大规模高维数据集环境下的路面使用性能评价方法研究.pdf

大规模高维数据集环境下的路面使用性能评价方法研究.pdf

ID:52408780

大小:934.11 KB

页数:5页

时间:2020-03-27

大规模高维数据集环境下的路面使用性能评价方法研究.pdf_第1页
大规模高维数据集环境下的路面使用性能评价方法研究.pdf_第2页
大规模高维数据集环境下的路面使用性能评价方法研究.pdf_第3页
大规模高维数据集环境下的路面使用性能评价方法研究.pdf_第4页
大规模高维数据集环境下的路面使用性能评价方法研究.pdf_第5页
资源描述:

《大规模高维数据集环境下的路面使用性能评价方法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、}空韦U理论与应用《自动化技术与应用2011年第30卷第9期ControlTheoryandApplications大规模高维数据集环境下的路面使用性能评价方法研究★何琼,叶茎,陈铁(武汉软件工程职业学院,湖北武汉430205)摘要:传统中山单一的神经络等算法所构架起的评价模型土要存在着精度低、网络学习速度慢等不合理之处。为此,提了基十米¨糙集和RBF神经I叫络的人规模数据集环境下的评价方法。首先详解了粗糙集理论对大规模高维数据所确定的宽泛属性集的分类、约简;然后把处理后的数据指标作为RBF神经网络的输入进行训练、仿真。以高速公路路面性能使用评价

2、为例,给山了该方法的具体实现过程,与没有采用属性约简的RBF~@经网络进行结果对比,该方法彳f大规模高维数据集应用评价上更具有实心性、有效性。关键字:粗糙集;RBF神经网络;大规模高维数据集;路面使用性能;评价模型巾同分类号:U416;TP391文献标志码:A文章编号:10037241(2011)090001--05ResearchonPavementPerformanceEvaluationwithLargeHigh-dimensionalDataSetsHEQiong,YEJing,CHENTie(WuhanVocationalcollege

3、ofSoftwareandengineering,Wuhan430205China)Abstract:Theevaluationmodelisconstructedbysingleneura1networkhasmanyfaultswiththelargehigh—dimensionaldatasets.suchas1owaccuracyslowspeedandsoon.Therefore.anewevaluationwaybasedofroughset&RBFneuralnetworkwiththelargehigh—dimensionalda

4、tasetsisproposed.Firstly,itusesroughsetinclassingandsimplifyingthebroadattributesetswhichisdeterminedbylargehigh—dimensionaldatasets;ThenitestablishestheRBFneura1networkmode1todealwiththeindexwhichissimplified.Finally,throughtheexample,itgivesthemethodtorealizetheprocessspeci

5、ficallY.ComparedwiththeRBFneuralnetworkwhichdoesnotusethereductiveindex.thismethodhasbetterpracticabilityandvalidityinpavementperformanceevaluation.Keywords:roughset;RBFneuralnetwork;largehigh—dimensionaldatasets;pavementper/%rmance;evaluationmodel1引言角度研究了评价模型的设计过程,也取得了一定的绩高速

6、公路的路面性能预测、维护决策及资金的合效。但仍然存在着以下几方面的问题:①神经网络不理分配等都是以其使用性能评价作基础,评价结果的真能够有效地确定哪些评价指标是冗余的,哪些是有用实与否关系到路面管理系统的实施效果。因此,路面使的⋯,因此在特征向量维数大的情况下,网络学习和运用性能评价方法的研究就显得尤为重要。传统的评价行时间长。②不能够充分的挖掘数据的内在联系,当模型中代表性的成果有BP神经网络、RBF神经网络、缺乏先验知识或数据不充分时,神经网络评价结果往模糊神经网络等。这些神经网络分别从不同的层次和往不理想。针对以上等问题,本文提出了一种新的

7、基于粗糙集和RBF神经网络的大规模高维数据集环境下的评价方法_2JI3l。基金项目:湖北省高教科研项目(编号2009361)收稿El期:2011—05—05自动化技术与应用20l1年第30卷第9期控$1理论与应用ControlTheoryandApplications2基于粗糙集理论的属性约简模型及组样本集,不需要改变所有的权值,能够达到改善训练RBF神经网络精度。其工作原理如下:2.1属性约简模型①从函数逼近的观点来看:若把网络看成是对位置针对高速公路的路面使用性能评价,需要我们从这函数的逼近,则任何函数都可以表示成一组奇函数的加些高速公路评价

8、指标的高维数据中提取出核心的可代权和。在径向基网络中,相当于选择各隐层神经元的传表原始数据库的信息,以提高决策和预警速度。根据高输函数,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。