机译:一种基于频繁模式树的交通事故实时风险预测的变量选择方法
SUNY Buffalo, Dept Civil Struct & Environm Engn, Buffalo, NY 14260 USA;
SUNY Buffalo, Dept Civil Struct & Environm Engn, Buffalo, NY 14260 USA;
SUNY Buffalo, Dept Civil Struct & Environm Engn, Buffalo, NY 14260 USA;
Frequent Pattern tree (FP tree); Fuzzy C-means clustering (FCM); Bayesian network; k Nearest Neighbor (k-NN); Variable importance; Variable selection; Random forest; Real time; Relative Object Purity Ratio (ROPR); Traffic accident risk prediction;
机译:葡萄酒年龄预测的高级预测方法:第I部分 - 基于变量选择,惩罚回归,潜在变量和基于树的集合方法的单块回归方法的比较研究
机译:基于有界记忆的频繁模式增长方法,具有道路事故预测的深神经网络和决策树
机译:基于数据采矿方法的Domino效应的模式识别与风险预测发生在坦克农场的事故中
机译:基于频繁模式树的变量选择用于光谱定量分析
机译:组织变量和关系的模式:使用模拟方法进行预测的理论。
机译:基于自变量和因变量的道路交通事故死亡人数组合预测模型
机译:基于对象跟踪和行为预测使用粒子滤波来估计交通事故风险因素的提出方法