汤涛
- 作品数：3 被引量：9H指数：1
- 供职机构：南昌大学软件学院更多>>
- 发文基金：国家自然科学基金江西省研究生创新基金江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术交通运输工程更多>>
- 基于弯曲距离三支决策的时序相似性算法被引量：1
- 2017年
- 动态时间弯曲距离算法(DTW)是目前公认的最有效的时间序列相似性计算方法之一,但是较高的时间复杂度一直是其主要缺点。快速弯曲距离算法(FTW)能有效提高DTW的计算速度,但是该算法对不同粒度时间序列剪枝的行为是典型的二支决策,与人类处理不确定问题时普遍采用的三支判断不同。因此,通过将三支决策理论引入到DTW算法的优化工作中,建立了DTW三支决策模型;然后对DTW三支决策模型中的决策阈值α和β进行了基于误识别率的推导,并且给出了具体求解阈值α和β的模拟退火算法;最后基于上述理论提出了基于弯曲距离三支决策的时序相似性算法(3WD-DTW)。通过对比实验表明,与FTW算法相比,3WD-DTW算法在保持较快的计算速度的前提下明显提升了计算准确度,使其接近DTW的水平。
- 徐健锋何宇凡张远健汤涛
- 关键词：动态时间弯曲模拟退火
- 流计算模式下概率粗糙集三支决策的快速计算
- 2019年
- 针对流计算模式中的动态对象增量与减量同步发生的现象,提出了一种概率粗糙集三支决策的快速流计算方法。首先讨论了流计算模式中决策信息系统的单对象增减更新模式的数据模式;然后基于流计算数据变化模式分别提出了数据增量与数据减量时三支决策域的变化推理;最后基于上述理论给出了一种流计算模式下的三支决策动态增减快速学习算法。通过八种UCI数据集的对比实验,证明了该算法不但在时间消耗上明显优于经典三支决策算法,而且对于三支决策阈值具有较强的稳定性。
- 徐健锋王喜秋刘斓刘斓
- 基于多机器学习竞争策略的短时交通流预测被引量：8
- 2016年
- 交通流量预测是当前交通大数据应用的重要议题之一.经典的交通流量预测方法通常只根据被预测道路自身的数据进行分析和决策,而往往较少考虑由于同一区域不同道路之间的交通流量关联性.本研究根据城市核心区交通流量数据的特点,构建同区域内多条相关道路的交通流量多维度数据模型.并且,基于该数据模型提出了一种基于多机器学习竞争策略的交通流量预报算法.该算法的主要核心思想是利用时间序列聚类的方式将多维交通流量数据进行降维,然后通过引入多种多机器学习方法进行并发训练,其训练结果通过竞争获得最优分类器群.最后设计了多最优机器学习集成预测方法进行交通流量预测.本模型通过在南昌市中心道路进行的实验显示,其预测结果优于传统单时间序列机器学习方法.
- 徐健锋汤涛严军峰刘真
- 关键词：城市交通交通流量时间序列
