微处理机
微處理機
미처리궤
MICROPROCESSORS
2014年
1期
76-79,84
,共5页
李威龙%范新南%李敏%郑併斌
李威龍%範新南%李敏%鄭併斌
리위룡%범신남%리민%정병빈
异常检测%迹轨分析%极限学习机
異常檢測%跡軌分析%極限學習機
이상검측%적궤분석%겁한학습궤
Outliers detection%Trajectory analysis%Extreme Learning Machine
针对现有异常轨迹检测中分类不平衡造成难以确定最优分类面的问题,提出一种基于加权极限学习机(ELM,Extreme Learning Machine)的异常轨迹检测算法.该算法采用加权ELM克服轨迹数据不平衡造成的分类面偏移,通过对正、负两类样本合理分配权重,并构造最优分类面获得较好的异常检测效果.仿真实验表明,加权ELM算法在训练速度,准确率,整体性能等方面均优于传统SVM和BP网络分类方法.
針對現有異常軌跡檢測中分類不平衡造成難以確定最優分類麵的問題,提齣一種基于加權極限學習機(ELM,Extreme Learning Machine)的異常軌跡檢測算法.該算法採用加權ELM剋服軌跡數據不平衡造成的分類麵偏移,通過對正、負兩類樣本閤理分配權重,併構造最優分類麵穫得較好的異常檢測效果.倣真實驗錶明,加權ELM算法在訓練速度,準確率,整體性能等方麵均優于傳統SVM和BP網絡分類方法.
침대현유이상궤적검측중분류불평형조성난이학정최우분류면적문제,제출일충기우가권겁한학습궤(ELM,Extreme Learning Machine)적이상궤적검측산법.해산법채용가권ELM극복궤적수거불평형조성적분류면편이,통과대정、부량류양본합리분배권중,병구조최우분류면획득교호적이상검측효과.방진실험표명,가권ELM산법재훈련속도,준학솔,정체성능등방면균우우전통SVM화BP망락분류방법.
