龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明涉及人工智能分类技术领域，具体涉及基于PDE与机器学习的轨道交通站点动态分类与预测方法，包括以下步骤：S1：对获取的NPRT指标进行预处理；S101：选取节点指标和位置指标，并对车站的综合交通价值和位置价值进行评估；S102：采用信息熵加权，并将节点指标和位置指标分别整合为节点值N和位置值P；S103：通过不同的聚类方法，进行站点划分，并选择性能最优的聚类模型作为最终的站点划分方法；S104：通过拟合方法，对各个站点的客流量进行预测；S105：对站点的客流量进行聚类分析，构建有标签的数据集；S2：引入偏微分方程，并建立PDE‑NPRT模型，对PDE‑NPRT模型进行训练。本发明结合了偏微分方程（PDE）与机器学习技术，提高了交通站点分类的精度和可靠性。
主权项：1.基于PDE与机器学习的轨道交通站点动态分类与预测方法，其特征在于，包括以下步骤：S1：获取NPRT指标，并对获取的NPRT指标进行预处理，所述NPRT指标包括节点指标、位置指标、客流量以及时间；S101：选取节点指标和位置指标，并对车站的综合交通价值和位置价值进行评估；S102：采用信息熵加权，并将节点指标和位置指标分别整合为节点值N和位置值P；S103：通过不同的聚类方法，基于获取的NPRT指标进行站点划分，并选择性能最优的聚类模型作为最终的站点划分方法；S104：通过拟合方法，对各个站点的客流量进行预测；S105：通过不同的聚类方法，并在调整超参数和遵循聚类方法的原则下改进后，对站点的客流量进行聚类分析，选择聚类效果最优的聚类结果作为最终的聚类标签，构建有标签的数据集；S2：引入偏微分方程，通过连续和动态的方式描述客流量在时间和空间上的变化，并建立PDE-NPRT模型，采用有标签的数据集对PDE-NPRT模型进行训练，将待分类的站点输入至训练后的PDE-NPRT模型，输出站点分类结果。
全文数据：
权利要求：
百度查询： 四川轻化工大学 基于PDE与机器学习的轨道交通站点动态分类与预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号