排序方式: 共有4条查询结果,搜索用时 296 毫秒
1
1.
2.
3.
为推进城际交通大数据的应用,需要补全出行目的信息,将团体旅客出行目的决策与文本主题生成类比,开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型,以及团体旅客重建和语义化特征设计方法,并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现,模型对一般私务辨识性能提升7.7%;基于票务数据的案例研究发现,模型对出发时间预测精度达到90.9%,间接验证了模型的可靠性.主题标注表明,模型不仅推断出4种与典型模式相符的出行目的,还辨识出既有认识外的非常规模式.对道路客运分析表明,出行目的构成呈现地区差异,高铁开通对不同出行目的出行量的负向影响程度不一. 相似文献
4.
为推进城际交通大数据的应用,需要补全出行目的信息,将团体旅客出行目的决策与文本主题生成类比,开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型,以及团体旅客重建和语义化特征设计方法,并通过吉布斯采样估计参数. 基于调查数据的模型对比研究发现,模型对一般私务辨识性能提升7.7%;基于票务数据的案例研究发现,模型对出发时间预测精度达到90.9%,间接验证了模型的可靠性.主题标注表明,模型不仅推断出4种与典型模式相符的出行目的,还辨识出既有认识外的非常规模式.对道路客运分析表明,出行目的构成呈现地区差异,高铁开通对不同出行目的出行量的负向影响程度不一. 相似文献
1