針對傳統(tǒng)模糊C均值（FCM）算法中聚類數(shù)目和模糊度指數(shù)由先驗知識人為確定而影響聚類結果精度的問題,提出一種改進FCM的交通流缺失數(shù)據(jù)修復方法。首先根據(jù)模糊決策理論,使用FCM目標函數(shù)和劃分熵共同確定最優(yōu)模糊度指數(shù);其次利用模擬退火算法優(yōu)化FCM的聚類數(shù)目;最后結合交通流數(shù)據(jù)的時空相關性提升修復效果。以美國加州運輸局運行監(jiān)測系統(tǒng)提供的高速公路交通數(shù)據(jù)為研究對象,實驗結果表明:該方法克服了傳統(tǒng)FCM算法全局搜索能力不足的問題,與傳統(tǒng)FCM算法相比,其均方根誤差降低了約30%。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(10)

【文章頁數(shù)】：4 頁

【部分圖文】：

基于FCM的缺失數(shù)據(jù)修復過程

由圖2、圖3可得知，本文提出的方法修復值與真實值之間擬合良好，整體的相對誤差低于2%。但最大相對誤差為0.23，說明改進的FCM算法對于個別數(shù)據(jù)的修復還有局限性。總體來說，采用改進的FCM算法能更好地修復缺失數(shù)據(jù)，而且修復結果精度較高。圖3 真實值與修復值的相對誤差

真實值與修復值的相對誤差

【參考文獻】：
期刊論文
[1]交通流缺失數(shù)據(jù)處理方法比較分析[J]. 孟鴻程,陳淑燕.  交通信息與安全. 2018(02)
[2]動態(tài)交通數(shù)據(jù)異常值的實時篩選與恢復方法[J]. 徐程,曲昭偉,陶鵬飛,金盛.  哈爾濱工程大學學報. 2016(02)
[3]模擬退火優(yōu)化FCM聚類高光譜圖像壓縮研究[J]. 趙學軍,王曉娟,于凱敏,喬旭.  北京郵電大學學報. 2015(05)
[4]基于S-G濾波的交通流故障數(shù)據(jù)識別與修復算法[J]. 陸化普,屈聞聰,孫智源.  土木工程學報. 2015(05)
[5]基于自適應模糊度參數(shù)選擇改進FCM算法的負荷分類[J]. 周開樂,楊善林,王曉佳,陳志強.  系統(tǒng)工程理論與實踐. 2014(05)
[6]基于模擬退火的樣本加權FCM算法[J]. 段林珊,劉培玉,謝方方.  計算機工程與設計. 2013(06)
[7]基于灰色殘差GM（1,N）模型的交通流數(shù)據(jù)恢復算法[J]. 郭敏,藍金輝,李娟娟,林宗術,孫新榮.  交通運輸系統(tǒng)工程與信息. 2012(01)
[8]考慮時空相關性的固定檢測缺失數(shù)據(jù)重構算法[J]. 孫玲,劉浩,牛樹云.  交通運輸工程學報. 2010(05)
[9]模糊c-均值聚類算法中加權指數(shù)m的研究[J]. 高新波,裴繼紅,謝維信.  電子學報. 2000(04)

博士論文
[1]基于機器學習的交通狀態(tài)判別與預測方法研究[D]. 商強.吉林大學 2017

碩士論文
[1]城市快速路交通流數(shù)據(jù)修復方法研究[D]. 金逸文.上海交通大學 2008



本文編號：2963421