排序方式: 共有208条查询结果,搜索用时 15 毫秒
111.
在交通出行预测中,多项Logit模型(MNL)的应用十分广泛,但是同时也存在很大的缺陷。模型假定各选择枝不可观测的随机效用部分相互独立且服从二重指数分布,但是这在很多情况下都与实际不符。本文采用机器学习方法中的决策树(Decision Tree)和支持向量机(SVM)模型与多项Logit模型进行对比分析,找出对于居民出行方式选择预测最准确的模型。本文采用的数据来源于2016年12月安顺市的居民出行调查数据,通过三个模型对比可得,SVM模型的预测精度最高,其次是决策树模型,MNL模型的预测精度相对较低。 相似文献
112.
隧道围岩分级是隧道设计与施工的基础,直接影响隧道安全与运行。为实现对隧道围岩进行快速、准确地分级,基于机器学习中softmax回归线性分类模型,构建多分类softmax回归分级方法(MSR)。首先,综合考虑岩石坚硬程度、岩体完整程度、结构面产状、地下水状况、节理风化状况及初始地应力状态6项分级指标,并对其进行量化;其次,采用argmax函数作为决策函数,建立多分类器;然后,给定专家修正训练样本,利用python语言编写程序,学习最优判别函数,同时比较不同学习率下模型的精度;最后,导入测试集数据,经过模型自动演算,得出合理的围岩分级结果。结合那丘隧道BQ法对围岩进行分级。研究结果表明:(1)该算法具有可行性和较高的准确率,证实了将机器学习应用到隧道工程中可以提高工程施工效率;(2)与二分类器相比,多分类器能更好地解决围岩分级问题;(3)当学习率为0.01时,模型的分类性能最佳。 相似文献
113.
114.
115.
《西安交通大学学报(医学版)》2019,(5):784-788
目的探讨卷积神经网络在胸部数字X线(digital radiology,DR)图像质量控制(quality control,QC)工作中的应用价值。方法纳入不同机器拍摄的胸部DR图像1 618张进行分级标记,其中1 294张作为训练集用于卷积神经网络,324张作为测试集用于检测效果;将检测结果用二分类和四分类的混淆矩阵计算敏感度、特异度、阳性预测值(positive predicted value,PPV)、阴性预测值(negative predicted value,NPV)和总准确率。结果二分类结果:敏感度为73.53%,特异度为97.93%,PPV为80.65%,NPV为96.93%,总准确率95.37%;四分类结果的总准确率75.93%。二分类结果总准确率高于四分类结果 (P<0.05)。结论卷积神经网络可满足影像QC工作达到最低标准的要求,但要进行高级别图像质量评分和考核等管理工作,还需更大的数据集和更加细致的特征标记。 相似文献
116.
近年来共享单车逐渐成为大型公共交通方式接驳的重要手段,但站点周边需求不一、投放过量的问题也成为管理部门的困扰.目前的需求预测方法存在基础数据不全、无法验证泛化能力等问题,难以支撑精细化的需求预测.基于厦门市长时间、全样本的共享单车数据,结合详实的人口、建成环境、天气等基础数据,分别对大型公交站点为起点和终点的共享单车出... 相似文献
117.
118.
119.
120.