基于多学习器集成的城市交通流量预测模型研究与实现

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究内容

1.4 论文组织结构

1.5 本章小结

第二章 神经网络交通流量预测

2.1 神经网络概述

2.2 BP神经网络

2.3 BP神经网络交通流量预测

2.4 本章小结

第三章 卷积神经网络交通流量预测

3.1 卷积神经网络基础

3.2 卷积神经网络原理

3.2.1 卷积层

3.2.2 激活函数

3.2.3 下采样层

3.2.4 全连接层

3.3 LeNet

3.4 LeNet交通流量预测

3.5 本章小结

第四章 支持向量机交通流量预测

4.1 支持向量机基础

4.2 支持向量机理论

4.3 核函数

4.4 支持向量回归交通流量预测

4.5 本章小结

第五章 集成学习

5.1 集成学习基础

5.2 集成学习算法

5.2.1 Boosting算法

5.2.2 Bagging算法

5.3 实验环境与数据处理

5.3.1 实验环境

5.3.2 原始数据预处理

5.4 实验过程与结果分析

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

作者简介及在学期间所取得成果

致谢