原文传递
基于SVM和K-均值聚类的RBF神经网络短时交通流预测
| 论文题名： | 基于SVM和K-均值聚类的RBF神经网络短时交通流预测 |
| 关键词： | 短时交通流预测;K-均值聚类算法;支持向量机;RBF神经网络 |
| 摘要： | 交通出行在日益繁忙的工作生活中愈发显得重要，如何解决道路拥挤，减少交通事故发生率，已经成为世界各国亟待解决的复杂难题。短时交通流的预测作为应对上述问题的方案，因为其具有实时准确等特点，已经被当作智能交通系统（Intelligent Transport Systems，ITS）的主要组成部分。 本文首先介绍了K-均值聚类算法的基本理论，它的特点是简单快速，同时应用广泛。在处理密集样本的时候，同时样本中的类彼此线性可分，那么运用K-均值聚类算法所得到的聚类效果就会很出色。在RBF神经网络的支持下，对短时交通流进行预测，得到了比较理想的数据。 支持向量机（Support Vector Machine，SVM）作为机器学习方法中的佼佼者，它能够出色的解决许多算法中的实际问题，比如K-均值聚类算法很容易陷入局部极小值。通过引入支持向量机，我们能够在短时交通流的预测上，得到更加精确的结果。实验结果说明，利用基于支持向量机的K-均值聚类算法，RBF神经网络能够有效的预测短时交通流，证明该模型是有效的。 |
| 作者： | 管硕 |
| 专业： | 控制科学与工程 |
| 导师： | 高军伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 青岛大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
