期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向动态交通分配的交通需求深度学习预测方法
1
作者
李岩
王泰州
+2 位作者
徐金华
陈姜会
汪帆
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024年第1期115-123,共9页
为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中...
为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。
展开更多
关键词
智能交通
交通需求预测
布谷鸟寻优算法
长短期记忆神经网络
动态交通分配
局部加权回归周期趋势分解
下载PDF
职称材料
基于序贯相似性和布谷鸟寻优的敦煌壁画修复算法
被引量:
7
2
作者
陈永
陈锦
+1 位作者
艾亚鹏
陶美风
《激光与光电子学进展》
CSCD
北大核心
2020年第20期186-195,共10页
针对Criminisi算法在修复敦煌壁画时易出现错误填充、修复效率较低等问题,提出了一种基于序贯相似性和布谷鸟寻优算法结合的敦煌壁画修复方法。首先采用P-Laplace算子重新定义数据项,改进了优先权计算方法,避免了优先权频繁趋于0的问题...
针对Criminisi算法在修复敦煌壁画时易出现错误填充、修复效率较低等问题,提出了一种基于序贯相似性和布谷鸟寻优算法结合的敦煌壁画修复方法。首先采用P-Laplace算子重新定义数据项,改进了优先权计算方法,避免了优先权频繁趋于0的问题;其次引入动态阈值序贯相似性检测算法进行匹配块的搜索,提高了壁画修复效率;为了使匹配块选择更加合理,再利用布谷鸟寻优算法确定最佳匹配块;最后通过迭代更新完成壁画修复。通过对敦煌壁画的修复实验表明,本文方法相比于同类比较算法,取得了较好的主客观修复效果,并且修复效率也得到了进一步提升。
展开更多
关键词
图像处理
壁画修复
序贯相似性检测
布谷鸟寻优算法
Criminisi
算法
原文传递
题名
面向动态交通分配的交通需求深度学习预测方法
1
作者
李岩
王泰州
徐金华
陈姜会
汪帆
机构
长安大学
中交第一公路勘察设计研究院有限公司
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024年第1期115-123,共9页
基金
国家自然科学基金(51408049)
陕西省自然科学基础研究计划项目(2020JM-237)。
文摘
为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。
关键词
智能交通
交通需求预测
布谷鸟寻优算法
长短期记忆神经网络
动态交通分配
局部加权回归周期趋势分解
Keywords
intelligent transportation
traffic demand prediction
Cuckoo search algorithm
long short-term memory
dynamic traffic assignment
seasonal and trend decomposition using loess
分类号
U491 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
基于序贯相似性和布谷鸟寻优的敦煌壁画修复算法
被引量:
7
2
作者
陈永
陈锦
艾亚鹏
陶美风
机构
兰州交通大学电子与信息工程学院
出处
《激光与光电子学进展》
CSCD
北大核心
2020年第20期186-195,共10页
基金
教育部人文社会科学研究青年基金(19YJC760012)。
文摘
针对Criminisi算法在修复敦煌壁画时易出现错误填充、修复效率较低等问题,提出了一种基于序贯相似性和布谷鸟寻优算法结合的敦煌壁画修复方法。首先采用P-Laplace算子重新定义数据项,改进了优先权计算方法,避免了优先权频繁趋于0的问题;其次引入动态阈值序贯相似性检测算法进行匹配块的搜索,提高了壁画修复效率;为了使匹配块选择更加合理,再利用布谷鸟寻优算法确定最佳匹配块;最后通过迭代更新完成壁画修复。通过对敦煌壁画的修复实验表明,本文方法相比于同类比较算法,取得了较好的主客观修复效果,并且修复效率也得到了进一步提升。
关键词
图像处理
壁画修复
序贯相似性检测
布谷鸟寻优算法
Criminisi
算法
Keywords
image processing
mural inpainting
sequential similarity detection
cuckoo optimization algorithm
Criminisi algorithm
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
面向动态交通分配的交通需求深度学习预测方法
李岩
王泰州
徐金华
陈姜会
汪帆
《交通运输系统工程与信息》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于序贯相似性和布谷鸟寻优的敦煌壁画修复算法
陈永
陈锦
艾亚鹏
陶美风
《激光与光电子学进展》
CSCD
北大核心
2020
7
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部