资料下载
×
基于张量的车辆交通数据缺失估计方法
消耗积分:0 |
格式:pdf |
大小:3.24 MB |
2021-06-17
分享资料个
面对当前庞大的智慧交通数据量，收集并统计处理是必要且重要的过程，但无法避免的数据缺失问题是目前的研究重。文中针对车辆交通数据缺失问题提岀一种基于张量的车辆交通数据缺失估计新方法：集成贝叶斯张量分解（ IntegrateBayesian Tensor Decomposition，IBTD）。该算法在数据模型构建阶段，利用随机采样原理，将缺失数据随机抽取生成数据子集，并用优化后的贝叶斯张量分解算法进行插补。引入集成思想，将多个插补后的误差结果进行分析排序，考虑时空复杂度，择优平均得到最优结果。通过平均绝对百分比误差之后（ Mean Absolute Percentage Error，MAPE）和均方根误差（ Root meSquare error，RMSE）对提出模型的性能进行评估。实验结果表明，所提新方法能够有效地对不冋缺失量的交通数据集进行插并能得到很好的插补结果.
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
