基于Bagging算法和遗传神经网络的交通事 件检测.PDFVIP

第２７卷第１期　　　 计算机应用与软件 Ｖｏｌ２７Ｎｏ．１ ２０１０年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１０ 基于Ｂａｇｇｉｎｇ算法和遗传神经网络的交通事件检测 朱 红 斌 （丽水学院计算机与信息工程学院　浙江丽水３２３０００） 摘　要　　提出一种集成遗传神经网络的交通事件检测方法，以上下游的流量和占有率作为特征，ＲＢＦ神经网络作为分类器进行 交通事件的自动分类与检测。在ＲＢＦ神经网络的训练过程中，采用遗传算法ＧＡ（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）对ＲＢＦ神经网络的隐层中心值 和宽度进行优化，用递推最小二乘法训练隐层和输出层之间的权值。为了提高神经网络的分类能力，采用Ｂａｇｇｉｎｇ算法，进行网络集 成。通过Ｍａｔｌａｂ仿真实验，证明该方法相对于传统的事件检测算法能更准确、快速地实现分类。 关键词　　Ｂａｇｇｉｎｇ算法　交通事件检测　ＲＢＦ神经网络　遗传算法 ＴＲＡＦＦＩＣＩＮＣＩＤＥＮＴＤＥＴＥＣＴＩＯＮＢＡＳＥＤＯＮＢＡＧＧＩＮＧＭＥＴＨＯＤＡＮＤ ＧＥＮＥＴＩＣＮＥＵＲＡＬＮＥＴＷＯＲＫ ＺｈｕＨｏｎｇｂｉｎ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＬｉｓｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｌｉｓｈｕｉ３２３０００，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＡｍｅｔｈｏｄｂａｓｅｄｏｎｉｎｔｅｇｒａｔｅｄＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｆｏｒｔｒａｆｆｉｃｉｎｃｉｄｅｎｔｓｄｅｔｅｃｔｉｏｎ．Ｔａｋｉｎｇｔｈｅｕｐｓｔｒｅａｍａｎｄｄｏｗｎ ｓｔｒｅａｍｆｌｏｗｓａｎｄｏｃｃｕｐａｎｃｙｒａｔｅａｓｔｈｅｆｅａｔｕｒｅｓ，ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｕｓｅｄａｓａｃｌａｓｓｉｆｉｅｒｔｏａｕｔｏｍａｔｉｃａｌｌｙｃｌａｓｓｉｆｙａｎｄｄｅｔｅｃｔｔｈｅｔｒａｆｆｉｃｉｎｃｉ ｄｅｎｔｓ．Ｔｈｅｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｈｉｄｄｅｎｌａｙｅｒｃｅｎｔｒｅ’ｓｖａｌｕｅａｎｄｗｉｄｔｈｏｆＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｔｈｅｒｅｃｕｒｓｉｖｅｌｅａｓｔ ｓｑｕａｒｅｍｅｔｈｏｄｉｓｕｓｅｄｔｏｔｒａｉｎｔｈｅｗｅｉｇｈｔｓｂｅｔｗｅｅｎｈｉｄｄｅｎｌａｙｅｒａｎｄｏｕｔｐｕｔｌａｙｅｒｄｕｒｉｎｇｔｈｅｔｒａｉｎｉｎｇｏｆｔｈｅＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｉｎｏｒｄｅｒｔｏｉｍ ｐｒｏｖｅｔｈｅｃｌａｓｓｉｆｙｉｎｇａｂｉｌｉｔｙｏｆｔｈｅＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋ，Ｂａｇｇｉｎｇａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｂｕｉｌｄａｎｉｎｔｅｇｒａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｒｏｕｇｈｔｈｅｓｉｍｕｌａ ｔｉｏｎｅｘｐｅｒｉｍｅｎｔｏｎＭａｔｌａｂｗｅｆｏｕｎｄｏｕｔｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｃａｎａｃｈｉｅｖｅａｍｏｒｅａｃｃｕｒａｔｅａｎｄｆａｓｔｃｌａｓｓｉｆｉｃａｔｉｏｎｔｈａｎｔｒａｄｉｔｉｏｎａｌｉｎｃｉｄｅｎｔｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ． Ｋｅｙｗｏｒｄｓ　　Ｂａｇｇｉｎｇｍｅｔｈｏｄ　Ｔｒａｆｆｉｃｉｎｃｉｄｅｎｔｄｅｔｅｃｔｉｏｎ　ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ 存的法则，在问题空间进行全局并行的、随机的有哪些信誉好的足球投注网站优化，使得 ０　引　言 种群全局最优的收敛［６］。与传统算法相比，遗传算法训练神经 网络无需先验知识，而且对初始参数不敏感，所以不会陷入局部 高速公路事件是指交通事故、车辆故障、货物散落、道路维 极小点。 修等破坏正常交通流并导致通行能力下降的事情。高速公路事