCH模型的均值方程用于捕获行程时间均值,GARCH模型用于捕获行程时间条件方差.运用昆山市交通监测系统中采集的实际交通流数据进行验证和评估.结果表明,相较于传统的ARIMA模型,提出的方法虽然不能显著提升行程时间均值的预测性能,但是在行程时间波动性预测方面具有较大的优势.该方法可捕获行程时间异方差,从而能够预测出比ARIMA模型预测的固定置信区间更能反映行程时间观测值波动性的动态置信区间.     

停车场有效泊位占有率变化特性及其短时预测模型

在某停车场泊位变化实测数据分析的基础上,建立了一个停车场有效泊位占有率短时预测模型.南京某停车场实测泊位数据分析表明,在不同的观测尺度上,停车场有效泊位占有率具有很强的周期性和相似性,但观测尺度越小,随机性越强.基于有效泊位占有率的这种短时变化特性,提出采用小波分析和加权马尔可夫组合模型对有效泊位占有率进行短时预测.首先,通过选择合适的小波函数对有效泊位占有率时间序列进行多分辨率的小波分解,并对低频信号与高频干扰信号分别进行重构,然后对重构后的基本信号和不同分辨率的干扰信号分别建立加权马尔可夫预测模型,最后对各自外推的预测结果进行合成,得到最终预测结果.实例分析表明,所提出的预测模型对有效泊位占有率的短时预测结果是有效的,但模型的预测精度依赖于有效泊位占有率数据库的实时更新.     

基于模式匹配算法的考生报到结果预测

本文在探讨模式匹配算法的基础上,针对高校考生报到率不稳定的实际情况,利用模式匹配算法,结合朴素贝叶斯方法,对考生报到结果进行预测,能够为高校的招生宣传和教学管理等工作提供有价值的参考依据。     

融合多模式匹配算法的计算机网络入侵检测

针对入侵计算机网络导致信息的泄露,提出了融合多模式匹配算法的计算机网络入侵检测方法.通过对计算机网络入侵模型的详细分析,将多模式匹配算法引入到计算机网络中的随机密钥保护中,并对三种常规的多模式匹配算法从匹配所用时间和内存消耗两个方面,与本研究所提算法进行对比.实验结果表明:该算法适用于计算机网络人侵检测,具有一定的实用性.     

时序数据相似匹配技术的研究

时间序列的相似性度量是时间序列数据挖掘研究中的一个重要问题,是进行序列查询、分类、预测的一项基础工作,寻求一种好的度量对提高挖掘任务的效率和准确性有着至关重要的意义.文章提出了基于关键点分段的KT分段线性模式表示和基于时间序列模式表示的KT动态模式匹配距离,采用1NN分类方法,设计了子序列查询实验,对欧氏距离、动态弯曲距离和基于KT模式的动态匹配距离进行了准确率和误报率的分析比较,结果显示该度量方法具有更高的准确性.     

BM算法与WM算法的比较

模式匹配算法比较成熟,但是传统的模式匹配算法对提高Snort检测性能的效果不是十分有效。Snort采用的BM算法是一种单模式匹配算法,目前研究者对Snort模式匹配算法的研究和改进主要是采用多模式匹配算法来替换原有的BM算法。本文主要介绍了BM算法和WM算法,分析了这两种算法的基本原理并进行了一些相关的比较。     

入侵检测系统中BM模式匹配算法研究

模式匹配算法是基于规则的入侵检测系统的核心。基于BM模式匹配算法研究,可对其进行改进。改进算法有效地加快了模式匹配的速度,提高了入侵检测的效率。     

单模式串匹配自动机的设计与实现

利用模式匹配自动机匹配文本串,可简化模式串匹配算法,以实现模式串匹配算法的标准化。文章描述了LRPA、RLPA和RLSA等三种模式匹配的自动机．给出了RLPA自动机的设计过程和实现算法,并讨论了RLPA自动机匹配算法的空间复杂性和时间复杂性。     

基于矢量化加速的网络安全应用多模式匹配

为提高网络安全应用多模式匹配效率,设计了一个基于矢量化加速的网络安全应用多模式匹配方法.首先对网络安全应用多模式匹配进行了预处理,然后为避免匹配失败时不必要的回溯,引入下一个数组,根据模式串的特征计算下一个序列,最后提出除发生匹配不成功情况外基本的匹配过程,实现基于矢量化加速的网络安全应用多模式匹配.实验结果表明,所研究的基于矢量化加速的网络安全应用多模式匹配方法有效提高了匹配效率,并提高了匹配的成功率.     

