原文传递
基于时序马尔科夫模型的电子警察采集数据异常识别
| 题名： | 基于时序马尔科夫模型的电子警察采集数据异常识别 |
| 正文语种： | 中文 |
| 作者： | 韦学武;朱海峰;刘彦斌;温熙华;龚方徽; |
| 作者单位： | 中电海康集团研究院； |
| 关键词： | 智能交通;电子警察;数据异常;流量预测;马尔科夫模型;期望最大化(EM)算法 |
| 摘要： | 针对电子警察采集数据存在的数据延迟、数据缺失和异常偏离三类常见问题,在保证数据未出现延迟和缺失时,基于马尔科夫模型判断数据的异常偏离;考虑流量序列间的关联关系,建立基于历史数据的转移概率矩阵,在此基础上利用马尔科夫模型进行流量概率分布预测,进而利用EM算法拟合概率分布得到对应的均值和标准差;根据模型预测结果和设定的流量合理分布阈值,以置信区间的形式直接判断流量的异常偏离情况。实例验证结果表明,基于马尔科夫模型的流量预测准确率达87%,异常偏离识别准确率为83%左右。 |
| 期刊名称： | 公路与汽运 |
| 出版年： | 2020 |
| 期： | 02 |
| 页码： | 42-46,126 |
检索历史
应用推荐
