10.3969/j.issn.1008-6609.2016.08.024
几种不同的方法在GPS大数据探查中的应用分析
GPS定位系统对车辆的运行调控以及拥堵性分析具有重要意义。但定时采样的GPS数据难免存在坏点的情况,而坏点的存在对分析结果容易产生较大错误,从而影响交通管理决策。本文通过高斯混合模型、K-均值聚类分析以及SOM自组织神经网络三种方法完成对原始数据时间段划分、字段提取以及坏值清理的操作。这三种方法主要用于对数据进行聚类分析,根据分析结果识别孤立点从而进行清理。结果显示,高斯聚类与K-均值聚类算法的坏点识别精度小于SOM自组织神经网络,但前两种算法的运行效率较后者高。
坏点、GPS、模型处理、神经网络
TP311.13(计算技术、计算机技术)
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共3页
74-76