计算机时代
計算機時代
계산궤시대
COMPUTER ERA
2014年
4期
9-11,14
,共4页
SOM神经网络%网络训练%自适应%聚类
SOM神經網絡%網絡訓練%自適應%聚類
SOM신경망락%망락훈련%자괄응%취류
RFID采集的车辆信息可以识别营运车辆的运行规律,采用这种方法能找出运行规律类似营运车辆的私家车,并判定为疑似非法营运车辆.应用SOM神经网络聚类时,初始化网络需要设置各种参数.为此,提出一种自适应确定网络训练次数的方法,利用权值导数来判断是否停止训练.利用UCI数据集对传统的和改进后的网络进行测试并对比,发现改进后的网络优于传统网络.最后,将改进后的网络用在车辆运行规律识别中,得到预期的效果.
RFID採集的車輛信息可以識彆營運車輛的運行規律,採用這種方法能找齣運行規律類似營運車輛的私傢車,併判定為疑似非法營運車輛.應用SOM神經網絡聚類時,初始化網絡需要設置各種參數.為此,提齣一種自適應確定網絡訓練次數的方法,利用權值導數來判斷是否停止訓練.利用UCI數據集對傳統的和改進後的網絡進行測試併對比,髮現改進後的網絡優于傳統網絡.最後,將改進後的網絡用在車輛運行規律識彆中,得到預期的效果.
RFID채집적차량신식가이식별영운차량적운행규률,채용저충방법능조출운행규률유사영운차량적사가차,병판정위의사비법영운차량.응용SOM신경망락취류시,초시화망락수요설치각충삼수.위차,제출일충자괄응학정망락훈련차수적방법,이용권치도수래판단시부정지훈련.이용UCI수거집대전통적화개진후적망락진행측시병대비,발현개진후적망락우우전통망락.최후,장개진후적망락용재차량운행규률식별중,득도예기적효과.