基于IPOS-SVM的大学生出行方式识别研究

• 作者: 吴麟麟 景鹏 杨彪
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量机 改进粒子群 特征变量 出行方式 智能手机
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 193-198
• 页数: 6页
• 分类号: TP391
• 字数: 5017字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.01.033

摘要

依据在校大学生的出行特征,确定7种出行特征变量,选择大学生的常用6种出行方式(步行、自行车、电动车、校园公交、公交车和出租车).利用改进粒子群优化支持向量机(IPSO-SVM)对选择的出行方式进行识别,使用IPSO来优化SVM的参数,给出大学生出行识别方法.实验结果表明,该方法平均识别精度为94.22％,在大学生出行方式识别精度方面优于BP神经网络、决策树、支持向量机和粒子群优化支持向量机.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴麟麟	江苏大学汽车与交通工程学院	25	236	7.0	15.0
2	景鹏	江苏大学汽车与交通工程学院	25	121	6.0	10.0
3	杨彪	江苏大学汽车与交通工程学院	1	4	1.0	1.0