事件检测支持向量机模型与神经网络模型比较

• 作者: 覃频频
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 事件检测 支持向量机 概率神经网络 多层前向神经网络
• 年，卷（期）: 2006,（34）
• 所属期刊栏目: 工程与应用
• 页码范围: 214-217,232
• 页数: 5页
• 分类号: TP391
• 字数: 5362字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.34.067

摘要

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(linear function)、多项式(polynomial function)和径向基(radial basis function)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(MTrD)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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃频频	西南交通大学交通运输学院	30	215	9.0	14.0