隨著社會(huì)的發(fā)展,在經(jīng)濟(jì)、社會(huì)科學(xué)、交通等領(lǐng)域出現(xiàn)了一些新的問(wèn)題,這些問(wèn)題往往具有高度的非線性、不確定性等特征,非參數(shù)回歸方法剛好可以較好的描述問(wèn)題的非線性特征,因此受到研究者的關(guān)注.貝葉斯網(wǎng)絡(luò)作為目前不確定知識(shí)表示和推理領(lǐng)域中最有效的理論模型之一,近些年常被用于數(shù)據(jù)挖掘、故障分析等領(lǐng)域.本文研究了非參數(shù)回歸和貝葉斯網(wǎng)絡(luò)的相關(guān)理論,針對(duì)其在應(yīng)用上的局限性做出了相應(yīng)的改進(jìn),并分別將其應(yīng)用于對(duì)軌道交通短時(shí)客流的預(yù)測(cè)和大客流發(fā)生原因的診斷.主要內(nèi)容如下:1.探討了非參數(shù)回歸的概念和原理,介紹了四類非參數(shù)回歸方法,選取其中的非參數(shù)局部回歸作為重點(diǎn)研究對(duì)象,并分別對(duì)非參數(shù)局部回歸的四種方法進(jìn)行了詳細(xì)的介紹和對(duì)比.隨后,選取K近鄰非參數(shù)回歸作為研究目標(biāo),詳細(xì)分析了K近鄰回歸的組成部分和影響因素,并針對(duì)其無(wú)反饋的問(wèn)題,提出了基于誤差反饋的非參數(shù)回歸方法.2.介紹了貝葉斯網(wǎng)絡(luò)相關(guān)基礎(chǔ)理論知識(shí)及其表示和構(gòu)成,針對(duì)貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)事件的先驗(yàn)概率或條件概率不確定,以及使用專家知識(shí)會(huì)導(dǎo)致主觀性誤差這兩個(gè)問(wèn)題,引入模糊集理論量化節(jié)點(diǎn)的概率,在確定節(jié)點(diǎn)概率的同時(shí),盡可能的降低主觀性誤差.最后,給出了基于模糊集理論的貝...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)內(nèi)研究現(xiàn)狀
        1.2.2 國(guó)外研究現(xiàn)狀
    1.3 研究目的和意義
    1.4 論文主要內(nèi)容
第二章 非參數(shù)回歸方法的理論
    2.1 非參數(shù)回歸方法的概念及原理
        2.1.1 非參數(shù)回歸方法的概念
        2.1.2 非參數(shù)回歸方法的原理
    2.2 非參數(shù)回歸方法
        2.2.1 非參數(shù)局部回歸
        2.2.2 非參數(shù)樣條回歸
        2.2.3 非參數(shù)正交回歸
        2.2.4 處理高維的非參數(shù)回歸
    2.3 K近鄰非參數(shù)回歸方法
        2.3.1 K近鄰非參數(shù)回歸的組成
        2.3.2 K近鄰非參數(shù)回歸的影響因素分析
    2.4 改進(jìn)的K近鄰非參數(shù)回歸方法
        2.4.1 基于誤差反饋的非參數(shù)回歸預(yù)測(cè)方法
        2.4.2 基于誤差反饋的非參數(shù)回歸預(yù)測(cè)流程
    2.5 小結(jié)
第三章 貝葉斯網(wǎng)絡(luò)的理論
    3.1 貝葉斯網(wǎng)絡(luò)的基礎(chǔ)理論
        3.1.1 概率論的基礎(chǔ)知識(shí)
        3.1.2 圖論的基礎(chǔ)知識(shí)
        3.1.3 信息理論
        3.1.4 D-Separation標(biāo)準(zhǔn)
    3.2 貝葉斯網(wǎng)絡(luò)的表示與構(gòu)成
        3.2.1 貝葉斯網(wǎng)絡(luò)的簡(jiǎn)介
        3.2.2 貝葉斯網(wǎng)絡(luò)的數(shù)學(xué)定義
        3.2.3 貝葉斯網(wǎng)絡(luò)的構(gòu)成
    3.3 基于模糊集理論的貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)概率的確定
        3.3.1 專家語(yǔ)言描述的模糊數(shù)處理
        3.3.2 模糊數(shù)解模糊
        3.3.3 模糊集理論與貝葉斯網(wǎng)絡(luò)的關(guān)系
        3.3.4 基于模糊集理論的貝葉斯網(wǎng)絡(luò)的一般應(yīng)用步驟
    3.4 小結(jié)
第四章 非參數(shù)回歸方法在軌道交通短時(shí)客流預(yù)測(cè)中的應(yīng)用
    4.1 軌道交通短時(shí)客流預(yù)測(cè)概述
    4.2 軌道交通客流統(tǒng)計(jì)特征分析和分類樣本數(shù)據(jù)庫(kù)建立
        4.2.1 軌道交通客流統(tǒng)計(jì)特征分析
        4.2.2 基于軌道交通客流統(tǒng)計(jì)特征分析的分類樣本數(shù)據(jù)庫(kù)建立
    4.3 基于非參數(shù)回歸的軌道交通短時(shí)客流預(yù)測(cè)
        4.3.1 預(yù)測(cè)方法的評(píng)估
        4.3.2 K值的確定
        4.3.3 預(yù)測(cè)結(jié)果及分析
        4.3.4 方法對(duì)比
    4.4 小結(jié)
第五章 貝葉斯網(wǎng)絡(luò)在軌道交通大客流原因診斷中的應(yīng)用
    5.1 軌道交通大客流原因分析
    5.2 基于貝葉斯網(wǎng)絡(luò)的軌道交通大客流原因診斷
        5.2.1 構(gòu)建軌道交通大客流發(fā)生原因的貝葉斯網(wǎng)絡(luò)
        5.2.2 確定事件的先驗(yàn)概率或條件概率
        5.2.3 貝葉斯網(wǎng)絡(luò)推理
        5.2.4 大客流原因診斷
    5.3 小結(jié)
第六章 結(jié)論
致謝
參考文獻(xiàn)
攻讀碩士期間的研究成果



本文編號(hào)：3866163