搜索资源列表
Ann5
- 基于小波神经网络的时间序列预测的短时交通流量预测的matlab源程序与数据-Based on wavelet neural network time series forecasting short-term traffic flow prediction matlab source code and data
project1
- 输入一个wav文件，通过短时自相关预测，获得一个wav文件。-Input a wav file. According to short atuocorrection, it will obtain aother wav file, which will be same with the input wav file.
yuyinshibie
- 语音信号的时频特性 语音信号的产生模型 语音信号的短时分析技术 语音信号线性预测分析 语音识别-Time-frequency characteristics of speech signal generation model of speech signal short-time speech signal analysis of linear prediction analysis of speech signals speech recognition
yuyinshiyupinyufenxi
- 语音信号的时域频域分析，从短时能量到语谱图，以及线性预测参数和梅尔倒谱系数-Speech signal in time domain frequency domain analysis, from the short-term energy to the spectrogram, and the linear prediction parameters and the Mel cepstral coefficients, etc.
prediction
- 可快速实现卡尔曼预测功能，并可以短时间内得到结果-Kalman predictions function can be realized quickly and can get results within a short time
Wavelet_neural_network_time_series_prediction
- 根据小波神经网络原理在MATLAB环境中编程实现基于小波神经网络的短时交通流量预测-According to the principle of wavelet neural network in MATLAB programming environment based on wavelet neural network traffic prediction of short
Parrecasting
- 混沌粒子群算法的神经网络短时交通流预测Particle swarm optimization based on chaotic neural network short-term traffic flow forecasting-Particle swarm optimization based on chaotic neural network short-term traffic flow forecasting
Efficient-LSP-quantization-algorithm
- 为在极低速率下实现高质量的语音编码,提出了一 种新的有效的线谱对( LSP)参数量化算法——P-RS- MSM Q 算法。此算法以多帧联合矩阵量化作为基本框架,引入了基 于超级帧模式的均值去除和帧间预测策略、 矩阵分裂和子矩 阵多级量化策略 同时提出了基于语音帧短时谱能量的帧 内加权和基于超级帧中各子帧重要性的帧间加权策略等。-Very low rates in high-quality speech coding, a new and effective LSP (LSP)
duanshijianjiaotongliuyuce
- 数学建模中对交通流量短时间预测 主要基于非参数估计回归-Mathematical Modeling of short-term traffic forecast is based on nonparametric regression estimation
hjjk
- 混沌分析的道路网交通流短时预测Chaos analysis of short-term traffic flow forecasting road network-Chaos analysis of short-term traffic flow forecasting road network
the-wavelet-neural-network
- 城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经 网络的交通预测模型GA-WNN ,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA-WNN 预测模型对短时交通流的
SVM
- 针对基于GPS／GIS的浮动车数据特点，总结其中无效的数据类型，并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础，分析了常用支持向量回归机、核函数及模型参数的性能，以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点，将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测，构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例，详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2．84软件包，进
JGPC
- 本程序以预测控制的基本理论为基础，主要对城市交通流的流量与密度、流量与速度、密度与速度之间的相互关系进行短时预测控制。-his program is based on the basic theory of predictive control, mainly on the urban traffic flow and density, flow and speed, density and speed of the relationship between the short-term pre
forecast
- K-NN算法,dtw计算距离的方式，还有一定的滤波(KNN dtw zzz zzz zz zzz zz z zz zz zz zzz zzzz zz zzzz)
Elman神经网络的数据预测
- 一个短时的电力流量预测，Elman算法与神经网络结合的实例(A short time traffic flow prediction, an example of the combination of Elman algorithm and neural network)
chapter32
- 短时交通流量预测,基于小波神经网络的时间序列预测(Short-term traffic flow prediction based on time series prediction of wavelet neural networkc flow forecasting)
小波神经网络的时间序列预测——短时交通流量预测
- 小波神经网络的时间序列预测——短时交通流量预测，含源程序和数据(Time Series Prediction Based on Wavelet Neural Network - Short-term Traffic Flow Forecasting)
小波神经网络的时间序列预测——短时交通流量预测
- 小波神经网络的时间序列预测——短时交通流量预测(Prediction of time series based on Wavelet Neural Network -- short term traffic flow prediction)
小波神经网络的时间序列预测-短时交通流量预测
- 本文采用小波神经网络进行交通流量预测，短时交通流量存在随机性和非线性因素，影响预测的准确性。传统预测模型难以反映交通流量变化特点，同时传统神经网络易陷入局部极小值，泛化能力差，交通流量预测精度低。为了提高短时交通流量预测精度，提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析，并进行非线性预测，验证了模型的有效性，进行了对比试验。验证结果表明，小波神经网络提高了短时交通流量预精度，预测结果更具应用价值。(In this paper, wavel
bp
- 这是一个bp短时预测的程序，含有界面GUI。大家可以参考。(This is a program for short-term prediction of BP, which contains interface GUI. You can refer to it.)