公开(公告)号：CN119047618A

公开(公告)日：2024-11-29

申请号：CN202411043207.7

申请日：2024-07-31

Applicant: 河南大学

Inventor： 宁念文 ,  张文波 ,  陈百川 ,  陈琳 ,  李伟 ,  敖天勇 ,  张延宇 ,  周毅

IPC: G06Q10/04 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/049 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06F18/23213 ,  G06F18/25 ,  G06F18/22 ,  G06N3/084 ,  G08G1/01

Abstract: 本发明提出了一种基于动态因果分析和时空自适应融合图学习的交通预测方法，步骤包括：S1：利用传感器进行交通数据样本的特征，并对交通数据样本的特征进行预处理，得到交通特征数据集；S2：对交通网络进行拓扑结构，并对交通预测任务进行定义；S3：基于交通预测任务定义，通过门控扩张时间卷积模块捕获历史交通数据长范围的时间依赖特征；S4：基于交通特征数据集，利用混合图学习模块进行空间特征融合；S5：基于时间与空间特征，利用时空自适应模块捕获节点级的时空自适应趋势，得到STAM模块的输出；S6：通过跳跃连接以将STAM模块的输出连接到输出层生成预测结果。本发明更好地捕捉了交通节点之间的深层时空特征，提高了模型的可解释性和准确性。

公开(公告)号：CN115374868A

公开(公告)日：2022-11-22

申请号：CN202211033548.7

申请日：2022-08-26

Applicant: 河南大学

Inventor： 王雅娣 ,  张文波 ,  左宪禹 ,  谢毅 ,  乔保军 ,  张磊

IPC: G06K9/62 ,  G06N7/00 ,  G06N20/00

Abstract: 本发明涉及无监督特征选择技术领域，具体涉及一种基于JS散度与ADMM算法的无监督特征选择方法，基于Filter类型相关性得分向量与JS散度构建优化目标函数，通过优化目标函数可得到高相关低冗余的特征子集，其中相关性得分向量在模型优化过程中会起到影响最终优化向量相关性的作用，而JS散度则在模型优化过程中起到影响最终优化向量冗余度的作用，基于特点最终选择的特征子集将会同时具有相关性高冗余度低的优点有利于提高模型构建的速度，增强模型的泛化能力，减少过拟合风险，并且可以提高模型的分类准确率。同时对于优化问题求解耗时的问题，通过ADMM算法来减少求解优化问题的时间，在较短的时间内可以得到一个较好的结果。