摘要
本发明提出了一种基于子超图和自蒸馏的交通预测方法。本发明首先根据不同的交通特征对整个数据进行聚类来构建子超图。随后,利用这些子超图构建教师网络,提取数据中蕴含的不同属性特征。同时,基于整体数据和交通道路拓扑结构构建学生网络,学习交通路网的全局结构特征。最后,利用自蒸馏方法将教师网络学习到的数据特征迁移到学生网络的训练过程中,得到最终的预测结果。本发明在几个真实世界交通数据集上进行了评估。实验结果证明了本发明的有效性,减小了预测误差。
技术关键词
教师
网络
交通预测方法
节点
交通流
交通数据预测方法
蒸馏
学生
拉普拉斯
矩阵
K均值聚类算法
拓扑结构特征
卷积模块
预测误差
建立预测模型
定义
超图理论
K近邻算法
系统为您推荐了相关专利信息
Excel模板
表单
孪生神经网络
生成方法
表格
多模态生物特征
图像分割网络
传输方法
特征提取网络
密钥
机器翻译方法
文本
关系型数据库
字词
大语言模型