IGSNRR OpenIR
适于城市交通时序空间数据预测的层叠泛化模型
刘希亮; 陆锋
2015
Source Publication地球信息科学学报
ISSN1560-8999
Volume017Issue:012Pages:1474
Abstract受地理过程的动态随机性影响,时序空间数据建模普遍存在先验知识缺乏与模型参数设置问题,导致单一模型难以有效地反映地理系统的整体运行状态。本文提出了一个普适性的集成学习框架,设计了基于异态集成学习的层叠泛化模型,按照组合模型最大化减小原始预测误差原则改进了层叠泛化模型平均输出的混合策略,并基于error-ambiguity decomposition对提出的层叠泛化模型的有效性进行了数学证明。基于北京市交通路网通行状态数据的实验结果表明,层叠泛化模型的均方根误差与平均绝对误差均小于单一模型;平均绝对误差方差均小于基于数理统计的混合模型,验证了层叠泛化模型在时序空间数据预测方面的优越性。
Language英语
Document Type期刊论文
Identifierhttp://ir.igsnrr.ac.cn/handle/311030/119680
Collection中国科学院地理科学与资源研究所
Affiliation中国科学院地理科学与资源研究所
First Author Affilication中国科学院地理科学与资源研究所
Recommended Citation
GB/T 7714
刘希亮,陆锋. 适于城市交通时序空间数据预测的层叠泛化模型[J]. 地球信息科学学报,2015,017(012):1474.
APA 刘希亮,&陆锋.(2015).适于城市交通时序空间数据预测的层叠泛化模型.地球信息科学学报,017(012),1474.
MLA 刘希亮,et al."适于城市交通时序空间数据预测的层叠泛化模型".地球信息科学学报 017.012(2015):1474.
Files in This Item:
There are no files associated with this item.
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[刘希亮]'s Articles
[陆锋]'s Articles
Baidu academic
Similar articles in Baidu academic
[刘希亮]'s Articles
[陆锋]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[刘希亮]'s Articles
[陆锋]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.