原文传递
基于自编码器与k-means聚类的视频交通状态自动识别
| 题名： | 基于自编码器与k-means聚类的视频交通状态自动识别 |
| 作者： | 彭博;张媛媛;唐聚;谢济铭;王玉婷 |
| 作者单位： | 山地城市交通系统与安全重庆市重点实验室;重庆交通大学交通运输学院 |
| 关键词： | 智能交通;视频交通状态识别;深度学习;城市干道;自编码器 |
| 摘要： | 为了及时有效地识别道路交通状态，提出了基于自编码器与k-means聚类的视频交通状态自动识别方法。首先，通过交叉试验的方式对输入数据维度、隐藏层数量与降维数据维度等结构参数进行合理优化，建文自编码器备选模型；然后，构建了样本量为1500~4500的3个图像数据集，对备选模型进行训练测试，利用准确率、召回率、儿值比选出最优自编码器AE*；最后，将AE*与/c均值聚类(bmeans)、支持向量机(SVM)、线性分类器(LinearClassifier)、深度神经网络线性分类器(DNNLinearClassif |
| 期刊名称： | 公路交通科技 |
| 出版年： | 2020 |
| 期： | 12 |
| 页码： | 117-123 |
检索历史
应用推荐
