文献

J-GLOBAL ID：201702279202606880   整理番号：17A1265549

PCA GA SVMアルゴリズムに基づく高速道路交通異常状態の検出【Powered by NICT】

Highway traffic abnormal state detection based on PCA-GA-SVM algorithm

著者 (4件)： Min Zhao (College of Automation, Chongqing University, Chongqing 400044, China) ,  Yanlei Liu (College of Automation, Chongqing University, Chongqing 400044, China) ,  Dihua Sun (College of Automation, Chongqing University, Chongqing 400044, China) ,  Senlin Cheng (College of Automation, Chongqing University, Chongqing 400044, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 2824-2829  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 道路交通異常状態検出では,サポートベクトルマシン(SVM)アルゴリズムは,近年広範囲に研究されているが,まだいくつかの制限がある。特徴ベクトルの不適切な選択の問題を目指して,道路交通異常状態データの空間および時間特性を要約し,SVMの特徴ベクトルを,主成分分析(PCA)によって適切に選択された。モデルパラメータ選択問題を解決するために,遺伝的アルゴリズム(GA)の理論を用いて,効果的にSVMモデルパラメータを選択することである。二クラスSVM分類は高速道路上の交通走行状態のより良いコマンドを持つマルチクラスSVM分類に拡張した。交通事故の重症度によると,交通は,イベント,温和なふくそうの状態と重度の欝血の状態に分けされていない。SVMアルゴリズムと改良された1つのテストソフトウェアは,MATLABとLIBSVMツールを用いて開発した。実験結果は改善したアルゴリズムはより高い精度と高い検出率を持つことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 走行 ,  サポートベクトルマシン ,  *アルゴリズム ,  遺伝的アルゴリズム ,  *高速道路 ,  交通事故 ,  主成分分析 ,  *道路交通 ,  選択問題
準シソーラス用語： 検出率 ,  MATLAB ,  重症度 ,  SVM分類 ,  モデルパラメータ ,  特徴ベクトル , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： PCA ,  Ga ,  SVM ,  アルゴリズム ,  高速道路 ,  交通