基于IPOS-SVM的大学生出行方式识别研究

摘要：

依据在校大学生的出行特征,确定7种出行特征变量,选择大学生的常用6种出行方式(步行、自行车、电动车、校园公交、公交车和出租车).利用改进粒子群优化支持向量机(IPSO-SVM)对选择的出行方式进行识别,使用IPSO来优化SVM的参数,给出大学生出行识别方法.实验结果表明,该方法平均识别精度为94.22％,在大学生出行方式识别精度方面优于BP神经网络、决策树、支持向量机和粒子群优化支持向量机.

关键词：支持向量机、改进粒子群、特征变量、出行方式、智能手机

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：教育部人文社会科学研究项目11YJA630152;江苏省“六大人才高峰”项目2015-JY-025

在线出版日期：2018-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：193-198