-
Patent Agency Ranking
公开(公告)号：CN109800801B
公开(公告)日：2020-12-01
申请号：CN201910021716.2
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯回归算法的K‑Means聚类分析车道流量方法，包括以下步骤：1)获取某条交叉路口的过车流量统计数据；2)运用超参数优化的高斯回归算法进行平滑处理，得到回归后的车流函数；3)根据得到的车流函数，拟合画出平滑的流量曲线；4)设置初始最大聚类簇数，用K‑Means聚类的方法遍历各簇数值；5)利用轮廓系数法对聚类结果处理；6)通过阈值计算，合并近似簇后得到一个最佳聚类簇数值；7)以最佳聚类簇数值为新簇值，用K‑Means方法再一次聚类得到最后这一周最佳聚类效果；8)参考聚类结果给出相应的周最佳调度方案。本发明利用聚类算法把类似的流量分布的日期归为同一类，得到更加精确的流量分类结果。
-
公开(公告)号：CN109712393B
公开(公告)日：2020-08-04
申请号：CN201910021704.X
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯过程回归算法的智能交通时段划分方法，包括以下步骤：1)获取交叉口道路流量信息；2)运用高斯过程回归算法对获取的数据进行平滑处理；3)基于梯度下降算法对高斯过程回归的超参数进行优化；4)通过回归后的数据进行差分计算，得到相应的导数，即车流量的变化趋势；5)根据车流导数的不同变化特征，进行进一步的数据判别，将一日的交通状态划分成多个时段，为下一步配时方案的设计提供依据。本发明以高斯过程回归对数据进行处理，可以较好地反应实际的车流变化规律，更以导数为依据对时段进行划分，能够更加灵敏地反应车流的数据变化趋势，对路网的交通状况进行更为准确的识别，提高配时方案的有效性。
-
公开(公告)号：CN110956254A
公开(公告)日：2020-04-03
申请号：CN201911097694.4
申请日：2019-11-12
Applicant: 浙江工业大学
Abstract: 一种基于动态知识表示学习的案件推理方法，包括以下步骤：1)获取已破获案件的所有有关数据，划分为人员、案(事)件、物品、地点、机构五大类实体，并提取对应关系；2)将所提取出的事件以时间、实体、关系的形式存储为四元组的格式，并存入图数据库；3)基于梯度下降算法对高斯过程回归的超参数进行优化；4)使用的是一种循环神经网络模型，对四元组数据进行循环事件推理；5)使用图数据库进行一度、二度的关系查找，基于查找后的结果进行链接预测；6)对预测结果进行评价和排序。本发明以动态知识表示学习算法对四元组进行实体、关系嵌入，在已构建的知识图谱基础上进行训练和学习，推理出可能的犯罪嫌疑人，简化警务工作。
-
公开(公告)号：CN109800801A
公开(公告)日：2019-05-24
申请号：CN201910021716.2
申请日：2019-01-10
Applicant: 浙江工业大学
Abstract: 一种基于高斯回归算法的K-Means聚类分析车道流量方法，包括以下步骤：1)获取某条交叉路口的过车流量统计数据；2)运用超参数优化的高斯回归算法进行平滑处理，得到回归后的车流函数；3)根据得到的车流函数，拟合画出平滑的流量曲线；4)设置初始最大聚类簇数，用K-Means聚类的方法遍历各簇数值；5)利用轮廓系数法对聚类结果处理；6)通过阈值计算，合并近似簇后得到一个最佳聚类簇数值；7)以最佳聚类簇数值为新簇值，用K-Means方法再一次聚类得到最后这一周最佳聚类效果；8)参考聚类结果给出相应的周最佳调度方案。本发明利用聚类算法把类似的流量分布的日期归为同一类，得到更加精确的流量分类结果。
-
-
-
-
Search Results
25
records
(took 0.024 seconds)
