本文主要研究内容
作者李宇航（2019）在《基于大数据的船舶交通客流特征组合预测模型分析》一文中研究指出：为了提高船舶交通客流特征预测的时效性,设计基于大数据相关技术信息,提出将粗糙集和支持向量机预测机制结合的预测分析模型。首先运用粗糙集属性,对大数据下的船舶交通客流信息,进行数据出行约简,删除数据中冗余属性,继而建立支持向量机回归预测机制,将约简后的船舶交通数据样本,作为数据预处理器,通过对条件值进行筛选,并量化为一张二维表格,作为决策表,重新组合成为训练数据样本,输入SVM中,进行学习训练,实现交通客流特征的组合预测。仿真实验表明,该模型预测结果特征比真实性提高29%,有效时序性提高35%,可以证明该预测模型的预测结果时效性更强。
Abstract
wei le di gao chuan bo jiao tong ke liu te zheng yu ce de shi xiao xing ,she ji ji yu da shu ju xiang guan ji shu xin xi ,di chu jiang cu cao ji he zhi chi xiang liang ji yu ce ji zhi jie ge de yu ce fen xi mo xing 。shou xian yun yong cu cao ji shu xing ,dui da shu ju xia de chuan bo jiao tong ke liu xin xi ,jin hang shu ju chu hang yao jian ,shan chu shu ju zhong rong yu shu xing ,ji er jian li zhi chi xiang liang ji hui gui yu ce ji zhi ,jiang yao jian hou de chuan bo jiao tong shu ju yang ben ,zuo wei shu ju yu chu li qi ,tong guo dui tiao jian zhi jin hang shai shua ,bing liang hua wei yi zhang er wei biao ge ,zuo wei jue ce biao ,chong xin zu ge cheng wei xun lian shu ju yang ben ,shu ru SVMzhong ,jin hang xue xi xun lian ,shi xian jiao tong ke liu te zheng de zu ge yu ce 。fang zhen shi yan biao ming ,gai mo xing yu ce jie guo te zheng bi zhen shi xing di gao 29%,you xiao shi xu xing di gao 35%,ke yi zheng ming gai yu ce mo xing de yu ce jie guo shi xiao xing geng jiang 。
论文参考文献
论文详细介绍
论文作者分别是来自舰船科学技术的李宇航，发表于刊物舰船科学技术2019年08期论文，是一篇关于船舶交通论文,组合预测论文,回归机制论文,约简算法论文,舰船科学技术2019年08期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自舰船科学技术2019年08期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：船舶交通论文; 组合预测论文; 回归机制论文; 约简算法论文; 舰船科学技术2019年08期论文;