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
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：
基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型 被引量：7
1
作者 孙伟 张小瑞 +2 位作者 唐慧强 夏旻 张为公 《汽车工程》 EI CSCD 北大核心 2013年第3期219-223,228,共6页
为提高疲劳驾驶的预测精度,提出了基于减法聚类和遗传粒子群优化模糊神经网络的疲劳驾驶预测模型。根据训练样本,利用减法聚类确定网络结构和初始参数;借助于进化速度因子,采用自适应遗传粒子群算法优化网络参数。利用疲劳驾驶实车模拟... 为提高疲劳驾驶的预测精度,提出了基于减法聚类和遗传粒子群优化模糊神经网络的疲劳驾驶预测模型。根据训练样本,利用减法聚类确定网络结构和初始参数;借助于进化速度因子,采用自适应遗传粒子群算法优化网络参数。利用疲劳驾驶实车模拟实验获得的数据,对该模型进行了训练和测试,并将结果与传统的粒子群、遗传和反向传播算法进行对比。结果表明,该模型不仅精简了网络结构,缩短了训练时间,而且减小了全局误差,提高了预测精度。 展开更多
关键词 疲劳驾驶 减法聚类 自适应遗传粒子群优化 模糊神经网络
下载PDF
基于AGPSO-WLSSVM的城市道路短时交通流量预测 被引量：2
2
作者 戴坤成 《兰州文理学院学报（自然科学版）》 2018年第3期64-69,共6页
为了提高短时交通流量(Short-term Traffic Flow,STF)预测的精度,提出一种自适应遗传粒子群优化—加权最小二乘支持向量机(Adaptive Genetic Particle Swarm Optimization Weighted Least Squares Support Vector Machine,AGPSO-WLSSVM... 为了提高短时交通流量(Short-term Traffic Flow,STF)预测的精度,提出一种自适应遗传粒子群优化—加权最小二乘支持向量机(Adaptive Genetic Particle Swarm Optimization Weighted Least Squares Support Vector Machine,AGPSO-WLSSVM)的短时交通流量预测建模方法,采用AGPSO算法对模型参数进行优化,提高模型的学习能力和稳定性.最后通过实例分析验证了AGPSO-WLSSVM建模方法在短时交通流量预测中的可行性和有效性. 展开更多
关键词 自适应遗传粒子群优化 加权最小二乘支持向量机 预测 短时交通流量
下载PDF
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
使用帮助 返回顶部