一种基于时空数据流的空间分布过程增量建模方法.pdf
一吃****永贺
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于时空数据流的空间分布过程增量建模方法.pdf
本发明公开了一种基于时空数据流的空间分布过程增量建模方法,所述方法包括如下步骤:(1)当空间分布过程有新的时空闪点x<base:Sub>t</base:Sub>到来时,计算相关的待选空间基函数φ<base:Sub>k+1</base:Sub>;(2)判断阈值条件是否满足,如果满足则接受待选空间基函数φ<base:Sub>k+1</base:Sub>作为新的空间基函数加入到空间基函数集合Φ<base:Sup>(k+1)</base:Sup>中,否则抛弃此待选空间基函数φ<base:Sub>k+1</base
一种基于ISOMAP的固化热过程时空建模方法.pdf
本发明公开了一种基于ISOMAP的固化热过程时空建模方法,步骤一,搭建芯片固化炉温度控制平台,步骤二,得到芯片固化炉在固化工作状态下的温度分布随时间变化的时空数据,步骤三,使用ISOMAP算法对步骤二采集到的时空数据中学习一个表征空间非线性特征的正交映射函数;步骤四,使用ISOMAP算法,通过所述正交映射函数对高维的所述时空数据进行时空变量分离。建立芯片固化热过程模型,实现芯片固化炉在线温度监测和温度分布的在线估计,并且建模精度高。
一种基于K-RVFL的固化热过程时空建模方法.pdf
本发明公开了一种基于K‑RVFL的固化热过程时空建模方法,步骤一,搭建芯片固化炉温度控制平台,步骤二,得到芯片固化炉在固化工作状态下的温度分布随时间变化的时空数据,步骤三,通过PCA算法(即主成分分析算法)学习一组表征空间非线性特征的空间基函数,步骤四,使用基于核函数的随机向量函数连接网络(即K‑RVFL网络)逼近常微分方程模型。从而,温度分布的动态模型就可以在以时间和空间为坐标轴的图上建立出来。与神经网络系统和最小二乘支持向量机(LS‑SVM)比较起来,本模型有更高的模型预测精度和更快的建模速度。
一种基于空间杜宾模型的O-D时空分布预测方法.pdf
本发明涉及一种基于空间杜宾模型的O‑D时空分布预测方法,属于城市交通规划及管理和智能交通系统的技术领域。加入建成环境作为O‑D时空分布的解释变量,并通过案例证明了建成环境对于O‑D时空分布的解释性;给出了一种用某一交通小区交通生成量或吸引量估计邻近小区交通生成或吸引量的方法。本发明的效果和益处是解释了建成环境对O‑D时空分布影响的溢出效应,并将这种溢出效应分解为直接效应、间接效应和总效应,提高城市O‑D时空分布预测结果的精度。
基于增量时空轨迹大数据的群体挖掘方法.docx
基于增量时空轨迹大数据的群体挖掘方法随着移动设备、GPS、传感器等技术的不断发展,时空轨迹大数据逐渐得到广泛的应用和重视。时空轨迹大数据具有海量、多样、高维、复杂等特点,在处理和分析时需要采用适当的算法和方法。本文探讨的是一种基于增量的时空轨迹大数据的群体挖掘方法。一、时空轨迹大数据的特点与挑战时空轨迹大数据是指大量移动对象在时间上和空间上的运动轨迹数据,具有以下特点和挑战:1.数据规模大。移动对象数量众多,每个对象的轨迹点数也很多,导致数据量庞大。2.数据多样性高。移动对象种类、运动轨迹形状、速度等影响