论文摘要
为提高短时交通状态预测的精度,使交通管理者更有效地进行交通规划和管理,本文把基于L1范数距离度量的最小二乘孪生有界支持向量机（twin bounded support vector machine,TBSVM）扩展成多分类算法用于短时交通状态预测,简称MLSTBSVML1.在实验数据上对MLSTBSVML1算法的有效性进行验证,实验结果表明,相比于其他预测算法,提出的MLSTBSVML1算法在预测精度上有较大提升.
论文目录
文章来源
类型: 期刊论文
作者: 闫贺,朱丽,戚湧
关键词: 短时交通状态预测,机器学习,算法
来源: 南京师大学报(自然科学版) 2019年03期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 公路与水路运输,自动化技术
单位: 南京理工大学计算机科学与工程学院,东南大学交通学院,苏交科集团股份有限公司规划研究所
基金: 国家重点研究计划政府间国际科技创新合作重点专项(2016YFE0108000),国家重点自然科学基金项目(51238008),国家自然科学基金(61272419,61772273),江苏省自然科学基金(BK20141403),2018江苏省普通高校学术学位研究生科研创新计划项目(KYCX18_0424)
分类号: TP181;U491.1
页码: 129-137
总页数: 9
文件大小: 1320K
下载量: 169
相关论文文献
标签：短时交通状态预测论文; 机器学习论文; 算法论文;