【摘要】：作為智慧城市的重要組成部分,智慧交通關(guān)注如何將大數(shù)據(jù),物聯(lián)網(wǎng),云計算與人工智能等新興技術(shù)相結(jié)合,打造更加高效敏捷的交通運輸系統(tǒng),解決目前交通資源需求大幅增加,交通資源供需矛盾日益突出等問題。交通數(shù)據(jù),是智慧交通建設(shè)的數(shù)據(jù)基礎(chǔ)。但是由于惡劣天氣和設(shè)備損壞等原因,在交通數(shù)據(jù)的采集過程中,經(jīng)常會出現(xiàn)數(shù)據(jù)缺失的情況,這嚴(yán)重制約了智慧交通建設(shè)的進(jìn)展。近年來,交通數(shù)據(jù)恢復(fù)成為智慧交通領(lǐng)域的一個研究熱點。本文基于張量填充(Tensor Completion)和張量矩陣關(guān)聯(lián)分析技術(shù)(Coupled Matrix and Tensor Factorizations,CMTF),針對存在于交通數(shù)據(jù)恢復(fù)領(lǐng)域的兩個問題,著重研究:(1)交通數(shù)據(jù)恢復(fù)中的數(shù)據(jù)建�？蚣�,并在此基礎(chǔ)上研究不同建模方式對數(shù)據(jù)恢復(fù)方法精度的影響;(2)適用于數(shù)據(jù)極端缺失情況的交通數(shù)據(jù)恢復(fù)模型。本文的主要貢獻(xiàn)包括:詳細(xì)論述了交通數(shù)據(jù)恢復(fù)問題的研究背景、研究意義以及國內(nèi)外研究現(xiàn)狀,并對張量理論和交通數(shù)據(jù)恢復(fù)的基本概念,相關(guān)知識與技術(shù)進(jìn)行了歸納和總結(jié)。針對在交通數(shù)據(jù)恢復(fù)中,如何識別相關(guān)程度高的特征并進(jìn)行數(shù)據(jù)建模的問題,提出了一種基于交通流數(shù)據(jù)的張量建�？蚣堋２⒃诖嘶A(chǔ)上,結(jié)合真實數(shù)據(jù),從時間、空間兩個維度系統(tǒng)探討了在基于張量的交通數(shù)據(jù)恢復(fù)方法中,不同的數(shù)據(jù)建模方法對缺失數(shù)據(jù)恢復(fù)精度的影響。揭示了合理的利用交通數(shù)據(jù)的時空特征進(jìn)行數(shù)據(jù)建模,能夠顯著提升數(shù)據(jù)恢復(fù)的精度。針對已有交通數(shù)據(jù)恢復(fù)方法在極端缺失條件下恢復(fù)精度急劇下降的問題,提出了基于多源數(shù)據(jù)關(guān)聯(lián)分析的交通數(shù)據(jù)恢復(fù)模型,并結(jié)合真實出租車GPS定位數(shù)據(jù)和興趣點數(shù)據(jù)(Point of Interesting,POI)進(jìn)行了驗證。實驗結(jié)果表明,本文提出的交通數(shù)據(jù)恢復(fù)模型不僅能夠顯著提升缺失數(shù)據(jù)的恢復(fù)精度,并且在數(shù)據(jù)極端缺失的情況下仍然能夠保持良好的穩(wěn)定性。
【圖文】：

基于張量理論的機(jī)器學(xué)習(xí)方法逐漸引起國內(nèi)外研究者的廣泛關(guān)注。逡逑在Ｗｅｂ邋ｏｆ邋ｓｃｉｅｎｃｅ數(shù)據(jù)庫中，以ｔｅｎｓｏｒ為標(biāo)題，ｍａｃｈｉｎｅ邋ｌｅａｒｎｉｎｇ為主題進(jìn)行關(guān)聯(lián)逡逑檢索，截止到２０１８年６月共有３４９項檢索結(jié)果。如圖１－２所示。逡逑／邋．逡逑ｅｃ－邐Ｊ逡逑ｙ邋＂逡逑ｆ邐ｘ邐■逡逑ＪＯ－邐－逡逑？“邐／Ｘ／逡逑１０邋＊逡逑ｔ邋邐邐—■逡逑９３０５邐？０Ｍ邋ｆａ？邋ｒｖｍ邋９０ＣＳ邋？？０邋ｔｅｕ邋９０ｔ９邋９０ｔｉ邋Ｍ１４邋？ｔｓ邋？０？＃邐？？７逡逑年份逡逑圖１－２邋Ｗｅｂ邋ｏｆ邋ｓｃｉｅｎｃｅ檢索結(jié)果逡逑從圖１－２中可以看出，，近五年來關(guān)于基于張量的機(jī)器學(xué)習(xí)方法的研宄論文數(shù)量逡逑迅速增長。目前，已經(jīng)被廣泛應(yīng)用的基于張量理論的機(jī)器學(xué)習(xí)方法包括張量分解逡逑４逡逑

矩陣Ｘ邐按列展開得到向量＆逡逑圖１－１圖像Ｘ在展開的構(gòu)成中，結(jié)構(gòu)信息丟失逡逑在此背景下，２００５年，Ｔａｏ等人在《Ｓｕｐｅｒｖｉｓｅｄ邋Ｔｅｎｓｏｒ邋Ｌｅａｒｎｉｎｇ》一文丨Ｍ］中提逡逑出了基于張量理論的機(jī)器學(xué)習(xí)方法。與傳統(tǒng)的機(jī)器學(xué)習(xí)方法相比，基于張量理論的逡逑機(jī)器學(xué)習(xí)方法使用張量表示和處理高維數(shù)據(jù)，能夠充分利用高維數(shù)據(jù)的空間結(jié)構(gòu)逡逑信息，減少了機(jī)器學(xué)習(xí)方法中參數(shù)的數(shù)量，有效避免維度災(zāi)難，過擬合等問題，同逡逑時，Ｔａｏ指出，傳統(tǒng)的機(jī)器學(xué)習(xí)方法均可以被推廣到張量空間。逡逑最近幾年，基于張量理論的機(jī)器學(xué)習(xí)方法逐漸引起國內(nèi)外研究者的廣泛關(guān)注。逡逑在Ｗｅｂ邋ｏｆ邋ｓｃｉｅｎｃｅ數(shù)據(jù)庫中，以ｔｅｎｓｏｒ為標(biāo)題，ｍａｃｈｉｎｅ邋ｌｅａｒｎｉｎｇ為主題進(jìn)行關(guān)聯(lián)逡逑檢索
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP309.3;U491

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 徐健銳;李星毅;施化吉;;處理缺失數(shù)據(jù)的短時交通流預(yù)測模型[J];計算機(jī)應(yīng)用;2010年04期

相關(guān)博士學(xué)位論文 前1條

1 趙新斌;基于張量數(shù)據(jù)的分類方法與應(yīng)用[D];中國農(nóng)業(yè)大學(xué);2015年

本文編號：2598499