期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
采用VAE-CatBoost的高速公路交通事件检测框架
1
作者 张兵 邹少权 +2 位作者 陆春霖 陈渤文 薛运强 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第8期197-207,共11页
为解决交通事件检测中特征稀少与样本失衡的问题,提出一种基于变分自编码器(VAE)-随机森林(RF)-分类梯度提升树(CatBoost)的交通事件检测框架。依据4条规则构建较为全面的初始特征集。使用VAE进行数据平衡。之后,采用RF算法筛选出最佳... 为解决交通事件检测中特征稀少与样本失衡的问题,提出一种基于变分自编码器(VAE)-随机森林(RF)-分类梯度提升树(CatBoost)的交通事件检测框架。依据4条规则构建较为全面的初始特征集。使用VAE进行数据平衡。之后,采用RF算法筛选出最佳输入特征集。最后,采用CatBoost算法作为分类器检测交通事件。使用真实世界的交通数据集设计实验,并选择6个有效评价指标对实验结果进行评价。结果表明:所提出的交通事件检测框架除误报率之外,各项评价指标均取得最优结果,表明在交通事件检测方面具备优异性能。 展开更多
关键词 交通事件检测 特征扩展 数据平衡 特征选择 梯度提升树
下载PDF
采用特征变量选择和长短期记忆网络的高速公路交通事件检测研究 被引量：4
2
作者 张兵 张校梁 +2 位作者 屈永强 上官小荣 邹少权 《重庆理工大学学报（自然科学）》 CAS 北大核心 2023年第4期157-165,共9页
为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量。利用重要特征变量作为输入训... 为提升高速公路交通事件检测效果,依据交通事件发生时上、下游交通流参数的变化特性,构建一组相对全面的交通事件检测初始特征变量集,使用随机森林-交叉验证递归特征消除(RF-RFECV)算法筛选出重要特征变量。利用重要特征变量作为输入训练长短期记忆网络(LSTM),通过贝叶斯优化算法(BOA)优化LSTM网络的超参数。使用真实高速公路数据进行验证和对比分析,采用Borderline-SMOTE解决交通数据集的不平衡问题。实验结果表明:筛选出对交通事件检测更为敏感的重要特征变量,可以提高检测精度,LSTM的检测效果也明显优于随机森林(RF)和支持向量机(SVM)。 展开更多
关键词 交通事件检测 特征变量选择 贝叶斯优化 长短期记忆网络
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部