文献

J-GLOBAL ID：201802247984460386   整理番号：18A1301958

CSとSVRに基づくトラフィック時系列予測【JST・京大機械翻訳】

Traffic time series prediction based on CS and SVR

著者 (2件)： Wu Qiong (College of Information Engineering, Chang’an University, Xi’an 710064) ,  Zhao Xiangmo (College of Information Engineering, Chang’an University, Xi’an 710064)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCDC  ページ： 3427-3432  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 交通パラメータの多くのデータは大量の貯蔵空間を消費し,予測するのに長時間を要する。それはリアルタイム性能を達成しなかった。圧縮センシングは,スパース信号が元の信号を回復するために再構成できるアルゴリズムである。この問題により,新しいCSSVRアルゴリズムを提案した。最初に,理論的解析は,測定マトリックスとスパース基底の間の相関によって,回復誤差に対する影響を証明した。次に,単一測定または任意のスパース構造の多重測定を再構成するために,一般的再構成フレームワークを提供した。最後に,予測結果を得るためのサポートベクトルマシンによる予測スパース信号の再構成を説明した。シミュレーション結果は,それが効率的にまばらな再構成に基づくトラフィックパラメータの予測を実現することができて,精度が高品質であることを示した。したがって,アルゴリズムはロバストで実用的である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  再構成 ,  基底 ,  計算機シミュレーション ,  *予測 ,  シミュレーション ,  多重化 ,  サポートベクトルマシン ,  アルゴリズム
準シソーラス用語： 高品質 ,  スパース信号 ,  圧縮センシング ,  実時間 ,  時系列予測 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： Cs ,  SVR ,  トラフィック ,  時系列予測