利用卷积神经网络识别交通指数时间序列模式

来源 :武汉大学学报(信息科学版) | 被引量 : 1次 | 上传用户：tc_b074220

【摘要】

：

城市交通时间序列模式识别主要基于距离计算和特征提取两种方法,但前者结果受到时间序列非线性特征的影响,后者难以提取多时间段Shapelet子序列。为准确识别城市交通指数数据模式,提出了基于卷积神经网络对交通时间序列数据进行模式识别的方法。首先将时间序列数据预处理成N维矩阵,确定神经网络模型的输入数据;然后通过反复训练特征网络提取输入层的特征信息,确定交通指数的模式类型;最后利用Softmax分类器进

【作者】

：

卢剑张学东张健钦郭小刚张悦颖

【机构】

：

北京建筑大学测绘与城市空间信息学院,北京,100044

【出处】

：

武汉大学学报(信息科学版)

【发表日期】

：

2020年12期

【关键词】

：

交通指数卷积神经网络时间序列数据模式识别层次聚类

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

On QGP Formation in pp Collisions

会议

图卷积网络模型识别道路正交网格模式

街道网作为城市的骨架,其模式识别对于城市景观分析、市政规划、交通流量分析等都具有重要作用,是综合了道路几何特征、语义特征及上下文关系的智能识别问题。道路网模式识别目前主要是基于边-节点的图结构和道路网眼的多边形群结构两种模型,运用相关几何度量和统计指标通过模式识别规则探测获得。由于道路模式表达受人的空间认知、视觉心理影响,具有一定的不确定性和复杂性,基于规则推理与统计分析的方法很难获得与人工判断相

期刊

道路网图卷积网络模式识别网格模式

Dilepton production in high energy heavy ion collisions

会议

Jet Quenching Physics in High Transverse Momentum Phenomena

会议

浅谈如何做好工程建设项目跟踪审计工作

跟踪审计是以往事后竣工审计在工程建设项目长期发展后的产物,通过事前介入、事中全程跟踪的方式,有效地解决了事后审计发现问题难以解决的弊端,对工程项目管理的促进作用十

期刊

工程建设跟踪审计工作研究

PACIAE model results for skewness and kurtosis sign changing with

会议