排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
考虑到诸如金融危机等重大事件的影响,时间序列可能存在异常值,提出了一个基于局部异常因子(LOF)的LOF-SSA-LSSVM预测模型,并将其应用于广州港集装箱吞吐量预测.首先,对原始时间序列进行X12加法季节分解,对于分解得到的不规则序列,采用LOF算法进行异常值检测,确定异常数据的位置,之后通过插值或最小二乘支持向量机(LSSVM)的预测值来修正原始季节调整序列中的异常值,将修正后的季节调整序列与季节因子序列加和,即得到新的待预测序列.预测阶段,先采用奇异谱分析(SSA)将新的待预测序列进行分解重构,剔除序列中的噪声,然后再采用LSSVM对其进行预测.实证结果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有着更好的预测精度. 相似文献
3.
针对雾天条件下成像设备采集到的图像目标主体不清晰,细节信息不明显,可辨识度低等问题,提出了一种基于光幕约束和分段调整的图像去雾算法.首先将大气光幕的基本不等条件映射至正方形及其内切圆平面模型中,得到约束后的初始大气光幕;然后利用饱和度逼近构造粗糙大气光幕,以模糊无用的边缘信息,并通过梯度约束求取边缘代价对初始大气光幕进... 相似文献
4.
5.
将地方政府、网约车平台和司机看作一个监管系统,探讨三方博弈视角下的网约车监管问题。在无中央政府补贴的分散式决策、有中央政府补贴的分散式决策、局部联盟决策和集中式决策下,分别构建随机微分博弈模型,研究地方政府和网约车平台的最优监管努力程度、网约车司机的最优服务努力程度、网约车商誉的期望和方差、系统成员和系统的最优效益。结果表明:与无中央政府补贴的分散式决策相比,有中央政府补贴的分散式决策下,地方政府和网约车平台的最优监管努力程度、网约车司机的最优服务努力程度、网约车商誉的期望和方差、系统成员和系统的最优效益均提高;与有中央政府补贴的分散式决策相比,局部联盟决策下,地方政府的最优监管努力程度不变,网约车平台的最优监管努力程度、网约车司机的最优服务努力程度、网约车商誉的期望和方差、地方政府、局部联盟和系统的最优效益均提高;与局部联盟决策相比,集中式决策下,地方政府和网约车平台的最优监管努力程度、网约车司机的最优服务努力程度、网约车商誉的期望和方差、系统的最优效益均提高。 相似文献
1