1.一种基于K‑means聚类与RBF神经网络的车速预测方法,其特征在于:包括,采集历史工况数据进行预处理,形成RBF神经网络训练集;将所述训练集划分为若干个工况块,提取每个工况块的特征参数,基于K‑means聚类算法将所述工况块聚类为三个独立的簇;利用所述K‑means聚类算法构建RBF神经网络速度预测模型,根据划分聚类的所...
一种基于K-means聚类与RBF神经网络的车速预测方法 本发明公开了一种基于Kmeans聚类与RBF神经网络的车速预测方法,包括,采集历史工况数据进行预处理,形成RBF神经网络训练集;将所述训练集划分为若干个工况块,提取每个工况块的特征参数,基于Kmeans聚类算法将所述工况块聚类为三个独立的簇;利用所述Kmeans聚类算... 郑伟光...
摘要:本发明公开了一种基于K‑means聚类和神经网络的危险废物出口风险预警方法,该方法涉及危险废物出口环境风险预测技术领域,包含五个步骤:数据采集及预处理(S1)、K‑means聚类分析评估危险废物出口风险等级(S2)、风险预警模型数据集建立(S3)、PSO‑BP神经网络风险预警模型建立及参数优化(S4)和危险废物出口风险等级...
1.一种基于k-shape聚类算法和图卷积神经网络的城市路网交通流预测方法,其特征在于,步骤如下: 2.根据权利要求1所述的一种基于k-shape聚类算法和图卷积神经网络的城市路网交通流预测方法,其特征在于,步骤s1具体包括: 3.根据权利要求1所述的一种基于k-shape聚类算法和图卷积神经网络的城市路网交通流预测方法,其特...
本发明公开了一种基于Kmeans聚类算法的神经网络预报轧制力的预报方法.属于计算机技术领域,具体步骤:确定RBF神经网络的输入及输出层;估算非线性多层前向RBF神经网络输入,输出层和隐节点的节点个数;构成隐含层空间;确定合适的数据中心,并根据各中心之间的距离确定隐节点的扩展常数;训练人工神经网络,学习修正误差,完成人工...
基于深度学习的城市快速路交通流预测方法 TC-ConvLSTM.从微波检测器收集原始流量数据,清洗数据,去除异常点,使用K-shape聚类方法对交通流量进行时间聚类,并针对不同的簇使用卷积长短时记忆神经网络预测交通... 高华兵,舒文迪,刘志 - 《浙江工业大学学报》 被引量: 0发表: 2022年 基于大数据的电力负荷预测研究 K-Shap...
一种基于K-Means优化模糊RBF神经网络的永磁同步电机控制方法 本发明涉及神经网络技术方法领域,更具体地,涉及一种基Canopy+Kmeans聚类的路网子区划分及其评估方法,路网子区划分方法以实时采集路段中心经纬度,路段平均速度,路段平均密度为样本数据,具体步骤如下:(1)进行数据预处理;采用基于"最小最大原则"的Canopy算法,...
自组织映射神经网络本质上是一个两层的神经网络,包含输入层和输出层(竞争层)。输入层模拟感知外界输入信息的视网膜,输出层模拟做出响应的大脑皮层。输出层中神经元的个数通常是聚类的个数,代表每一个需要聚成的类。训练时采用“竞争学习”的方式,每个输入的样例在输出层中找到一个和它最匹配的节点,称为激活节点,也...
本发明公开了一种基于改进kmeans和神经网络聚类的客户细分系统,包括:银行客户数据采集模块,用于采集银行客户数据,并将银行客户数据进行存储到银行网络数据库;样本数据抽取模块,用于从银行网络数据库中的银行客户数据中随机抽样,抽取三分之一的数据作为样本数据;聚类处理模块,用于采用改进kmeans聚类方法对样本数据的各个样本...
自组织映射神经网络本质上是一个两层的神经网络,包含输入层和输出层(竞争层)。输入层模拟感知外界输入信息的视网膜,输出层模拟做出响应的大脑皮层。输出层中神经元的个数通常是聚类的个数,代表每一个需要聚成的类。训练时采用“竞争学习”的方式,每个输入的样例在输出层中找到一个和它最匹配的节点,称为激活节点,也...