典型文献
基于k-means聚类和神经网络的超速行为识别研究
文献摘要：
交通事故的发生对人们的生命财产安全造成了威胁,而超速驾驶是交通事故发生的一个重要因素.因此,如何准确识别超速行为至关重要.本文提出了一种基于工况识别的超速驾驶行为识别方法,首先利用主成分分析法对数据进行降维,利用k-means算法和高斯混合聚类算法对降维结果进行二次聚类,根据聚类结果训练BP神经网络,用训练好的模型对工况进行实时识别,进而得到不同工况的速度阈值用于超速行为识别.研究结果表明行驶工况的平均识别正确率达95％,将该方法应用于超速行为的识别,可使识别更加准确、科学.
文献关键词：
k-means算法;高斯混合聚类算法;神经网络;超速行为
中图分类号：
作者姓名：
李开放;刘忠涛;柏兴涛;张冰战
作者机构：
合肥学院 先进制造工程学院,安徽 合肥 230601;合肥工业大学 汽车与交通工程学院,安徽 合肥 230009;中国重汽集团,山东 济南 250000
文献出处：
引用格式：
[1]李开放;刘忠涛;柏兴涛;张冰战-.基于k-means聚类和神经网络的超速行为识别研究)[J].安徽建筑大学学报,2022(06):83-88,102
A类：
B类：
means,超速行为,交通事故,生命财产安全,准确识别,工况识别,驾驶行为识别,高斯混合聚类算法,二次聚类,练好,实时识别,不同工况,行驶工况
AB值：
0.213879
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
