几种不同的方法在GPS大数据探查中的应用分析

• 作者: 刘汝涛 刘鑫 张驰
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: 坏点 GPS 模型处理 神经网络
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 学术探讨 -- 【应用技术与研究】
• 页码范围: 74-76
• 页数: 3页
• 分类号: TP311.13
• 字数: 2812字
• 语种: 中文

摘要

GPS定位系统对车辆的运行调控以及拥堵性分析具有重要意义。但定时采样的GPS数据难免存在坏点的情况，而坏点的存在对分析结果容易产生较大错误，从而影响交通管理决策。本文通过高斯混合模型、K-均值聚类分析以及SOM自组织神经网络三种方法完成对原始数据时间段划分、字段提取以及坏值清理的操作。这三种方法主要用于对数据进行聚类分析，根据分析结果识别孤立点从而进行清理。结果显示，高斯聚类与K-均值聚类算法的坏点识别精度小于SOM自组织神经网络，但前两种算法的运行效率较后者高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘鑫	山东科技大学测绘科学与工程学院	7	20	3.0	4.0
2	张驰	山东科技大学测绘科学与工程学院	1	0	0.0	0.0
3	刘汝涛	山东科技大学测绘科学与工程学院	13	20	3.0	3.0