文摘
英文文摘
1 绪论
1.1 选题背景
1.2 国内外研究现状
1.2.1 交通流预测的研究现状
1.2.2 交通流量信号特征提取方法研究现状
1.2.3 支持向量机的交通流预测的现状
1.3 本课题研究的目的和意义
1.4 本文研究的主要内容
2 数据预处理
2.1 数据来源
2.2 数据预处理
3 基于小波包分析的交通流信号分解与重构
3.1 小波变换基础
3.1.1 连续小波变换
3.1.2 二进小波及框架
3.1.3 多分辨率分析
3.1.4 Mallat算法
3.2 小波包分析基本原理
3.2.1 小波包的定义与性质
3.2.2 小波包的优点-精细分割能力
3.2.3 小波包的分解与重构
3.3 交通流信号的分解与重构
3.3.1 最优分解树的选择
3.3.2 交通流数据的小波包分解与重构
3.4 本章小结
4 基于支持向量回归机的交通流预测
4.1 统计学习理论基础
4.1.1 经验风险最小化原则
4.1.2 VC维
4.1.3 学习机泛化能力的界
4.1.4 结构风险最小化
4.2 支持向量机
4.2.1 支持向量机简介
4.2.2 最大分类间隔原则
4.2.3 支持向量机原理
4.3 支持向量回归机
4.3.1 e-支持向量回归机
4.3.2 二次e-支持向量回归机
4.3.3 最小二乘支持向量机
4.3.4 三种支持向量回归机的对比
4.3.5 核函数的选择
4.4 交通流量的预测
4.5 几种小波核与常规核性能的对比
4.6 本章小结
5 结论
参考文献
攻读硕士学位期间发表的论文及科研成果
致谢
西华大学;