基于KPCA与SVM的混合核交通流数据检测

被引：6

作者：

刘剑

刘丽华

赵悦

机构：

[1] 沈阳建筑大学信息与控制工程学院

来源：

沈阳建筑大学学报(自然科学版) | 2018年 / 34卷 / 05期

关键词：

模式识别; 核主成分分析; SVM; 混合核; 多轿厢电梯;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

081102 [检测技术与自动化装置];

摘要：

目的针对当前交通流数据识别问题,提出基于KPCA与SVM的混合核交通流数据识别算法,以提高交通流数据识别准确率.方法运用KPCA对数据进行预处理,采用SVM训练分类模型,利用所训练的模型进行识别;以多轿厢电梯交通状态为对象,分别从交通流数据识别分析和仿真实验两方面对所提方法的可行性与精确性进行验证.结果通过与SVM算法、BP神经网络算法进行对比,表明所提方法具有很强的通用性,能有效地预测出交通流,交通流数据识别的准确率达到97. 2%.结论笔者提出的基于KPCA与SVM的混合核交通流数据识别算法可以提高交通流数据识别的准确率,通用性较高,可以实现对目标的实时检测.

引用

页码：921 / 928

页数：8

共 18 条

[1]

A hybrid intelligent multi-fault detection method for rotating machinery based on RSGWPT; KPCA and Twin SVM.[J].Zhiwen Liu;Wei Guo;Jinhai Hu;Wensheng Ma.ISA Transactions.2017,

[2]

Recent advances on SVM based fault diagnosis and process monitoring in complicated industrial processes.[J].Zuyu Yin;Jian Hou.Neurocomputing.2016,

[3]

Estimation and generation of training patterns for control chart pattern recognition.[J].Hector De la Torre Gutierrez;D.T. Pham.Computers & Industrial Engineering.2016,

[4]

Pattern Recognition of Chatter Gestation Based on Hybrid PCA-SVM.[J].Shao Qiang;Feng Chang Jian.Applied Mechanics and Materials.2012, 120

[5]

Pattern Recognition of Group Control Object Based on Fuzzy Neural Network.[J].Li Huo You;Li Jian Jun;Li Jian Yang.Applied Mechanics and Materials.2010, 29

[6]

基于KPCA和投影字典对学习的人脸识别算法 [J].