-
题名基于双路先验自适应图神经常微分方程的交通流预测
- 1
-
-
作者
袁蓉
彭莉兰
李天瑞
李崇寿
-
机构
西南交通大学计算机与人工智能学院
可持续城市交通智能化教育部工程研究中心
-
出处
《计算机科学》
CSCD
北大核心
2024年第4期151-157,共7页
-
基金
国家自然科学基金(62202395,62176221)
四川省自然科学基金(2022NSFSC0930)
中央高校基本科研业务费专项资金(2682022CX067)。
-
文摘
准确的交通流量预测是智能交通系统不可或缺的组成部分。近年来,图神经网络在交通流预测任务中取得了较好的预测结果。然而,图神经网络的信息传递是不连续的潜在状态传播,且随着网络层数的增加存在过平滑的问题,这限制了模型捕获远距离节点的空间依赖关系的能力。同时,在表示道路网络的空间关系时,现有方法大多仅使用先验知识构建的预定义图或仅使用路网状况构建的自适应图,忽略了两类图结合的方式。针对上述问题,提出了一种基于双路先验自适应图神经常微分方程的交通流预测模型。利用时间卷积网络捕获序列的时间相关性,使用先验自适应图融合模块表示道路网络的空间关系,并通过基于张量乘法的神经常微分方程以连续的方式传播复杂的时空特征。最后,在美国加利福尼亚州4个公开的高速公路流量数据集上进行对比实验,结果表明所提模型的预测效果优于现有的10种对比方法。
-
关键词
交通预测
先验自适应图
图卷积神经网络
神经常微分方程
张量乘法
-
Keywords
Traffic forecasting
Prior adaptive graph
Graph convolutional network
Neural ordinary differential equations
Tensor multiplication
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于医疗文本数据聚类的帕金森病早期诊断预测
被引量:6
- 2
-
-
作者
张晓博
杨燕
李天瑞
陆凡
彭莉兰
-
机构
西南交通大学信息科学与技术学院
西南交通大学人工智能研究院
综合交通大数据应用技术国家工程实验室(西南交通大学)
-
出处
《计算机应用》
CSCD
北大核心
2020年第10期3088-3094,共7页
-
基金
国家自然科学基金资助项目(61976247)
四川省重点研发计划项目(20ZDYF2837)。
-
文摘
针对多发于老龄人群的帕金森病(PD)的早期智能化诊断的问题,提出基于医疗检测文本信息数据的聚类技术来对PD进行分析预测。首先,对原始数据集进行预处理以获取有效特征信息,并通过主成分分析(PCA)方法将原始特征分别降维到8个不同维度的维度空间;然后,应用5个传统的经典聚类模型和3种不同的聚类集成方法分别对8个维度空间的数据进行聚类;最后,采用4个聚类性能指标来预测数据集中的多巴胺异常PD患者、健康体和无多巴胺缺失(SWEDD)PD患者。仿真结果显示,PCA特征维度值取30时,高斯混合模型(GMM)的聚类准确度达到89.12%;PCA特征维度值取70时,谱聚类(SC)的聚类准确度达到61.41%;PCA特征维度值取80时,元聚类算法(MCLA)的聚类准确度达到59.62%。对比实验结果表明,5种经典聚类方法中,PCA的特征维度值小于40时,高斯混合模型聚类效果最佳;3种聚类集成方法中,对于不同的特征维度,MCLA的聚类性能均表现优异,进而为PD的早期智能化辅助诊断提供了技术和理论支撑。
-
关键词
帕金森病
医疗文本数据
主成分分析
聚类
聚类集成
-
Keywords
Parkinson’s Disease(PD)
medical text data
Principal Component Analysis(PCA)
clustering
clustering ensemble
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-