城市交通狀態(tài)識(shí)別是智能交通控制、誘導(dǎo)和協(xié)同系統(tǒng)的基礎(chǔ)。為提高支持向量機(jī)（support vector machine,SVM）在城市交通狀態(tài)識(shí)別研究方面的泛化能力,將遺傳算法（genetic algorithm,GA）與支持向量機(jī)相結(jié)合,利用遺傳算法全局搜索優(yōu)勢(shì)對(duì)支持向量機(jī)的關(guān)鍵參數(shù)——懲罰系數(shù)C和核函數(shù)參數(shù)σ進(jìn)行優(yōu)化,建立基于遺傳算法優(yōu)化支持向量機(jī)（GA-SVM）的城市交通狀態(tài)識(shí)別模型,并在MATLAB平臺(tái)下進(jìn)行實(shí)例驗(yàn)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(yàn)確定參數(shù)方法的缺點(diǎn),識(shí)別精度提高3.75%,即模型可更好地識(shí)別城市交通狀態(tài)。 

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 支持向量機(jī)
    1.1 支持向量機(jī)分類(lèi)理論
    1.2 支持向量機(jī)參數(shù)對(duì)其性能的影響
2 GA-SVM交通狀態(tài)識(shí)別模型
    2.1 城市道路交通狀態(tài)分類(lèi)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(shí)驗(yàn)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(xiàn)】：
期刊論文
[1]基于支持向量機(jī)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(xué)學(xué)報(bào)(自然科學(xué)版). 2018(07)
[2]基于云-支持向量機(jī)的道路交通擁擠預(yù)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(lèi)的城市道路交通狀態(tài)判別[J]. 黃艷國(guó),許倫輝,鄺先驗(yàn).  重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[4]交通狀態(tài)劃分的參數(shù)權(quán)重聚類(lèi)方法研究[J]. 張亮亮,賈元華,牛忠海,廖成.  交通運(yùn)輸系統(tǒng)工程與信息. 2014(06)
[5]基于支持向量機(jī)的城市道路交通狀態(tài)模式識(shí)別研究[J]. 于榮,王國(guó)祥,鄭繼媛,王海燕.  交通運(yùn)輸系統(tǒng)工程與信息. 2013(01)
[6]基于BP神經(jīng)網(wǎng)絡(luò)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(dòng)態(tài)模糊聚類(lèi)的道路交通狀態(tài)判定方法[J]. 任其亮,謝小淞.  交通運(yùn)輸工程與信息學(xué)報(bào). 2007(03)
[8]基于環(huán)形線圈檢測(cè)器采集信息的交通狀態(tài)分類(lèi)方法應(yīng)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(hào)：3654548