期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于稀疏高斯过程混合模型的短时交通流预测
被引量:
4
1
作者
韩春颖
周亚同
+2 位作者
常和玲
池越
何静飞
《交通信息与安全》
CSCD
北大核心
2019年第1期121-127,共7页
交通流预测在智能交通系统中起重要作用。由于短时交通流的时变性,传统预测模型效果较差。将稀疏高斯过程混合(SGPM)模型用于短时交通流预测,并研究了隐变量后验硬划分学习算法,该算法依据最大后验估计矫正样本划分,不断迭代实现最优分...
交通流预测在智能交通系统中起重要作用。由于短时交通流的时变性,传统预测模型效果较差。将稀疏高斯过程混合(SGPM)模型用于短时交通流预测,并研究了隐变量后验硬划分学习算法,该算法依据最大后验估计矫正样本划分,不断迭代实现最优分组。将SGPM模型与核回归(K-R)、最小最大概率机回归(MPMR)、线性回归(L-R)以及高斯过程(GP)的预测结果对比。同时将新的学习算法与传统variational和LooCV学习算法比较。结果表明,基于新算法的SGPM模型不仅能够分模态展示预测结果、输出置信区间,且短时交通流预测均方误差可达0.047 6,训练耗时达7.121 4 s,均优于其他模型。
展开更多
关键词
智能交通
交通流预测
稀疏高斯过程混合
隐变量后验硬划分
多模态
下载PDF
职称材料
题名
基于稀疏高斯过程混合模型的短时交通流预测
被引量:
4
1
作者
韩春颖
周亚同
常和玲
池越
何静飞
机构
河北工业大学电子信息工程学院
国家电网栾城分公司
出处
《交通信息与安全》
CSCD
北大核心
2019年第1期121-127,共7页
基金
教育部人文社会科学研究规划基金(15YJA630108)
教育部春晖计划项目(Z2017015)
+1 种基金
河北省引进留学人员资助项目(CL201707)
河北省研究生创新资助项目(CXZZSS2018012)资助
文摘
交通流预测在智能交通系统中起重要作用。由于短时交通流的时变性,传统预测模型效果较差。将稀疏高斯过程混合(SGPM)模型用于短时交通流预测,并研究了隐变量后验硬划分学习算法,该算法依据最大后验估计矫正样本划分,不断迭代实现最优分组。将SGPM模型与核回归(K-R)、最小最大概率机回归(MPMR)、线性回归(L-R)以及高斯过程(GP)的预测结果对比。同时将新的学习算法与传统variational和LooCV学习算法比较。结果表明,基于新算法的SGPM模型不仅能够分模态展示预测结果、输出置信区间,且短时交通流预测均方误差可达0.047 6,训练耗时达7.121 4 s,均优于其他模型。
关键词
智能交通
交通流预测
稀疏高斯过程混合
隐变量后验硬划分
多模态
Keywords
intelligent transportation
traffic flow prediction
sparse gaussian process mixture
variable-hidden posterior hard-cut
multimodal
分类号
U491.14 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于稀疏高斯过程混合模型的短时交通流预测
韩春颖
周亚同
常和玲
池越
何静飞
《交通信息与安全》
CSCD
北大核心
2019
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部