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
