作者:吴麟麟; 杨彪; 景鹏支持向量机改进粒子群特征变量出行方式智能手机
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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社