位置:成果数据库 > 期刊 > 期刊详情页
广义回归神经网络的改进及在交通预测中的应用
  • ISSN号:1672-3961
  • 期刊名称:山东大学学报(工学版)
  • 时间:2013.1
  • 页码:34-40
  • 分类:TP301[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]四川警察学院计算机科学与技术系,四川泸州646000, [2]四川警察学院道路交通管理系,四川泸州646000, [3]西华大学数学与计算机学院,四川成都610039
  • 相关基金:国家自然科学基金资助项目(61175055,61105059); 四川省科技支撑计划资助项目(2012GZ0019,2011FZ051)
  • 相关项目:基于直觉模糊命题逻辑的语言真值归结自动推理研究
中文摘要:

本研究基于k近邻的方法通过网络性能评价指标来对平滑因子进行选择确定。通过k近邻法找出使得网络性能评价最好的平滑因子,不再仅依赖于一个均方误差数值,而根据均方误差组的排序来选择最优的平滑因子。该算法能够在保持较好的预测效果的前提下解决因数据波动性大而最终得不到最优平滑因子的难题。通过预测交通数据的实验验证了算法的有效性。结果表明通过k近邻方法得到的最优平滑因子会使网络预测误差降至最小。

英文摘要:

Based on the method of k nearest neighbors algorithm, the optimum smoothing parameter was found by means of network performance evaluation. The approach depended not only on the value of mean square error, but also could sort the mean square error without affecting the forcasting performance. The optimum smoothing parameter was difficult to be found because of the volatility of the data solved by the modified algorithm. Finally, a traffic forcasting experiment was provided to analyze the effectiveness of the proposed algorithm. The results revealed that the optimum smoothing parameter found by means of k nearest neighbors could obtain the minimum prediction error.

同期刊论文项目
期刊论文 279 会议论文 102 获奖 8
同项目期刊论文
期刊信息
  • 《山东大学学报:工学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:山东大学
  • 主编:李术才
  • 地址:山东济南市经十路17923号
  • 邮编:250061
  • 邮箱:xbgxb@sdu.edu.cn
  • 电话:0531-88396452
  • 国际标准刊号:ISSN:1672-3961
  • 国内统一刊号:ISSN:37-1391/T
  • 邮发代号:24-221
  • 获奖情况:
  • 国内外数据库收录:
  • 美国化学文摘(网络版),波兰哥白尼索引,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:6258