基于SVM和K-均值聚類的RBF神經網絡短時交通流預測.pdf_第1頁
已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

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，已經成為世界各國亟待解決的復雜難題。短時交通流的預測作為應對上述問題的方案，因為其具有實時準確等特點，已經被當作智能交通系統(tǒng)（Intelligent Transport Systems，ITS）的主要組成部分。
　　本文首先介紹了K-均值聚類算法的基本理論，它的特點是簡單快速，同時應用廣泛。在處理密集樣本的時候，同時樣本中的類彼此線性可分，那么運用K

2、-均值聚類算法所得到的聚類效果就會很出色。在RBF神經網絡的支持下，對短時交通流進行預測，得到了比較理想的數據。
　　支持向量機（Support Vector Machine，SVM）作為機器學習方法中的佼佼者，它能夠出色的解決許多算法中的實際問題，比如K-均值聚類算法很容易陷入局部極小值。通過引入支持向量機，我們能夠在短時交通流的預測上，得到更加精確的結果。實驗結果說明，利用基于支持向量機的K-均值聚類算法，RBF神經網絡能夠有

溫馨提示

  • 1. 本站所有資源如無特殊說明，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，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論