期刊导航
期刊开放获取
上海教育软件发展有限公..
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
2
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
基于占空比的聚类算法评价指标研究
被引量：
1
1
作者
张欣环
刘宏杰
+3 位作者
吴金洪
施俊庆
毛程远
孟国连
《计算机工程与应用》
CSCD
北大核心
2022年第1期175-181,共7页
基于密度的聚类算法(DBSCAN)是最有效的轨迹数据挖掘方法之一,但基于密度的聚类算法往往受到输入参数选择的限制。在轨迹数据挖掘中,聚类结果不仅受到类内距离和类间距离的影响,还受到聚类中坐标点个数的影响。因此,提出了一种新的基于...
基于密度的聚类算法(DBSCAN)是最有效的轨迹数据挖掘方法之一,但基于密度的聚类算法往往受到输入参数选择的限制。在轨迹数据挖掘中,聚类结果不仅受到类内距离和类间距离的影响,还受到聚类中坐标点个数的影响。因此,提出了一种新的基于内外占空比的集群有效性指标来平衡这三个因素,该指标可以自动选择密度聚类的输入参数,并在不同的数据集上形成有效的聚类,优化后的聚类方法可应用于出行者行为轨迹的深度分析和挖掘。实验结果证明,与传统的有效性指标相比,提出的基于占空比的评价指标能够优化输入参数,获得较好的出行者位置信息聚类结果。
展开更多
关键词
DBSCAN算法
有效性指数
密度聚类
轨迹聚类
在线阅读
下载PDF
职称材料
基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测
被引量：
8
2
作者
张欣环
刘宏杰
+2 位作者
施俊庆
毛程远
孟国连
《计算机应用》
CSCD
北大核心
2021年第3期875-880,共6页
针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型。首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LST...
针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型。首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LSTM时间窗口模型,该模型可解决长期预测的窗口移动问题;其次,将公交线路切分为多个空间切片,并使用当前空间切片的共同平均速度作为瞬时速度,同时将每个空间切片的预测时间用作空间特征向量,并将其发送到新型的混合神经网络模型LSTM-A中,该模型结合两种预测模型的优点并解决了公交旅行时间预测问题;最后,基于实验数据集进行了实验和测试:将公交站点间的预测问题划分为线路切片预测子问题,并针对每个相关的子问题引入了实时计算的概念,从而避免了复杂路况带来的预测误差。实验结果表明,所提算法在准确性、适用性方面均优于单个神经网络模型。综上,所提的新型混合神经网络模型LSTM-A能从时间特征的维度实现长距离到站预测、从空间特征的维度实现短距离到站预测,从而有效地解决了城市公交旅行时间预测问题,避免了公交车辆的远程依赖和错误积累。
展开更多
关键词
城市交通
长短期记忆网络
人工神经网络
长短期记忆人工神经网络
旅行时间预测
在线阅读
下载PDF
职称材料
题名
基于占空比的聚类算法评价指标研究
被引量：
1
1
作者
张欣环
刘宏杰
吴金洪
施俊庆
毛程远
孟国连
机构
浙江师范大学道路与交通工程研究中心
西安
交通
大学
电子信息
工程
学院
出处
《计算机工程与应用》
CSCD
北大核心
2022年第1期175-181,共7页
基金
浙江省教育厅项目(Y201738488)
浙江省自然科学基金(LY18G010009,LY18G030021)
教育部留学回国人员科研启动基金(ZC304012027)。
文摘
基于密度的聚类算法(DBSCAN)是最有效的轨迹数据挖掘方法之一,但基于密度的聚类算法往往受到输入参数选择的限制。在轨迹数据挖掘中,聚类结果不仅受到类内距离和类间距离的影响,还受到聚类中坐标点个数的影响。因此,提出了一种新的基于内外占空比的集群有效性指标来平衡这三个因素,该指标可以自动选择密度聚类的输入参数,并在不同的数据集上形成有效的聚类,优化后的聚类方法可应用于出行者行为轨迹的深度分析和挖掘。实验结果证明,与传统的有效性指标相比,提出的基于占空比的评价指标能够优化输入参数,获得较好的出行者位置信息聚类结果。
关键词
DBSCAN算法
有效性指数
密度聚类
轨迹聚类
Keywords
DBSCAN algorithm
validity index
density-based clustering
trajectory clustering
分类号
U491 [交通运输工程—交通运输规划与管理]
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测
被引量：
8
2
作者
张欣环
刘宏杰
施俊庆
毛程远
孟国连
机构
浙江师范大学道路与交通工程研究中心
西安
交通
大学
电子信息
工程
学院
出处
《计算机应用》
CSCD
北大核心
2021年第3期875-880,共6页
基金
浙江省教育厅项目(Y201738488)
浙江省自然科学基金资助项目(LY18G010009,LY18G030021)
教育部留学回国人员科研启动基金资助项目(ZC304012027)。
文摘
针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型。首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LSTM时间窗口模型,该模型可解决长期预测的窗口移动问题;其次,将公交线路切分为多个空间切片,并使用当前空间切片的共同平均速度作为瞬时速度,同时将每个空间切片的预测时间用作空间特征向量,并将其发送到新型的混合神经网络模型LSTM-A中,该模型结合两种预测模型的优点并解决了公交旅行时间预测问题;最后,基于实验数据集进行了实验和测试:将公交站点间的预测问题划分为线路切片预测子问题,并针对每个相关的子问题引入了实时计算的概念,从而避免了复杂路况带来的预测误差。实验结果表明,所提算法在准确性、适用性方面均优于单个神经网络模型。综上,所提的新型混合神经网络模型LSTM-A能从时间特征的维度实现长距离到站预测、从空间特征的维度实现短距离到站预测,从而有效地解决了城市公交旅行时间预测问题,避免了公交车辆的远程依赖和错误积累。
关键词
城市交通
长短期记忆网络
人工神经网络
长短期记忆人工神经网络
旅行时间预测
Keywords
urban traffic
Long Short-Term Memory(LSTM)network
Artificial Neural Network(ANN)
Long Short-Term Memory Artificial neural network(LSTM-A)
travel time prediction
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
U491 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于占空比的聚类算法评价指标研究
张欣环
刘宏杰
吴金洪
施俊庆
毛程远
孟国连
《计算机工程与应用》
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
2
基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测
张欣环
刘宏杰
施俊庆
毛程远
孟国连
《计算机应用》
CSCD
北大核心
2021
8
在线阅读
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
