基于PCA和SVM的交通事件自动检测算法

• 作者: 武林芝 郑小花 陈淑燕
• 来源期刊: 科技与创新
• 关键词: 交通工程 事件自动检测 主成分分析 支持向量机 预处理
• 年，卷（期）: 2010,（13）
• 页码范围: 220-222
• 分类号: U491.3
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.13.091

摘要

支持向量机分类在处理高维的小样本学习问题上具有优异的表现,特别是具有很好的范化能力.然而其在处理一些高维的原始数据时维数会有冗余,那么样本的主要特征必须被首先选出来以改善支持向童机的性能.将主成分分析技术引入以减少原始样本的特征维数,并且预先有效地预选取主要的特征.在所选取的特征空间中构建支持向量机改善学习速度和检测性能.在对1-880高速公路事件数据的仿真结果表明,所提出的基于主成分分析的支持向童机减少了误警率和平均检测时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈淑燕	南京师范大学物理科学与技术学院	44	866	15.0	29.0
2	郑小花	南京师范大学物理科学与技术学院	3	24	2.0	3.0
3	武林芝	南京师范大学物理科学与技术学院	4	24	2.0	4.0