基于相关向量机的公交车队规模预测方法
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究的背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要内容和创新点 | 第10-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 相关技术简介 | 第13-21页 |
| 2.1 支持向量机简介 | 第13-14页 |
| 2.2 相关向量机简介 | 第14-16页 |
| 2.3 遗传算法简介 | 第16-17页 |
| 2.4 逆差函数及调整发车时间算法 | 第17-20页 |
| 2.4.1 逆差函数 | 第17-19页 |
| 2.4.2 调整发车时间算法 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 公交单线路的特征选择 | 第21-25页 |
| 3.1 引言 | 第21页 |
| 3.2 线路规划参数的提取 | 第21-23页 |
| 3.3 特征向量的选择 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 第4章 基于GA的RVM的车队规模的预测方法 | 第25-34页 |
| 4.1 引言 | 第25页 |
| 4.2 遗传算法 | 第25-27页 |
| 4.3 核函数的选取 | 第27页 |
| 4.4 模型评价指标 | 第27-28页 |
| 4.5 实验及结果分析 | 第28-33页 |
| 4.5.1 实验的建立 | 第28-29页 |
| 4.5.2 结果分析 | 第29-33页 |
| 4.6 本章小结 | 第33-34页 |
| 第5章 基于多核RVM的车队规模的预测方法 | 第34-39页 |
| 5.1 引言 | 第34页 |
| 5.2 基于多核RVM的公交车队规模预测模型 | 第34-36页 |
| 5.3 实验及结果分析 | 第36-38页 |
| 5.3.1 实验的建立 | 第36页 |
| 5.3.2 结果分析 | 第36-38页 |
| 5.4 本章小结 | 第38-39页 |
| 第6章 基于Fast-RVM的在线预测方法 | 第39-45页 |
| 6.1 引言 | 第39页 |
| 6.2 快速边际似然算法 | 第39-41页 |
| 6.3 基于在线RVM的公交车队规模预测模型 | 第41-42页 |
| 6.4 实验及结果分析 | 第42-44页 |
| 6.4.1 实验的建立 | 第42-43页 |
| 6.4.2 结果分析 | 第43-44页 |
| 6.5 本章小结 | 第44-45页 |
| 第7章 基于启发式的时刻表编制算法 | 第45-62页 |
| 7.1 引言 | 第45页 |
| 7.2 初始时刻表编制 | 第45-53页 |
| 7.2.1 符号定义 | 第46-47页 |
| 7.2.2 编制算法设计 | 第47-53页 |
| 7.3 改进的SDT算法 | 第53-56页 |
| 7.4 数据库设计 | 第56-57页 |
| 7.4.1 数据表汇总 | 第56页 |
| 7.4.2 数据表描述 | 第56-57页 |
| 7.5 算法实现及界面展示 | 第57-61页 |
| 7.5.1 计划参数输入界面 | 第58-59页 |
| 7.5.2 编制结果界面 | 第59-60页 |
| 7.5.3 逆差函数展示界面 | 第60-61页 |
| 7.6 本章小结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 个人简历 | 第68-69页 |
| 在学校期间的研究成果以及发表的学术论文 | 第69页 |
