《北京交通大学学报杂志》（CN：11-5224/C）是经国家新闻出版总署批准，由中华人民共和国教育部主管,中华人民共和国教育部主办的大型季刊，面向国内外公开征文发行。《北京交通大学学报杂志》期刊收录于：国家图书馆馆藏 维普收录(中) 北大期刊(中国人文社会科学期刊) 上海图书馆馆藏 知网收录(中) CSSCI 南大期刊(含扩展版) 万方收录(中) 统计源期刊(中国科技论文优秀期刊),北京交通大学学报杂志一直致力于在各个学科领域里提供最新、最权威的学术研究成果，颇受业界和广大科研工作者的关注和好评。

1.来稿应具有科学性、实践性、逻辑性、先进性，要求材料可靠、论点鲜明、条理清晰、简明扼要、文字精炼、数据准确、图表清晰。内容符合《保密法》规定，在政治和涉外问题上应符合国家有关政策，文责自负。论文必须包括：中英文题名、作者姓名、作者单位及邮政编码、中英文摘要及关键词、正文和参考文献、第一作者简介（姓名、出生年、性别、民族、籍贯、职称、学位、研究方向），如系基金资助项目请注明基金名称及编号。

2.题名应简短，一般不宜超过20个汉字，英文题名不超过10个实词，英文题名应与中文题名含义一致。题名应避免使用非公知公用的缩写词、字符、代号、简称以及商品名称。

3.摘要要反映论文的目的、方法、结果和结论，应具有独立性和自明性，字数为120～300字，采用第三人称表述。

4.关键词应能准确反映论文主题内容，尽量选用《汉语主题词表》中的规范词，一般为3～8个。

5.文中图表应具有自明性，切忌与文字表述重复。图要有图序、图题和必要的图注，图中文字为6号宋体字。表尽量用三线表，有表序、表题。

6.量和单位应严格执行GB 3100～3102—93有关规定。

7.参考文献应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献（学位论文除外），并在文中引用处注明，采用顺序编码制，著录格式应符合国标（GB/T 7714—2015）的规定。

8.文稿应在Word系统中编辑， 纸型为A4， 页边距2  cm，使用5号宋体字， 正文部分采用层次标题并用阿拉伯数字连续编号，不同层次之间用下圆点“．”，如“1”、“1.1”、“1.1.1”等。

9.本刊只接受在线投稿方式，编辑部有权对录用稿件作技术性和文字性修改。本刊对来稿概不退还，在3个月内未接到本刊录用通知者，可自行处理。来稿一经刊登，本刊将酌致稿酬，并赠送当期刊物。

年度被引次数报告 (学术成果产出及被引变化趋势)

• 基于弱关联频繁模式的超限行为挖掘优化

  目前采用博弈分析和流量预测等模型,对未来时间段道路网货运车辆超限行为进行提前识 别, 取得定的检测效果, 但对具有时空动态性和迁移性的超限车辆分布挖掘仍具有局限性.根据 道路网超限车辆数据特点,提出种基于弱关联频繁模式的超限行为的挖掘优化算法,该算法采用 空间弱关联频繁模式构建的超限频繁模式树,建立时间弱关联的状态转移模型,得到...

  作者：万芳; 胡东辉 刊期： 2018年第02期

• 双目视觉的原木径级快速检测算法

  针对成捆原木自动化检尺中原木端面径级检测的关键问题,采用双目立体视觉及图像分割 的原理,完成原木径级的快速三维测量.根据原木的直方图特征,提出基于最大熵阈值分割的区域 标识算法,设定动态阈值,实现对原木端面与背景的精确分割.将提取的左右图像中原木端面边缘,借助 ORB （OrientedFASTandRotatedBRIEF ）特征点检测方法, 与极线几何理论...

  作者：陈广华; 张强; 陈梅倩; 李建伟; 尹怀永 刊期： 2018年第02期

• 一种局部属性加权朴素贝叶斯分类算法

  一朴素贝叶斯模型具有的简单性和有效性,使其在诸多问题领域表现出优良的性能,但其属 性条件独立性假设在实际应用中难以成立.而属性加权是降低属性条件独立性假设对分类器性能 影响的主要途径.传统建立在整个数据集上的全局模型忽略了每个测试实例所具有的特点,同 时从整个训练集上学习到的属性权重并不能准确反映每个属性对待分类实例的影响....

  作者：张伟; 王志海; 原继东; 刘海洋 刊期： 2018年第02期

• 基于GBDT的商品分配层次化预测模型

  商品预测是使用以往商品信息去估计和推断未来商品的销售趋势,并以此作为对商品进行 合理调配与规划的依据.为实现对商品销售的精确预测,在 GBDT基础上,提出了一种层次化集成 预测模型（HGBDT）.针对数据表征的高维问题, 基于 Bagging思想, 在特征空间构建了该模型, 实 现对商品的有效描述,以此提高预测模型的性能与泛化能力.在开放数据库上的实...

  作者：朱振峰; 汤静远; 常冬霞; 赵耀 刊期： 2018年第02期

• 基于深度时空卷积网络的民航需求预测

  在线机票预订网站上的用户查询量变化是真实的民航市场需求变化的反映.通过对机票查 询数据进行分析,可以准确地預测航班需求,以利于民航业做出快速的市场反应.提出了一种基于 深度时空卷积神经网络的民航需求预测模型（DSTCN - FRP）,将用户查询量时间序列数据转换成 航线网格图,设计多层卷积神经网络来捕捉用户需求与查询数据之间的时间和空间...

  作者：林友芳; 康友隐; 万怀宇; 吴丽娜; 张宇翔 刊期： 2018年第02期