%0 Journal Article
%T 基于改进SVM的城市道路短时交通状态预测
%A 闫 贺
%A 朱 丽
%A 戚 ？？
%J -
%D 2019
%R 10.3969/j.issn.1001-4616.2019.03.017
%X 为提高短时交通状态预测的精度,使交通管理者更有效地进行交通规划和管理,本文把基于L1范数距离度量的最小二乘孪生有界支持向量机(twin bounded support vector machine,TBSVM)扩展成多分类算法用于短时交通状态预测,简称MLSTBSVML1. 在实验数据上对MLSTBSVML1算法的有效性进行验证,实验结果表明,相比于其他预测算法,提出的MLSTBSVML1算法在预测精度上有较大提升
%K 短时交通状态预测
%K 机器学习
%K MLSTBSVML1算法
%K TBSVM算法
%U http://njsfdxzrb.paperonce.org/oa/darticle.aspx?type=view&id=201903017