X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到合肥巢湖经开区网上技术交易平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[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
|
收藏
|

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。

推荐服务:

Copyright    ©    2016    合肥巢湖经开区网上技术交易平台    All Rights Reserved

皖ICP备15001458号

运营商:科易网