|
短时交通信息智能预测理论及方法 本书特色
本书从交通信息预测的研究意义、基本理论及分类等基本背景知识人手，介绍了作者在交通数据 的异常值祛除、噪声抑制及缺失数据填补等预处理方法上的研究成果，对基于不确定性理论的一些预 测模型进行了比较研究，并在此基础之上提出了两种基于非监督学习方法的单步智能预测模型，在本 书*后着重介绍了作者在多步预测方面的研究成果，并结合实验研究论证了五种多步预测新方法的有 效性。 本书可供同行学者参考阅读，也可作为参考书供相关专业研究生学习。
短时交通信息智能预测理论及方法 目录
第6章基于局部近似隶属函数模糊聚类的模糊单步预测方法
6.1 预测方法概述
6.2基于局部近似隶属函数模糊聚类算法
6.3基于局部隶属函数模糊聚类的参数及规则确定方法
6.4仿真实例
第7章基于高斯混合模型的模糊单步预测方法
7.1预测方法概述
7.2输入变量选择
7.3基于*近邻聚类及高斯混合模型的参数和规则确定方法
7.4仿真实例
第8章多步模糊预测方法
8.1 直接多步模糊预测方法
8.2循环多步模糊预测方法
8.3组合多步预测方法第6章基于局部近似隶属函数模糊聚类的模糊单步预测方法
6.1 预测方法概述
6.2基于局部近似隶属函数模糊聚类算法
6.3基于局部隶属函数模糊聚类的参数及规则确定方法
6.4仿真实例
第7章基于高斯混合模型的模糊单步预测方法
7.1预测方法概述
7.2输入变量选择
7.3基于*近邻聚类及高斯混合模型的参数和规则确定方法
7.4仿真实例
第8章多步模糊预测方法
8.1 直接多步模糊预测方法
8.2循环多步模糊预测方法
8.3组合多步预测方法
8.4基于偏差序列的多步模糊预测方法
8.5基于偏差累加序列的多步模糊预测方法
8.6多步预测方法对比分析
参考文献信息
|
