论文研究应用改进型小数据量法计算交通流的最大Lyapunov 指数.pdf

针对现有预测方法未能充分揭示交通流内部的本质规律，提出了一种基于深度学习的短时交通流预测方法。该方法结合深度信念网路模型（DBN）与支持向量回归分类器（SVR）作为预测模型，利用差分去除交通流数据的趋

准确的交通流量预测是智能交通系统中的关键问题。在分析支持向量机SVM回归估计方法参数性能的基础上，提出了粒子群算法PSO优化参数的PSO-SVM短期交通流预测模型。模型利用支持向量机具有结构风险最小化

为了提高短时交通流量预测精度，利用相空间重构和预测模型参数间的相互联系，提出一种粒子群优化神经网络的短时交通流量预测模型。将相空间重构和预测模型参数编码为粒子群的粒子，短时交通流量预测精度作为粒子群的

通过在目标路口构建贝叶斯交通网（BNs），并对与此交通网相关的交通流建立非平稳季节（SARIMA）模型，采用最小二乘法（OLS）取得相应模型的最佳权重组合，对缺失数据下的城市道路短时交通流进行预测。使

依据DDS（直接数字频率合成）输出频谱特性和Cordic（坐标旋转数字计算机）算法基本原理，针对基于Cordic结构的DDS设计中相位角迭代方向不确定性和旋转角度非整周期性的缺陷，采用了相位角分阶段旋

蚁群算法是一种新型的模拟进化算法，具有正反馈、分布式计算等特点，是一种解决组合优化问题的有效算法。在介绍蚁群算法基本原理以及探讨该算法的缺陷基础上，针对多处理器任务调度问题，提出了一种基于改进型蚁群算

这个是用MATLAB来求解Lyapunov指数的程序，十分有用。

源代码，可以直接用，欢迎下载。最大Lyapunov指数是判断和描述非线性时间序列是否为混沌系统的重要参数，因此是一个重要的混沌不变量。对于混沌系统来说，耗散是一种整体性的稳定因素，动力系统一方面作为耗

lyapunov指数总结，有详细的matlab程序

论文研究-短时交通流量智能组合预测模型及应用.pdf,  提出了一种新的短时交通流量智能组合预测模型.该智能组合模型包含三个子模型:卡尔曼滤波模型、人工神经网络模型和模糊综合模型.卡尔曼滤波模型利用卡