短时交通信息智能预测理论及方法

　　《短时交通信息智能预测理论及方法》从交通信息预测的研究意义、基本理论及分类等基本背景知识入手，介绍了作者王扬、陈艳艳在交通数据的异常值祛除、噪声抑制及缺失数据填补等预处理方法上的研究成果，对基于不确定性理论的一些预测模型进行了比较研究，并在此基础之上提出了两种基于非监督学习方法的单步智能预测模型，在《短时交通信息智能预测理论及方法》最后着重介绍了作者在多步预测方面的研究成果，并结合实验研究论证了五种多步预测新方法的有效性。《短时交通信息智能预测理论及方法》可供同行学者参考阅读，也可作为参考书供相关专业研究生学习。

暂缺《短时交通信息智能预测理论及方法》作者简介

第1章 绪论
1．1 交通信息预测研究的意义
1．2 交通信息预测的基本理论
1．3 交通信息预测的分类
1．4 短时交通信息预测的意义
第2章 数据预处理
2．1 数据预处理概述
2．2 异常数据祛除
2．3 噪声抑制
2．4 缺失数据的填补
第3章 模糊理论基础
3．1 真实世界的模糊性
3．2 模糊集合
3．3 模糊规则
3．4 模糊推理基础
3．5 模糊推理系统
3．6 基于聚类的模糊推理系统辨识方法
第4章 预测效果检验及性能评价
4．1 评价内容
4．2 验证方法
4．3 评价指标
4．4 混沌时间序列对比分析
第5章 Mamdani和Sugeno模糊推理系统在交通信息预测中的比较
5．1 相关研究概述
5．2 被试模糊推理系统概述
5．3 预测性能比较
第6章 基于局部近似隶属函数模糊聚类的模糊单步预测方法
6．1 预测方法概述
6．2 基于局部近似隶属函数模糊聚类算法
6．3 基于局部隶属函数模糊聚类的参数及规则确定方法
6．4 仿真实例
第7章 基于高斯混合模型的模糊单步预测方法
7．1 预测方法概述
7．2 输入变量选择
7．3 基于最近邻聚类及高斯混合模型的参数和规则确定方法
7．4 仿真实例
第8章 多步模糊预测方法
8．1 直接多步模糊预测方法
8．2 循环多步模糊预测方法
8．3 组合多步预测方法
8．4 基于偏差序列的多步模糊预测方法
8．5 基于偏差累加序列的多步模糊预测方法
8．6 多步预测方法对比分析
参考文献