应用支持向量机的交通流状态预测方法研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3969/j.issn.1003-2843.2009.04.036

应用支持向量机的交通流状态预测方法研究

引用
支持向量机(support vector machine, SVM)是近年来出现的立足于统计学习理论(statistical learning theory, SLT)的VC维理论和结构风险最小化原则基础上的机器学习方法, 在数据挖掘及分类中具有特点和优越性. 为了提高交通流状态预测的精度及效率, 研究支持向量机应用于数据泛化及分类的方法, 并建立模型, 在实测数据的基础上进行交通流状态的判定及预测. 实验结果表明该方法学习及预测速度快、效率高, 并且误差可控, 具有较高的精确度(本文中实例精度高于95%), 应用前景广泛.

支持向量机、交通流状态预测、交通工程、分类问题

35

TP391(计算技术、计算机技术)

2009-08-27(万方平台首次上网日期,不代表论文的发表时间)

共4页

832-835

相关文献
评论
暂无封面信息
查看本期封面目录

西南民族大学学报(自然科学版)

1003-2843

51-1672/N

35

2009,35(4)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn