低碳世界
低碳世界
저탄세계
Low Carbon World
2015年
27期
246-247
,共2页
批处理增量学习的Lagrange支持向量机%移动瓶颈%固定检测器%自动判别
批處理增量學習的Lagrange支持嚮量機%移動瓶頸%固定檢測器%自動判彆
비처리증량학습적Lagrange지지향량궤%이동병경%고정검측기%자동판별
依据固定检测器数据采集的特点和交通流特性,选取速度、时间占有率、流量、流量差与速度差之积等四个参数为交通状态的特征向量,构建批处理增量学习的Lagrange支持向量机的移动瓶颈发生判别算法.试验表明,相对于加利福尼亚算法、McMaster算法、模糊数学算法等经典判别算法和神经网络算法、支持向量机算法等人工智能算法,批处理增量学习的Lagrange支持向量机模型对移动瓶颈判断的有效性和可移植性等效果均有明显提高.
依據固定檢測器數據採集的特點和交通流特性,選取速度、時間佔有率、流量、流量差與速度差之積等四箇參數為交通狀態的特徵嚮量,構建批處理增量學習的Lagrange支持嚮量機的移動瓶頸髮生判彆算法.試驗錶明,相對于加利福尼亞算法、McMaster算法、模糊數學算法等經典判彆算法和神經網絡算法、支持嚮量機算法等人工智能算法,批處理增量學習的Lagrange支持嚮量機模型對移動瓶頸判斷的有效性和可移植性等效果均有明顯提高.
의거고정검측기수거채집적특점화교통류특성,선취속도、시간점유솔、류량、류량차여속도차지적등사개삼수위교통상태적특정향량,구건비처리증량학습적Lagrange지지향량궤적이동병경발생판별산법.시험표명,상대우가리복니아산법、McMaster산법、모호수학산법등경전판별산법화신경망락산법、지지향량궤산법등인공지능산법,비처리증량학습적Lagrange지지향량궤모형대이동병경판단적유효성화가이식성등효과균유명현제고.
