10.3969/j.issn.1002-2279.2014.01.021
基于加权极限学习机的异常轨迹检测算法
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.
异常检测、迹轨分析、极限学习机
35
TP391(计算技术、计算机技术)
2014-04-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
76-79,84