[01343691]增量式半监督kernel学习及其在智能交通中的应用
交易价格:
面议
所属行业:
公路运输
类型:
非专利
交易方式:
资料待完善
联系人:
所在地:
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
该项目研究增量式半监督Kernel学习的正则化统一框架与具体算法,并且应用该方法于智能交通系统(ITS)中的区域流量状态的预测中。1.以正则化技术为基础,通过在特征空间中构造新的度量预测函数光滑性的正则项,充分利用未标号的数据包含的信息,建立起在正则化理论框架下的半监督学习方法的一般形式。重点研究在连续以及离散结构上不同正则项的构造方法、统计性质及物理解释2.以项目组先前研究的增量式支持向量机为出发点,扩展该算法于半监督学习的环境中。进一步研究在增量式步骤中判断新数据(标号和未标号数据)是否包含有利于提高算法性能的充分必要条件,并且给出构造性的判断方法。3.应用所提出的算法于城市区域交通流量状态的预测,实现城市交通诱导以及城市道路规划的辅助决策。
该项目研究增量式半监督Kernel学习的正则化统一框架与具体算法,并且应用该方法于智能交通系统(ITS)中的区域流量状态的预测中。1.以正则化技术为基础,通过在特征空间中构造新的度量预测函数光滑性的正则项,充分利用未标号的数据包含的信息,建立起在正则化理论框架下的半监督学习方法的一般形式。重点研究在连续以及离散结构上不同正则项的构造方法、统计性质及物理解释2.以项目组先前研究的增量式支持向量机为出发点,扩展该算法于半监督学习的环境中。进一步研究在增量式步骤中判断新数据(标号和未标号数据)是否包含有利于提高算法性能的充分必要条件,并且给出构造性的判断方法。3.应用所提出的算法于城市区域交通流量状态的预测,实现城市交通诱导以及城市道路规划的辅助决策。