基于PCA和SVM的交通事件自动检测算法

摘要：

支持向量机分类在处理高维的小样本学习问题上具有优异的表现,特别是具有很好的范化能力.然而其在处理一些高维的原始数据时维数会有冗余,那么样本的主要特征必须被首先选出来以改善支持向童机的性能.将主成分分析技术引入以减少原始样本的特征维数,并且预先有效地预选取主要的特征.在所选取的特征空间中构建支持向量机改善学习速度和检测性能.在对1-880高速公路事件数据的仿真结果表明,所提出的基于主成分分析的支持向童机减少了误警率和平均检测时间.

关键词：交通工程、事件自动检测、主成分分析、支持向量机、预处理

所属期刊栏目：26

分类号：U491.3(交通工程与公路运输技术管理)

资助基金：基金申请人:陈淑燕;项目名称:交通事件自动检测及清理时间预测模型研究;基金颁发部门:江苏省教委08KJB580004

在线出版日期：2014-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：220-222