基于神经网络的交通流预测（SAEs、LSTM、GRU）。
数据来自 Caltrans 绩效测量系统 (PeMS)。数据是从跨越加利福尼亚州所有主要大都市地区的高速公路系统的各个探测器实时收集的。
运行以下命令来训练模型：
python train.py --model model_name
您可以选择“lstm”、“gru”或“saes”作为参数。.h5重量文件保存在模型文件夹中。
Requirement
Python 3.6
Tensorflow-gpu 1.5.0
Keras 2.1.3
scikit-learn 0.19
2022-05-03 19:03:53
14.38MB
目前主要的用于执行预测的模型都存储在此仓库中，主要包含一下的类型
SVR及GA_SVR
LSSVR及GA_LSSVR
KNN_GA_LSSVM
BP及BP_GA
绘制流量预测对比图
分时段交通流量预测精度图
分时段交通流量图
不同参数下的拟合分布图
2022-05-03 19:03:52
42.48MB
本项目是基于视频的车辆跟踪及流量统计，是一个可跟踪路面实时车辆通行状况，并逐帧记录不同行车道车流量数目的深度学习项目。
该项目对输入的视频进行处理，主要分为以下几个步骤：
使用YOLOV3模型进行目标检测
使用SORT算法进行目标追踪，使用卡尔曼滤波器进行目标位置预测，并利用匈牙利算法对比目标的相似度，完成车辆目标追踪
利用虚拟线圈的思想实现车辆目标的计数，完成车流量的统计
2022-05-03 19:03:45
16.12MB
抖音号搜索关键词流量获取方式：内容包括抖音搜索流量、数据化选词工具、关键词流量表、数据化选词工具、布局、优化实操、关键词排名权重以及关键词排名维护。解码抖音号搜索新方式,快速抢占信息差红利，学会精细化操纵抖店搜索,最大程度获取自然流量
视频大小：826M
2022-05-03 15:04:59
420B
安全技术-网络信息-智能优化算法及其在ATM网络流量控制中的应用研究.pdf
2022-05-03 13:00:35
3.06MB
最大信息熵原理已被成功地应用于各种自然语言处理领域,如机器翻译、语音识别和文本自动分类等,提出了将其应用于互联网异常流量的分类。由于最大信息熵模型利用二值特征函数来表达和处理符号特征,而KDD99数据集中存在多种连续型特征,因此采用基于信息熵的离散化方法对数据集进行预处理,并利用CFS算法选择合适的特征子集,形成训练数据集合。最后利用BLVM算法进行参数估计,得到满足最大熵约束的指数形式的概率模型。通过实验,比较了最大信息熵模型和Naive Bayes、Bayes Net、SVM与C4.5决策树方法之间的
2022-05-03 12:22:14
558KB
1