高速公路网络构建对河南城市可达性的影响分析

高速公路网络建设最直接的空间经济效益是缩短地区间的旅行时间,增强区域交通可达性.以河南省为研究区域,选择2004和2011年两个年份在构建公路交通信息数据库的基础上结合GIS技术的空间分析功能,采用节点全域可达性、日常可达性和区域平均可达性等指标对河南省不同城市的可达性水平及改善程度进行比较分析;从客观上论证了高速公路建设的必要性和重要性,为区域交通网络优化和城市空间组织调整提供理论参考.     

基于TS-NN模型的道路交通车流量预测

针对现有的智能交通系统预测方法,基于道路交通的关键参数车流量预测,提出了一种基于深度学习的时间序列交通流预测方法,进一步提升道路交通车流量预测准确率。在对道路交通数据集进行清洗后,使用时间序列和神经网络的结合算法TS-NN 进行车流量预测,实验表明,在城市路段的预测中,TS-NN 相对时间序列模型ARIMA、神经网络模型LSTM 准确率分别提升了1.62%和2.13%?在高速公路数据集上测试上,TS-NN 有更加明显的改进,相对ARIMA、LSTM 分别提升了20.87%和3.53%,在一定程度上,TS-NN 算法确实有助于改进智能交通系统核心算法。     

网络交通模型中考虑信号控制的行程时间函数模型

为了描述信号控制路段的行程时间,基于累计曲线法提出了城市基本道路的行程时间模型.首先利用交通波方法分析了路段排队形成及消散过程;然后构建路段入口和出口的累计曲线,通过累计曲线得到了单车道、稳定流量输入条件下的形成时间函数;最后考虑路段的拓扑结构特性,将多车道路段分解成多个单车道的组合,并得出了基本道路的行程时间模型.该...     

Short-term traffic safety forecasting using Gaussian mixture model and Kalman filter

In this paper, a prediction model is developed that combines a Gaussian mixture model (GMM) and a Kalman filter for online forecasting of traffic safety on expressways. Raw time-to-collision (TTC) samples are divided into two categories: those representing vehicles in risky situations and those in safe situations. Then, the GMM is used to model the bimodal distribution of the TTC samples, and the maximum likelihood (ML) estimation parameters of the TTC distribution are obtained using the expectation-maximization (EM) algorithm. We propose a new traffic safety indicator, named the proportion of exposure to traffic conflicts (PETTC), for assessing the risk and predicting the safety of expressway traffic. A Kalman filter is applied to forecast the short-term safety indicator, PETTC, and solves the online safety prediction problem. A dataset collected from four different expressway locations is used for performance estimation. The test results demonstrate the precision and robustness of the prediction model under different traffic conditions and using different datasets. These results could help decision-makers to improve their online traffic safety forecasting and enable the optimal operation of expressway traffic management systems.     

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AR模型的WSN流量多步预测算法研究

针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测。     

高速公路客运管理信息微机网络系统的设计与实现

本文围绕高速公路客运管理信息微机网络系统的开发,介绍了系统分析、系统设计及系统实现的过程,重点论述了高速公路MIC网络系统的构造方法及总体结构、系统网络布局及系统功能模块的开发设计。     

基于改进支持向量机模型的交通拥堵情况预测

随着机动车数量的迅猛增加,城市交通拥堵状况日益严峻,城市道路拥堵严重影响着居民的日常工作和生活,因此研究道路拥堵程度,以及对道路拥堵变化进行预测则显得尤为重要。为此,构建一个基于拥堵指标的MM-SVR模型,在考虑下一时段可能到达路段的潜在车流量情况下,对道路拥堵情况进行深入探究。首先,融合速度、区域内交通流量构建道路拥堵程度指标,然后基于历史数据构建将马尔科夫链与支持向量机预测相结合的MM-SVR模型对道路拥堵进行预测,以向前[n]阶状态的交通流量和速度作为输入量,将道路拥堵程度指标作为输出量。在实例验证中,使用广州市某片区的实时交通流数据对模型效果进行评测,并且使用SVR以及Adaboosting模型进行对比实验。实验结果表明,该模型无论是在拟合优度还是预测误差上均优于对比模型,在实时反映交通流拥堵情况方面有着良好表现。     

基于视频的城市快速路交通流检测及车辆行为监控

提出一种针对城市快速路的视频监控系统,完成交通流及道路异常行为检测.流量检测模块对车辆进行实时跟踪获得各类交通流统计数据,实现快速路车辆运行状况的全面掌控.异常监控模块运用隐马尔科夫模型,对带有时间和空间信息的车辆轨迹进行训练,获得路径划分后对道路车辆轨迹进行参数匹配,提取诸如超低(高)速行驶、违章停车、违规掉头等异常...