城市交通狀態(tài)識別是智能交通控制、誘導和協(xié)同系統(tǒng)的基礎。為提高支持向量機（support vector machine,SVM）在城市交通狀態(tài)識別研究方面的泛化能力,將遺傳算法（genetic algorithm,GA）與支持向量機相結(jié)合,利用遺傳算法全局搜索優(yōu)勢對支持向量機的關鍵參數(shù)——懲罰系數(shù)C和核函數(shù)參數(shù)σ進行優(yōu)化,建立基于遺傳算法優(yōu)化支持向量機（GA-SVM）的城市交通狀態(tài)識別模型,并在MATLAB平臺下進行實例驗證。研究結(jié)果表明:相較于SVM模型,GA-SVM模型克服了依靠經(jīng)驗確定參數(shù)方法的缺點,識別精度提高3.75%,即模型可更好地識別城市交通狀態(tài)。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 支持向量機
    1.1 支持向量機分類理論
    1.2 支持向量機參數(shù)對其性能的影響
2 GA-SVM交通狀態(tài)識別模型
    2.1 城市道路交通狀態(tài)分類理論和方法
    2.2 遺傳算法優(yōu)化SVM參數(shù)
    2.3 GA-SVM模型
3 MATLAB實驗分析
    3.1 數(shù)據(jù)采集與處理
    3.2 仿真分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于支持向量機和遺傳算法的變壓器故障診斷[J]. 吐松江·卡日,高文勝,張紫薇,莫文雄,王紅斌,崔屹平.  清華大學學報(自然科學版). 2018(07)
[2]基于云-支持向量機的道路交通擁擠預警模型[J]. 廖瑞輝,周晶.  系統(tǒng)工程. 2015(04)
[3]基于模糊C均值聚類的城市道路交通狀態(tài)判別[J]. 黃艷國,許倫輝,鄺先驗.  重慶交通大學學報(自然科學版). 2015(02)
[4]交通狀態(tài)劃分的參數(shù)權重聚類方法研究[J]. 張亮亮,賈元華,牛忠海,廖成.  交通運輸系統(tǒng)工程與信息. 2014(06)
[5]基于支持向量機的城市道路交通狀態(tài)模式識別研究[J]. 于榮,王國祥,鄭繼媛,王海燕.  交通運輸系統(tǒng)工程與信息. 2013(01)
[6]基于BP神經(jīng)網(wǎng)絡的道路交通狀態(tài)判別方法研究[J]. 巫威眺,靳文舟,林培群.  交通信息與安全. 2011(04)
[7]基于遺傳動態(tài)模糊聚類的道路交通狀態(tài)判定方法[J]. 任其亮,謝小淞.  交通運輸工程與信息學報. 2007(03)
[8]基于環(huán)形線圈檢測器采集信息的交通狀態(tài)分類方法應用研究[J]. 皮曉亮,王正,韓皓,孫亞.  公路交通科技. 2006(04)



本文編號：3654548