排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
2.
3.
4.
针对城市轨道交通车站服务质量评价体系不够完善和指标赋权方法较单一的现状,结合当前乘客消费理念及出行习惯,构建基于乘客感知的初始评价指标体系。应用改进粒子群算法(IPSO)与极端梯度提升树(XGB)的混合算法IPSO-XGB计算各指标权重,结合乘客满意度,形成IPA矩阵,得到最终的评价结果,并进一步精简评价指标体系。以长沙地铁五一广场站为例,用分类误差率衡量算法优劣,对车站服务质量进行评价,并将其结果与分类回归树、神经网络等评价算法进行对比。研究结果表明:本文提出的IPSO-XGB评价算法的分类误差率最小,可降至3.85%。 相似文献
5.
6.
为提高中欧班列出口需求量的预测精度,提出将改进粒子群算法(IPSO)与胶囊神经网络(Capsule-NN)相结合的预测模型(IPSO-Capsule-NN)。与全连接神经网络不同,胶囊神经网络通过动态路由算法增强了模型的拟合能力和泛化能力。利用改进粒子群算法优化胶囊神经网络的神经元数量、迭代次数以及学习率,以克服人为设定模型参数随机性较大导致模型精确度不高的不足之处。此外,针对标准粒子群算法存在的缺点,提出一种非线性递减惯性权重并引入Levy飞行对粒子群算法的全局寻优能力和收敛速度进行优化。将采用spearman秩相关性分析得到的11个因素作为中欧班列出口需求量的影响因素并对其进行预测,结果表明:胶囊神经网络具有2层隐含层时,IPSO-Capsule-NN模型预测精度更高。 相似文献
7.
8.
9.
1