基于支持向量机的交通流组合预测模型

根据天津市某路口的历史数据,采用目前流行的历史平均模型、RBF神经网络、灰色预测法分别建立了天津市某路口交通流量的单项预测模型,然后利用支持向量机模型对多个单项预测模型结果进行了组合预测,以作为其最终的预测值.计算结果表明,采用非线性组合方法比采用单一预测方法的预测精度有了进一步的提高,比较适合交通流预测.     

工程项目工期风险的支持向量机预测模型

影响建筑施工项目的各种不确定因素错综复杂，为了在工程项目实施前确定工程的最终工期，在介绍支持向量机回归理论的基础上，本文提出了基于支持向量机的工程项目工期风险预测模型。根据以往同类工程的风险数据作为学习样本，训练并构建支持向量机来预测待建项目的工期风险水平。最后的实证研究表明了该预测体系的可行性及可靠性。     

基于支持向量机的软件缺陷预测模型

软件缺陷预测在软件系统开发的各个阶段发挥着极为重要的作用.利用机器学习的相关方法建立更好的预测模型已经被广泛研究.文章分析了支持向量机SVM作为二值分类模型应用到软件缺陷预测中的实现方法,构造了基于SVM的可迭代增强的缺陷预测模型SVM-DP.在13个基准数据集上开展比较实验,定量地分析了应用各种核函数对SVM-DP模型性能的影响.实验结果显示,应用线性内积核函数的SVM-DP具有最优的预测性能.同时,在与J48的比较实验中,最高超过J48预测模型20％的性能进一步证明了SVM-DP模型应用于软件缺陷预测的有效性.     

应用双支持向量回归机的风速预测模型

风速对风电场功率输出起着十分重要的作用,但由于风速具有很强的随机性,使得对其预测的精度不高。针对上述问题,以双支持向量回归机为主要工具,结合风电场的实测风速数据建立了风速预测模型;给出了模型的特征以及相关参数的,并与标准支持向量回归机的预测结果进行了比较。实验结果表明:双支持向量回归机在预测精度上优于标准支持向量回归机,为风电场的风速预测提供了参考。     

工程项目工期风险的支持向量机预测模型

影响建筑施工项目的各种不确定因素错综复杂,为了在工程项目实施前确定工程的最终工期,在介绍支持向量机回归理论的基础上,本文提出了基于支持向量机的工程项目工期风险预测模型。根据以往同类工程的风险数据作为学习样本,训练并构建支持向量机来预测待建项目的工期风险水平。最后的实证研究表明了该预测体系的可行性及可靠性。     

基于支持向量机的高速公路事件检测算法研究

高速公路事件检测是交通信息工程及控制学科中的一项重要研究课题,以高速公路交通流的特点为研究对象,提出了一种基于支持向量机(SVM)的高速公路事件检测算法.根据支持向量机的基本原理,分别设计了基于线性不可分SVM、齐次多项式核函数、高斯径向基核函数、双曲线正切核函数等不同核函数的事件检测算法.仿真结果表明:针对不同的交通流状况,选择合适的SVM模型和核函数,得到的检测结果与经典的加利福尼亚算法相比,检测效率高,性能指标好,具有较高的实际应用价值.     

基于支持向量机-小波神经网络的边坡位移时序预测模型

针对岩体边坡位移预测难度大的问题,结合支持向量机-小波神经网络,提出了一种新的岩体边坡位移时序预测模型——支持向量机-小波神经网络预测模型.通过对实测位移值的学习,并借助遗传算法参数寻优的支持向量机对位移时间序列的宏观发展趋势进行滚动预测;在此基础上利用小波基函数变换分析序列的局部特征,通过2维情况下的序列局部走势方向的选择、实测值与支持向量机拟合值的相对误差与绝对误差等指标的分析,达到对预测值优化改进的目的.将该模型应用到某工程面板堆石坝坝肩强卸荷岩体边坡位移的时序预测中,结果表明,该模型具有可靠度和精度高的优点,可应用于岩体边坡位移预测分析.     

支持向量机回归算法及其应用

支持向量机是建立在统计学习理论基础上的通用学习方法,它可较好地解决以往很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。笔者利用支持向量回归理论和方法,建立支持向量机的预测模型,并利用winSVM和MATLAB软件进行了实例预测,与二次回归预测值相比较,支持向量机预测模型具有更好的预测精度,且有很强的推广能力。     

高速公路短时交通流组合预测研究

为解决单一高速公路短时交通流预测模型预测精度低的问题,提出一种基于门控循环单元神经网络(Gated Recurrent Unit,GRU)和支持向量回归(Support Vector Regression,SVR)的组合预测模型。在对收集到的样本数据进行降噪处理后,分别构建GRU和SVR预测模型并基于最优组合赋权法对二者的预测结果进行赋权以得到最终预测结果。为检验所构建的GRU-SVR预测模型的实践适用性,依托实际高速公路交通流数据进行实例验证,并与单一的GRU、SVR模型预测结果进行对比。结果表明:所构建的预测模型具有较高的预测精度和泛化能力,可为高速公路短时交通流预测提供指导和借鉴。     

支持向量机回归集成股市预测模型

利用基于主成分分析的支持向量机回归集成技术,提高集成个体差异度,生成一组优良的神经网络集成个体,将股票指数函数拟合成高维核空间的线性回归函数,求出一个满意的全局最优解,提高股指预测精确度,继而建立一个新型股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.     

