基于SVM的多信息融合技术在公交客流识别系统中的应用研究作者: 朱方,魏珺芳 著出版时间: 2018年版内容简介 客流数据是整个公交企业管理业务的基础,快速、准确地采集车辆的客流信息为科学合理地安排调度车辆、优化公交线路等智能管理提供了基本的依据,还可以全面如实地反映公交车辆的实际载客人数,方便与钱箱收入之间的核对。《基于SVM的多信息融合技术在公交客流识别系统中的应用研究》介绍了目前比较普遍的客流识别方法,并总结了其优缺点,提出将多信息融合技术运用到客流识别中来。在信息科学技术领域中,多源信息融合是一个有广泛应用背景及重要理论意义的研究课题。常用的信息融合算法有加权法、Bayes法、证据组合理论、模糊逻辑和神经网络等。这些方法大多依赖先验知识,从而造成在小样本、高维空间情况下出现模式识别效果不佳的问题。为了解决这个问题,《基于SVM的多信息融合技术在公交客流识别系统中的应用研究》将支持向量机(SVM)引入到多信息融合模式分类中,并对于支持向量机算法进行了研究。根据客流识别的实际问题,对于支持向量机的训练算法、快速分类算法及模型参数优化选择算法进行了改进。终将多信息融合技术引入客流识别领域中,构建了基于支持向量机的多信息融合模型,应用嵌入式技术设计并实现了多功能信息采集车载终端。目录第1章 绪论1.1 研究背景1.1.1 公交客流识别的研究背景及意义1.1.2 公交客流识别方法研究现状及发展方向1.2 多信息融合技术1.2.1 信息融合技术的研究背景1.2.2 信息融合技术研究历史1.2.3 多信息融合方法研究现状1.3 基于支持向量机的多信息融合方法1.4 本书的主要内容及章节安排第2章 基于支持向量机的多信息融合方法2.1 多信息融合原理及框架2.1.1 多信息融合的定义2.1.2 多信息融合的原理2.1.3 多传感器信息融合的分类2.1.4 多源信息融合常用模型2.1.5 多信息融合系统体系结构2.2 信息融合方法2.2.1 直接对数据源操作的方法2.2.2 基于对象的统计特性和概率模型的方法2.2.3 基于规则推理的方法2.3 基于支持向量机的多信息融合算法2.3.1 支持向量机的理论基础2.3.2 基于支持向量机的多信息融合方法2.3.3 应用于客流识别中所存在问题2.4 本章小结第3章 支持向量机训练算法的研究3.1 引言3.2 训练算法的研究现状3.3 预选样本集3.4 SVM训练样本集缩减策略(SVM-LSISRS)3.4.1 SVM-LSTSRS原理3.4.2 模糊C均值聚类算法原理3.4.3 基于FCM的样本点类型判定3.4.4 SVM-LSTSRS实现步骤3.4.5 SVM-LSTSRS性能分析3.5 实验结果及分析3.5.1 二维可视数据3.5.2 Libsvm提供的分类测试数据3.6 ISTSRS与其他算法比较3.7 本章小结第4章 支持向量机快速分类算法的研究4.1 引言4.2 SVM简化方法4.3 基于特征空间相似性分析的sVM快速分类算法4.3.1 支持向量相似度分析4.3.2 相似性系数的选择4.3.3 基于最小支撑树的支持向量分组4.3.4 特定因子的选择及相关系数的确定4.3.5 实现步骤4.3.6 时间复杂度分析4.4 实验分析4.5 本章小结第5章 支持向量机模型参数优化选择算法的研究5.1 引言5.2 模型参数对于SVM性能的影响5.3 基于免疫记忆克隆策略的支持向量机参数优化算法5.3.1 免疫克隆算法5.3.2 基于免疫记忆克隆策略的支持向量机参数优化算法(IMC-SVM)5.4 实验结果及分析5.4.1 基于RBF核的sVM参数优化实验5.4.2 基于Sigmoid核的sVM参数优化实验5.5 本章小结第6章 基于SVM的多信息融合方法在公交客流识别中的应用6.1 压力数据分析6.1.1 压力数据采集系统6.1.2 人体运动学原理6.1.3 单人压力数据分析6.1.4 双人压力数据分析6.2 时序信息分析6.2.1 单人时序分析6.2.2 双人时序分析6.2.3 总结6.3 多信息融合公交客流识别方法的研究6.3.1 用于公交客流识别的多信息融合模型设计6.3.2 多信息融合客流识别方法的实现6.4 本章小结第7章 嵌入式客流信息采集终端的研究及实现7.1 嵌入式系统概述7.2 硬件设计7.2.1 最小系统设计7.2.2 存储系统设计7.2.3 语音电路设计7.2.4 外设接口设计7.3 软件设计7.3.1 嵌入式操作系统7.3.2 霤/OS-Ⅱ系统移植7.3.3 系统任务设计7.4 仿真实验7.5 本章小结第8章 总结参考文献 上一篇: 城市群交通系统协调发展的理论与实证研究 余沛,王晓梅,程嘉等 著 2018年版 下一篇: 基于手机数据的城市居民通勤出行特征识别及仿真研究 夏小棠 著 2018年版