10.3969/j.issn.1003-2843.2009.04.036
应用支持向量机的交通流状态预测方法研究
支持向量机(support vector machine, SVM)是近年来出现的立足于统计学习理论(statistical learning theory, SLT)的VC维理论和结构风险最小化原则基础上的机器学习方法, 在数据挖掘及分类中具有特点和优越性. 为了提高交通流状态预测的精度及效率, 研究支持向量机应用于数据泛化及分类的方法, 并建立模型, 在实测数据的基础上进行交通流状态的判定及预测. 实验结果表明该方法学习及预测速度快、效率高, 并且误差可控, 具有较高的精确度(本文中实例精度高于95%), 应用前景广泛.
支持向量机、交通流状态预测、交通工程、分类问题
35
TP391(计算技术、计算机技术)
2009-08-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
832-835