共查询到15条相似文献,搜索用时 187 毫秒
1.
提出一种基于Adaboost集成RBF神经网络的高速公路事件检测方法。首先对高速公路事件检测原理进行分析,进行了相关的参数选择,确定了RBF神经网络的结构,然后采用改进的Adaboost方法集成RBF神经网络进行高速公路事件检测并给出了事件检测算法的步骤,最后进行了仿真实验,实验结果表明,该方法可以明显提高RBF神经网络性能(高检测率、低误报率),且具有较强的泛化能力,适宜高速公路事件检测。 相似文献
2.
阐述Adaboost方法原理及算法,提出采用Adaboost方法结合神经网络算法进行高速公路事件检测,给出了基于Adaboost方法的事件检测算法。该算法可以明显提升神经网络算法性能,适合进行高速公路事件检测,仿真实验结果表明了该算法的有效性和可行性。 相似文献
3.
本文介绍Adaboost方法的基本原理及算法;阐述了高速公路事件检测原理并进行了参数选择,确定了神经网络的结构,提出利用Adaboost方法进行高速公路事件检测并给出了该方法事件检测的算法步骤,最后进行了仿真实验。实验结果表明,该算法可以大大提高弱分类算法的性能,具有较高的检测率和较低的误报率,适于高速公路事件检测。 相似文献
4.
针对目前高速公路事件检测算法存在的局限性,提出基于粗糙集理论和支持向量机的高速公路事件检测算法。在介绍粗糙集理论和支持向量机原理的基础上,给出了检测算法的实现方法,并用Matlab对多种算法进行了仿真和性能对比。仿真结果表明,基于粗糙集理论和支持向量机的事件检测算法具有检测准确率高,训练时间短,泛化能力好等优点,具有良好的应用前景。 相似文献
5.
6.
基于概率神经网络的入侵检测技术 总被引:5,自引:0,他引:5
提出一种基于概率神经网络的高效入侵检测技术。对网络数据处理、概率神经网络的训练与检测及其算法进行分析。在网络训练中,提出一种基于实验数据选择概率神经网络关键参数的方法,分析该方法的可行性。实验表明通过此方法能使入侵检测系统具有更高的检测精度和效率。 相似文献
7.
8.
朱红斌 《计算机工程与应用》2008,44(34):213-215
提出一种基于LVQ神经网络的交通事件检测方法。提取上下游的流量和占有率为特征,LVQ神经网络作为分类器进行交通事件自动检测。LVQ网络结构简单,但却表现出比BP神经网络更强的有效性和鲁棒性。为进一步提高神经网络的泛化能力,采用改进的Boosting算法,进行网络集成。运用Matlab 进行了仿真分析,结果表明提出的交通事件检测算法具有良好的检测性能。 相似文献
9.
针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,提出了一种基于改进的Adaboost算法的交通事件检测方法。阐述了Kohonen神经网络的结构与训练算法,分析了事件对交通流的影响规律,并合理地选取了Kohonen神经网络的输入量;最后采用改进的Adaboost算法对分类结果进行加权投票。仿真实验表明,提出的方法学习速度快、泛化能力好,对交通事件具有较好的检测效果。 相似文献
10.
针对高速公路交通这个复杂的非线性系统,提出一种基于对向传播网络的交通事件检测算法。阐述了对向传播网络的结构和学习算法,给出了事件检测的依据,并合理地选择了网络的输入参数,用高速公路管理部门提供的样本数据进行了仿真研究。仿真结果表明,该事件检测算法具有学习速度快、泛化能力好、检测准确率高、平均检测时间短等优点,具有良好的应用前景。 相似文献
11.
基于支持向量机的高速公路事件检测 总被引:1,自引:4,他引:1
提出用支持向量机分类方法研究高速公路事件检测问题。阐述了支持向量机分类算法,根据交通事件对交通流参数的影响规律选择了支持向量机的输入量,用高速公路管理处提供的样本数据进行了仿真研究。仿真实验表明,支持向量机事件检测算法具有检测准确率高、训练时间短、泛化能力好等优点,它为事件检测提供了一种切实可行的新思路。 相似文献
12.
事件检测支持向量机模型与神经网络模型比较 总被引:1,自引:0,他引:1
覃频频 《计算机工程与应用》2006,42(34):214-217,232
针对交通领域中的事件检测(无事件模式和有事件模式)模式识别问题,描述了支持向量机(SVM)的基本方法,建立了基于线性(linearfunction)、多项式(polynomialfunction)和径向基(radialbasisfunction)3种核函数的事件检测SVM模型,并与PNN、MLF模型进行了理论比较。采用I-880线圈数据集和事件数据集建立并验证SVM、PNN和MLF模型,结果发现:无论对于向北、向南或混合方向的事件检测,SVM模型的检测率(DR)、误报率(FAR)和平均检测时间(MTTD)指标均比MLF模型好;PNN模型的DR比SVM(P)模型的高,但FAR和MTTD指标不比SVM(P)模型好;在3个SVM模型中,SVM(P)检测效果最好,SVM(L)最差。SVM算法与神经网络算法相比具有避免局部最小,实现全局最优化,更好的泛化效果的优点,是高速公路事件检测的一种很有潜力的算法。 相似文献
13.
根据高速公路有事件发生时交通流将产生突变这一原理,提出一种基于小波变换和最小二乘支持向量机的事件自动检测算法。首先用小波变换提取特征数据,然后用最小二乘支持向量机进行分类,仿真实验表明该算法具有检测时间短、检测率高和误报率低的优点,它为事件检测提供了一种切实可行的新思路。 相似文献
14.
15.
Classification of freeway traffic patterns for incident detectionusing constructive probabilistic neural networks 总被引:1,自引:0,他引:1
This paper proposes a new technique for freeway incident detection using a constructive probabilistic neural network (CPNN). The CPNN incorporates a clustering technique with an automated training process. The work reported in this paper was conducted on Ayer Rajah Expressway (AYE) in Singapore for incident detection model development, and subsequently on I-880 freeway in California, for model adaptation. The model developed achieved incident detection performance of 92% detection rate and 0.81% false alarm rate on AYE, and 91.30% detection rate and 0.27% false alarm rate on I-880 freeway using the proposed adaptation method. In addition to its superior performance, the network pruning method employed facilitated model size reduction by a factor of 11 compared to a conventional probabilistic neural network. A more impressive size reduction by a factor of 50 was achieved after the model was adapted for the new site. The results from this paper suggest that CPNN is a better adaptive classifier for incident detection problem with a changing site traffic environment. 相似文献