三种交通流量预测模型的建立及其比较

针对城市交通“智能运输系统”和交通流的特性,采用先进的支持向量机算法和由它改进的BP神经网络方法来建立交通流量预测模型,并将它们及多元线性回归模型分别用于实际流量模拟.实验验证了由支持向量机算法和改进的BP神经网络建立的预测模型具有更高的预测效果和模拟精度.     

高速公路安全与交通流特征参数关系

基于我国平原区1条典型高速公路3年的事故数据和交通流数据对两者之间的关系进行了研究.利用多变量多项式比率等方法建立了多个交通流参数和事故率之间的关系方程,并辅以三维曲面图加以直观反映.研究表明:大车比例、大小车平均速度差和饱和度是影响交通安全最为重要的3个交通流特征参数,多个交通流参数之间相互作用关系复杂,单个参数对交通安全的影响随着其他参数取值的变化而变化.     

使用SVMs进行汉语浅层分析

提出了基于support vector machines（SVMs）的汉语浅层分析方法,并且为描述整个层次短语结构定义了10种汉语组块类型. 与其他机器学习方法相比,该方法能自动选择对浅层分析有用特征,并能选择出有效的特征组合,较以前的研究可反映识别方向、特征模板、核函数、多分类方法及其组合对基于SVMs的汉语浅层分析性能的影响. 在开放语料Chinese TreeBank 上, Precision、 Recall和 FB1平均达到了95.36％、97.30％和96.32％.     

快速路网常发性拥挤的宏观交通流仿真

针对网络级快速路系统,以一个包含两个起点和两个终点的快速路网为考察对象,运用经典的快速路网宏观交通流模型METANET,对交通流进行建模与仿真,模拟了高峰时段交通需求条件下的快速路网常发性拥挤。通过仿真案例,细致地刻画了常发性拥挤在路网中形成、传播、消散的动态过程,描述了路网中交通状态的变化,分析了路网拥堵和运行效率降低的原因。仿真案例表明,网络交通流的状态演化是复杂的动态过程,路网中局部拥挤往往会演变成整个路网的拥堵,增加行车延误,降低路网总体运行效率;对交通流进行适当调节以缓解拥挤和提高路网时空利用效率,非常必要。     

使用支持向量机分割指纹图像的方法

提出了一种使用支持向量机的指纹图像背景分割方法. 以指纹图像的灰度方差和对比度为特征,训练用于分割背景的支持向量机,并用拟凸算法修正支持向量机的分割结果;使用较少的训练样本,得到泛化性能较好的分类器,对较大数据库中的指纹图像分割背景,正确率为95.3%,实现了利用小样本训练分割方法而较好地适用于同类大数据库的目的.     

快速路网拥挤应对策略的宏观交通仿真评价

城市交通网络日趋严峻的拥挤对交通管理者提出了严峻考验,各大城市都纷纷研究应对拥挤的良策并评价其有效性.运用先进的宏观动态交通流仿真方法,对需求激增条件下城市快速路网交通运行情形进行仿真,刻画拥挤在路网中发生、传播和消散的过程,并对基于动态交通广播信息诱导的拥堵应对策略进行了仿真评价和效果模拟,结合一个"三起点-三终点"快速路网,给出了不控制和控制两种情形下的路段交通流状态(速度、流量等)时变轨迹图、路网全局交通状态视图等可视化仿真结果.仿真案例显示,宏观交通流仿真能够有效地用于诊断快速路拥堵原因、模拟各类先进交通控制策略的效果.研究成果旨在为交通管理部门设计和评价快速路网拥挤应对策略提供可借鉴思路和技术参考.     

基于SVM的多类模拟调制方式识别算法

提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点,提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分类思想,将特征向量映射到高维空间中加以分类。仿真结果表明:在具有加性带限高斯噪声的环境下,信噪比不小于10 dB时,识别正确率大于90%。     

多元分类LS-SVM设计与装备保障性评估

科学、有效地进行保障性评估是提高装备综合保障能力和加快装备形成战斗力的研究重点之一；支持向量机是采用结构风险最小化原则代替传统统计学中的，基于大样本的经验风险最小化原则的新型机器学习方法，具有出色的学习分类能力和推广能力。研究了新型支持向量机算法——最小二乘支持向量机，并设计了基于多元分类的最小二乘支持向量机；建立了装备保障性评估的最小二乘支持向量机决策模型，确定了保障性评估指标体系和支持矢量学习决策模式；对某新型装备的保障性进行了评估。结果表明，基于最小二乘支持向量机的保障性评估是有效的、可行的。     

行人交通流模型研究

行人交通是城市交通系统的重要组成部分,为了定量描述行人交通流的特性,进而解决行人交通问题,达到提高路网运输效率的目的,借鉴机动车交通流模型,建立了行人交通流模型．以长春市工农大路实际调查数据为基础,分析行人的交通流特性,验证交通流模型的可靠性,为行人交通流的深入研究提供了理论基础和技术支持．     

一种可减少训练时间的分层并行支持向量机方法

基于支持向量的本质和并行计算方法,提出了一种新的分层并行的机器学习方法以加速支持向量机的训练过程．该方法首先按照分而治之的思想将原分类问题分成若干子问题．然后将支持向量机的训练过程分解成级联的两个层次,在每层采用并行的方法训练各个子支持向量机．各层训练集中的非支持向量被逐步筛选掉,交叉合并的规则保证问题的一致性．仿真结果表明该方法在保证分类器推广能力的同时,缩短了训练支持向量机的时间．