计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2014年
3期
1051-1055
,共5页
BP神经网络%联合卡尔曼滤波%GARCH模型%可靠性%标准差
BP神經網絡%聯閤卡爾曼濾波%GARCH模型%可靠性%標準差
BP신경망락%연합잡이만려파%GARCH모형%가고성%표준차
BP neural network%federated Kalman filter%GARCH model%reliability%standard deviation
为研究浮动车数据和视频传感器数据的融合可靠性,基于金融学中时间序列的波动性思想,建立广义自回归条件异方差(GARCH)模型,分析融合误差的方差相关性,使用标准差作为融合可靠性的评判依据.分别采用BP神经网络算法和联合卡尔曼滤波算法融合浮动车速度和视频传感器速度,并分别比较经过两种算法融合后的数据与单一数据源数据.比较结果表明,与BP神经网络融合算法相比,基于联合卡尔曼滤波算法融合的多源异构交通速度更加可靠.
為研究浮動車數據和視頻傳感器數據的融閤可靠性,基于金融學中時間序列的波動性思想,建立廣義自迴歸條件異方差(GARCH)模型,分析融閤誤差的方差相關性,使用標準差作為融閤可靠性的評判依據.分彆採用BP神經網絡算法和聯閤卡爾曼濾波算法融閤浮動車速度和視頻傳感器速度,併分彆比較經過兩種算法融閤後的數據與單一數據源數據.比較結果錶明,與BP神經網絡融閤算法相比,基于聯閤卡爾曼濾波算法融閤的多源異構交通速度更加可靠.
위연구부동차수거화시빈전감기수거적융합가고성,기우금융학중시간서렬적파동성사상,건립엄의자회귀조건이방차(GARCH)모형,분석융합오차적방차상관성,사용표준차작위융합가고성적평판의거.분별채용BP신경망락산법화연합잡이만려파산법융합부동차속도화시빈전감기속도,병분별비교경과량충산법융합후적수거여단일수거원수거.비교결과표명,여BP신경망락융합산법상비,기우연합잡이만려파산법융합적다원이구교통속도경가가고.
