神经网络集成的城市道路状态判别模型研究

• 作者: 曹元大 李春英 汤志康
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 全局K-均值聚类 概率神经网络 主成分分析 神经网络集成
• 年，卷（期）: 2011,（15）
• 所属期刊栏目: 工程与应用
• 页码范围: 225-228
• 分类号: TP39
• 字数: 5073字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.15.061

摘要

针对城市道路交通状态影响因素多、判别难的特点,在分析K-均值聚类算法和概率神经网络(PNN)的基础上,利用多源检测信息的互补性,提出一种基于快速全局聚类分析的概率神经网络集成模型,通过聚类提高集成网络间的差异度,同时利用主成分分析(PCA)优化概率神经网络结构,仿真实验表明该模型与传统的集成方法Bagging相比,能够利用更简单的网络结构,快速有效地识别出城市道路交通状态,为交通预警和诱导策略的制定提供数据依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹元大	北京理工大学计算机学院	216	2739	26.0	41.0
2	李春英	肇庆学院计算机学院	10	92	4.0	9.0
3	汤志康	广东技术师范学院计算机学院	17	116	6.0	10.0